Forudsigelsesmodeller uden fremmøde til pædiatriske ambulante aftaler

Manglende deltagelse i ambulante pædiatriske aftaler er et hyppigt og relevant folkesundhedsproblem.

Ved at bruge forskellige tilgange er det muligt at bygge prædiktive modeller for manglende fremmøde, og disse modeller kan bruges til at vejlede strategier, der sigter mod at reducere udeblivelser. Imidlertid har prædiktive modeller begrænsninger, og det er uklart, hvilken metode der er den bedste til at generere dem. Uanset hvilken strategi, der er brugt til at bygge den prædiktive model, har diskrimination, målt som areal under kurven, et loft omkring 0,80. Dette indebærer, at modellerne ikke har en 100% diskriminationskapacitet for udeblivelse, og derfor vil de i en del af tilfældene tage fejl. Denne klassifikationsfejl begrænser alle modellers diagnostiske ydeevne og derfor deres anvendelse i virkelige situationer. På trods af alt dette er begrænsningerne af prædiktive modeller kun lidt undersøgt.

Under hensyntagen til de negative virkninger af manglende fremmøde, muligheden for at generere prædiktive modeller og bruge dem til at vejlede strategier til at reducere fravær, foreslår vi at generere prædiktive modeller for manglende fremmøde til ambulante aftaler ved brug af traditionelle logistisk regression og maskinlæringsteknikker, evaluere deres diagnostiske ydeevne og endelig identificere og karakterisere populationen fejlklassificeret af prædiktive modeller.