Modelle zur Vorhersage der Nichtanwesenheit bei pädiatrischen ambulanten Terminen

Das Nichterscheinen pädiatrischer ambulanter Termine ist ein häufiges und relevantes Problem für die öffentliche Gesundheit.

Mit verschiedenen Ansätzen ist es möglich, prädiktive Modelle für Nichterscheinen zu erstellen, und diese Modelle können als Leitfaden für Strategien zur Reduzierung von Nichterscheinen verwendet werden. Vorhersagemodelle weisen jedoch Einschränkungen auf und es ist unklar, welche Methode zu ihrer Erstellung am besten geeignet ist. Unabhängig von der zur Erstellung des Vorhersagemodells verwendeten Strategie liegt die Obergrenze der Diskriminierung, gemessen als Fläche unter der Kurve, bei etwa 0,80. Dies impliziert, dass die Modelle nicht über eine 100-prozentige Unterscheidungsfähigkeit bei Nichterscheinen verfügen und daher in einem Teil der Fälle falsch liegen. Dieser Klassifizierungsfehler schränkt die Diagnoseleistung aller Modelle und damit ihre Anwendung in realen Situationen ein. Trotz alledem sind die Grenzen prädiktiver Modelle noch wenig erforscht.

Unter Berücksichtigung der negativen Auswirkungen von Nichterscheinen, der Möglichkeit, Vorhersagemodelle zu generieren und diese als Leitfaden für Strategien zur Reduzierung von Nichterscheinen zu verwenden, schlagen wir vor, Vorhersagemodelle für Nichterscheinen bei ambulanten Terminen mithilfe traditioneller logistischer Regression und Techniken des maschinellen Lernens zu erstellen. Bewerten Sie ihre diagnostische Leistung und identifizieren und charakterisieren Sie schließlich die Population, die durch Vorhersagemodelle falsch klassifiziert wurde.