Forutsigelsesmodeller for manglende oppmøte til polikliniske pediatriske avtaler

Manglende oppmøte til polikliniske pediatriske avtaler er et hyppig og relevant folkehelseproblem.

Ved å bruke forskjellige tilnærminger er det mulig å bygge prediktive modeller for manglende oppmøte, og disse modellene kan brukes til å veilede strategier som tar sikte på å redusere manglende oppmøte. Imidlertid har prediktive modeller begrensninger, og det er uklart hvilken som er den beste metoden for å generere dem. Uavhengig av strategien som brukes for å bygge den prediktive modellen, har diskriminering, målt som areal under kurven, et tak rundt 0,80. Dette innebærer at modellene ikke har 100 % diskrimineringsevne ved manglende oppmøte, og derfor vil de i en del av tilfellene ta feil. Denne klassifiseringsfeilen begrenser alle modellers diagnostiske ytelse og derfor deres bruk i virkelige situasjoner. Til tross for alt dette er begrensningene til prediktive modeller lite utforsket.

Med tanke på de negative effektene av manglende oppmøte, muligheten for å generere prediktive modeller og bruke dem til å veilede strategier for å redusere fravær, foreslår vi å generere prediktive modeller for manglende oppmøte for polikliniske avtaler ved bruk av tradisjonell logistisk regresjon og maskinlæringsteknikker, evaluere deres diagnostiske ytelse og til slutt, identifisere og karakterisere befolkningen feilklassifisert av prediktive modeller.