Modele przewidywania nieobecności na wizytach ambulatoryjnych dla dzieci

Niestawienie się na wizyty ambulatoryjne pediatryczne jest częstym i istotnym problemem zdrowia publicznego.

Stosując różne podejścia, możliwe jest zbudowanie modeli predykcyjnych nieobecności, które można wykorzystać do opracowania strategii mających na celu ograniczenie liczby niepojawień. Modele predykcyjne mają jednak ograniczenia i nie jest jasne, która metoda jest najlepsza do ich generowania. Niezależnie od strategii zastosowanej do zbudowania modelu predykcyjnego, dyskryminacja mierzona jako pole pod krzywą ma górną granicę około 0,80. Oznacza to, że modele nie mają 100% zdolności dyskryminacyjnej w przypadku niestawienia się i dlatego w niektórych przypadkach będą się mylić. Ten błąd klasyfikacji ogranicza wydajność diagnostyczną wszystkich modeli, a tym samym ich zastosowanie w rzeczywistych sytuacjach. Mimo to ograniczenia modeli predykcyjnych są mało zbadane.

Biorąc pod uwagę negatywne skutki nieobecności, możliwość generowania modeli predykcyjnych i wykorzystania ich do wyznaczania strategii ograniczania absencji, proponujemy generowanie modeli predykcyjnych nieobecności na wizytach ambulatoryjnych przy użyciu tradycyjnej regresji logistycznej i technik uczenia maszynowego, ocenić ich skuteczność diagnostyczną i wreszcie zidentyfikować i scharakteryzować populację błędnie sklasyfikowaną za pomocą modeli predykcyjnych.