儿科门诊预约缺勤预测模型

不去儿科门诊预约是一个常见且相关的公共卫生问题。

使用不同的方法可以构建缺席预测模型，并且这些模型可用于指导旨在减少缺席的策略。 然而，预测模型有其局限性，并且尚不清楚哪种是生成它们的最佳方法。 无论用于构建预测模型的策略如何，以曲线下面积衡量的歧视度都有 0.80 左右的上限。 这意味着模型对于缺席的情况不具有 100% 的辨别能力，因此，在一定比例的情况下它们会出错。 这种分类错误限制了所有模型的诊断性能，从而限制了它们在现实生活中的应用。 尽管如此，预测模型的局限性却很少被探讨。

考虑到缺勤的负面影响、生成预测模型并利用它们来指导减少缺勤策略的可能性，我们建议使用传统的逻辑回归和机器学习技术为门诊预约生成缺勤预测模型，评估他们的诊断性能，最后识别和描述预测模型错误分类的人群。