Minitab Statistical Software是一款無與倫比的可視化統計分析軟件，它會審視當前及過往的數據，以找出趨勢并預測規律、發現變量之間隱藏的關系、可視化數據交互作用并識別重要因素，從而解答最棘手的問題、應對最嚴峻的難題。

點擊即可下載 Minitab 19

住院時間長短，定義為入院至出院之間的時間（以天為單位），這是護理的一個方面，如果不采取適當的措施，對于大多數醫療保健系統而言可能會很昂貴。另一方面，優化患者流量可促進有益的治療，最小的等待時間，最小的與住院相關的風險以及有效利用資源，例如病床，醫療設備和可用的臨床人員。

將歷史性醫院數據和機器學習結合在一起，以優化患者流程和資源規劃

當醫療保險和醫療補助服務中心的信息顯示，美國所有醫療保健支出的三分之一都可以歸因于住院治療時，保持對住院病人住院時間的控制至關重要。但是，數據是非常復雜的。在入院和出院之間的那幾天，患者的年齡，性別，病史和其他幾個因素都有不同程度的影響。

幸運的是，諸如Minitab中可用的預測分析工具可以使用大量可用數據來預測患者的個體結局。在以下示例中，我們將研究一種醫療機構旨在優化患者住院時間的舉措。

示例：醫院使用預測分析來預測患者到達后會停留多長時間

假設俄勒岡州的一家中型醫院正在設定目標，以更好地計劃和利用他們的資源。他們卓越的運營團隊擁有一個數據集，其中包含過去兩年來醫院就診的約8,500名患者的信息。它包括21個預測變量或感興趣的變量，從年齡，性別和婚姻狀況等一般信息到疼痛程度，腫瘤大小以及白細胞和紅細胞計數等醫學信息。這是他們在Minitab中的工作表：

請注意，工作表中有22列數據。 前21列代表將用于預測患者住院天數的預測變量或變量，而列22則代表住院天數。

使用回歸樹分析停留數據的長度

機器學習算法會“教”計算機使用可用數據來識別模式。Minitab的預測分析工具包括分類樹和回歸樹（CART®）。回歸樹是一種決策樹算法，它通過創建一組是/否規則來工作，這些規則基于將數據最好地分離為相似響應值的預測變量設置將數據分為多個分區。通過使用此工具，他們將能夠：

• 確定影響逗留時間的最重要變量。
• 發現最有可能導致較低或較高的平均停留時間的預測變量設置的組合。
• 可視化他們的發現。
• 創建易于理解，實時使用并應用于其流程的業務規則。

這是已完成的對話框。

Minitab在輸出窗格中顯示樹形圖，如下所示。它具有兩個不同的形狀，稱為節點。請注意，某些節點已拆分為其他節點，而其他節點不再拆分，未拆分的節點稱為終端節點，回歸樹中的每個終端節點代表預測變量設置的特定組合。終端節點的數量代表樹的大小。在我們的示例中，Minitab提供的樹有10個終端節點，因此，樹的大小為10。

輸出還會在下面顯示“相對變量重要性”圖。該圖在解釋患者住院時間的變異性時，對每個預測變量的相對重要性百分比進行了排名。在我們的示例中，請注意，在預測停留時間時，年齡是最重要的變量。癌癥分期，婚姻狀況，吸煙史，腫瘤數量和白細胞計數也可預測住院時間。

使用模型預測患者的住院時間

使用Minitab中的Predict…選項，可以使用此模型輕松進行預測。在這里，我們預測一個新的情況：

結果如下所示：

請注意，在設置下，輸出將提供為每個預測變量輸入的值。在設置之下并處于預測之下，Minitab提供了擬合值，在這種情況下，它是預測的平均停留時間。利用該信息，醫院可以預測：

一名53歲已婚男子

• II期癌癥
• 從不吸煙
• 到達時的疼痛等級為4，
• 匹配上面的其他信息...

OpEx團隊現在可以預測患者的住院時間更好

在Minitab的CART Regression的幫助下，醫院的卓越運營團隊擁有他們需要的數據，這些數據可以根據他們知道患者何時到達的信息準確地預測患者將待多長時間。當他們知道不同情況的患者平均待在醫院停留多長時間時，他們可以調整計劃以確保在需要時有足夠的資源。

對Minitab的更多應用感興趣嗎？聯系在線客服 了解更多產品詳情。