Тип публикации: статья из журнала
Год издания: 2024
Идентификатор DOI: 10.52575/2687-0932-2024-51-3-643-656
Ключевые слова: covid-19, Regression mode, exponential model, Prophet librar, lstm, machine learning, forecasting, регрессионная модель, экспоненциальные модели, библиотека Prophet, машинное обучение, прогнозирование
Аннотация: Принятие обоснованных решений в здравоохранении требует наличия информации о распространении эпидемий. Большинство существующих моделей прогнозирования распространения COVID-19 фокусируются на национальном или региональном уровне, данное исследование предлагает решение для прогнозирования на уровне отдельныхПоказать полностьюлечебно-профилактических учреждений (ЛПУ). Целью данного исследования является разработка и оценка точности моделей прогнозирования динамики ключевых локальных показателей распространения COVID-19 на уровне отдельного лечебно-профилактического учреждения, которые позволят оптимизировать распределение медицинских ресурсов. В работе использованы методы регрессионного анализа, экспоненциального сглаживания, долгосрочной кратковременной памяти (LSTM), деревья решений XGBoost, модель Prophet. Для построения моделей использованы данные о заболеваемости коронавирусом Красноярской краевой больницы с марта 2020 по декабрь 2023. Исследованные модели позволяют оценить динамику распространения коронавирусной инфекции в отдельно взятом лечебно-профилактическом учреждении, что позволит использовать технологии балансировки нагрузки и распределения ресурсов как внутри лечебно-профилактического учреждения, так и между другими ЛПУ. Making informed decisions in healthcare requires information about the spread of epidemics. While most existing models for forecasting COVID-19 spread focus on national or regional levels, this study proposes a solution for prediction at the level of individual healthcare institutions (LHIs). The aim of this research is to develop and evaluate the accuracy of models that predict the dynamics of key local indicators of COVID-19 spread within a single LHI, ultimately aiding in optimizing the allocation of medical resources. This research employs methods of regression analysis, exponential smoothing, long short-term memory (LSTM), XGBoost decision trees, and the Prophet model. Data on COVID-19 cases from the Krasnoyarsk Regional Hospital from March 2020 to December 2023 was utilized for model construction. The investigated models allow for assessing the dynamics of coronavirus infection within a single LHI, enabling the implementation of load balancing and resource allocation technologies both within the LHI and across other LHIs.
Журнал: Экономика. Информатика
Выпуск журнала: Т. 51, № 3
Номера страниц: 643-656
ISSN журнала: 26870932
Место издания: Белгород
Издатель: Белгородский государственный национальный исследовательский университет