换一批基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型研究
Research on Prediction Model of Invasive Ventilator Usage Based on Particle Swarm Optimization-Long and Short Memory Network Algorithm
摘要目的 研究基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型.方法 选取 2019 年 4 月至 2023 年 4 月医院有创呼吸机使用情况数据,建立基于粒子群优化长短记忆网络(PSO-LSTM)算法的有创呼吸机使用量预测模型,预测全院及重症监护病房(ICU)有创呼吸机每天使用数量.采用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)及均方根误差(RMSE)作为准确性评价指标.结果 PSO-LSTM模型预测重症ICU有创呼吸机每天在用量与LSTM模型比较,其MAE值降低 41.15%、MAPE值降低 50%、RMSE值降低 44.36%;PSO-LSTM模型预测全院有创呼吸机每天在用量与LSTM模型比较,MAE值降低81.93%、MAPE值降低83.33%、RMSE值降低79.08%,PSO-LSTM模型预测精度高于LSTM模型.结论 PSO-LSTM模型能够准确预测有创呼吸机的每天在用量,为有创呼吸机采购决策提供科学依据,为创建全院呼吸机管理共享中心提供数据分析基础,进一步提升医疗设备精细化管理水平.
更多相关知识
关键词
粒子群优化长短记忆网络算法预测模型有创呼吸机使用量Particle Swarm OptimizationLong and short memory network algorithmPrediction modelInvasive ventilatorUsage amount
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1002-2376.2024.05.006
发布时间
2024-04-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江西省卫生健康委科技计划资助项目（20227319）
赣州市指导性科技计划（20222ZDX8172）
- 浏览12
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
