Emergency Department - Wait Time Prediction

Dushica, Adriatik (2018) Emergency Department - Wait Time Prediction. Diploma thesis, Scuola universitaria professionale della Svizzera italiana.

[img] Text
DOC_DUSHICA.pdf

Download (2MB)
[img] Slideshow
POSTER_DUSHICA.pptx

Download (1MB)

Abstract

Oggigiorno sempre più enti (pubblici / privati) come ospedali, uffici postali o call center offrono ai propri pazienti / clienti una previsione del tempo d’attesa. L’Ente Ospedaliero Cantonale (EOC), più precisamente il pronto soccorso (PS) dell’Ospedale Civico di Lugano (OCL) richiede la realizzazione di un modello predittivo in grado di fornire ai propri pazienti il tempo d’attesa. Attualmente questa informazione viene fornita dall’infermiere che effettua il triage, il quale attraverso anni d’esperienza, è in grado di fornire indicativamente una stima del tempo d’attesa. Stima che a seconda delle urgenze, può variare nel tempo. Complessivamente sono stati analizzati 3 modelli in grado di prevedere il tempo d’attesa. Il primo modello analizzato è Moving Average, ampiamente utilizzato per l’analisi e lo studio di serie storiche. Il secondo modello prevede l’impiego di Lasso, una regressione lineare in grado di effettuare automaticamente la regolarizzazione e la selezione delle features rilevanti. Il terzo e ultimo modello, ovvero quello che ha prodotto i migliori risultati è una Neural Network Regression (NNR), una regressione con rete neurale in grado di apprendere modelli matematico-statistici attraverso il training. La rete neurale è stata utilizzata in due diverse applicazioni: la prima viene mostrata attraverso un monitor in pronto soccorso e permette di visualizzare in tempo reale l’attesa prevista per ogni paziente, la seconda è un’applicazione web, che permette ai singoli pazienti di visualizzare in maniera pratica e funzionale il tempo d’attesa stimato. Il risultato è un prototipo che nei prossimi mesi subirà una validazione da parte del personale del pronto soccorso, dopo la quale avverrà l’effettiva messa in produzione.

Item Type: Thesis (Diploma)
Corso: UNSPECIFIED
Supervisors: Rizzoli, Andrea Emilio and Gambardella, Luca Maria
Subjects: Informatica
Divisions: Dipartimento tecnologie innovative > Bachelor in Ingegneria informatica
URI: http://tesi.supsi.ch/id/eprint/2369

Actions (login required)

View Item View Item