లూసియానా బెర్టోకో డి పైవా హడ్డాడ్, లుయానా రెజినా బరాటెల్లి కారెల్లి మెండిస్, లిలియానా డుకాట్టి, వినిసియస్ రోచా-శాంటోస్, వెల్లింగ్టన్ ఆండ్రస్, లూయిజ్ అగస్టో కార్నీరో డి'అల్బుకెర్కీ
నేపథ్యం మరియు లక్ష్యం: చివరి దశ కాలేయ వ్యాధి ఉన్న రోగులకు కాలేయ మార్పిడి అత్యంత ప్రభావవంతమైన చికిత్సా ఎంపిక. ఈ అధ్యయనం యొక్క లక్ష్యం నేషన్వైడ్ ఇన్పేషెంట్ శాంపిల్ డేటాబేస్ నుండి పొందిన డేటాను ఉపయోగించి మెషిన్ లెర్నింగ్ ద్వారా కాలేయ మార్పిడి తర్వాత ఖర్చుల అంచనా నమూనాను అభివృద్ధి చేయడం.
పద్ధతులు: మేము నేషన్వైడ్ ఇన్పేషెంట్ శాంపిల్ (NIS) డేటాబేస్ని ఉపయోగించాము, 2011 (మోడల్ ట్రైనింగ్) మరియు 2012 (మోడల్ ధ్రువీకరణ) సంవత్సరాలలో కాలేయ మార్పిడి ప్రక్రియలో ఉన్న రోగుల నుండి డేటాను మూల్యాంకనం చేసాము. మెషిన్ లెర్నింగ్ మరియు ట్రీ రిగ్రెషన్ మోడల్ల కలయికను ఉపయోగించి మొత్తం ఖర్చు (కాస్ట్-టు-ఛార్జ్ నిష్పత్తులను ఉపయోగించి), మొత్తం ఛార్జీలు మరియు బస యొక్క పొడవు (LOS) యొక్క ప్రిడిక్టర్లు అంచనా వేయబడ్డాయి.
ఫలితాలు: మొత్తం 2,274 మంది వ్యక్తిగత రోగులు మా చేరిక ప్రమాణాలకు అనుగుణంగా ఉన్నారు, 2011 సంవత్సరానికి 1,090 మంది రోగులు మరియు 2012కి 1,184 మంది ఉన్నారు. ఖర్చు మరియు LOSని అంచనా వేసే అత్యంత ముఖ్యమైన వేరియబుల్స్ అన్ని మోడళ్లలో స్థిరంగా ఉన్నాయి మరియు చార్ల్సన్ మరియు వాన్ వాల్రావెన్ కోమోర్బిడిటీ స్కోర్లను కలిగి ఉన్నాయి. 0.561 రూట్ మీన్ స్క్వేర్ ఎర్రర్ (RMSE) విలువలతో లీనియర్ కెర్నల్తో కూడిన సపోర్ట్ వెక్టర్ మెషిన్ మొత్తం ధరను అంచనా వేసే అత్యుత్తమ పనితీరు మోడల్ అయితే LOS కోసం ప్రిన్సిపల్ కాంపోనెంట్ అనాలిసిస్ (RMSE=0.743). మొత్తం ఖర్చు మరియు LOS యొక్క ప్రిడిక్టర్లను మూల్యాంకనం చేసినప్పుడు, వాన్ వాల్రావెన్ స్కోర్>26.5 సగటు మొత్తం ధర 207,041 US డాలర్లతో వ్యయ-డ్రైవర్లను ఏర్పాటు చేసింది, అయితే 21.5-26.4 మధ్య ఉన్న స్కోర్లు 26 రోజుల LOSలో సగటు పెరుగుదలతో సంబంధం కలిగి ఉన్నాయి.
ముగింపు: రోగి సహ-అనారోగ్యతలు మార్పిడి ఖర్చులు, ఛార్జీలు మరియు LOS యొక్క ప్రధాన డ్రైవర్లు. మెషిన్ లెర్నింగ్ మోడల్స్ వ్యక్తిగత రోగుల వ్యయాన్ని అంచనా వేయడానికి అనుమతిస్తాయి, తద్వారా మెరుగైన ఆరోగ్య సంరక్షణ నిర్వహణ మరియు విధాన రూపకల్పనకు వీలు కల్పిస్తుంది.