Mar, 2024
分析急诊科患者候床现象的变化并在香港 COVID-19 疫情波动中验证预测模型的可转移性：基于混合 CNN-LSTM 方法量化建筑层次的社会生态风险
Analyzing the Variations in Emergency Department Boarding and Testing the Transferability of Forecasting Models across COVID-19 Pandemic Waves in Hong Kong: Hybrid CNN-LSTM approach to quantifying building-level socioecological risk
Eman Leung, Jingjing Guan, Kin On Kwok, CT Hung, CC. Ching...
TL;DR应用了混合卷积神经网络（CNN）- 长短期记忆（LSTM）模型，通过公共领域数据来源于香港的医院管理局、卫生署和房屋管理局，研究急诊科（ED）的等候时间超过四个小时（ED 候诊）与患者结果和卫生系统表现之间的关联。同时，通过深度迁移学习方法，寻找最显著扰乱复杂适应性医疗系统的 COVID-19 流行阶段，揭示其组成部分之间稳定的相互关系模式。本研究的结果表明：1）ED 候诊最多的是第四和第五波之间的天数；2）最佳预测 ED 候诊的模型观察到在第四和第五波之间，该模型基于代表时间不变的住宅建筑环境和社会人口特征，以及 ED 候诊和病例数的历史时间序列，与其他波次的预测最佳模型仅基于时间序列特征相比表现更好；3）当将第四和第五波之间构建的模型应用于其他波次的数据时，通过深度迁移学习，转移模型提高了本土模型的性能。