Dự báo lượng bệnh nhân cấp cứu hàng ngày tại bệnh viện: Một nghiên cứu tình huống

Tóm tắt

Mục đích của nghiên cứu này là phân tích hiệu quả của ba mô hình dự báo dùng để dự báo lượng bệnh nhân cấp cứu hàng ngày tại một bệnh viện. Do lượng bệnh nhân cấp cứu hàng ngày tại bệnh viện thường đầy biến động và rất bất định, nên bài toán dự báo trên loại dữ liệu này là một công việc đầy thách thức. Chúng tôi thử nghiệm ba mô hình dự báo chuỗi thời gian khác nhau để dự báo lượng bệnh nhân cấp cứu hàng ngày tại Bệnh Viện Đa Khoa Khu vực Củ Chi, Thành phố Hồ Chí Minh, Việt Nam. Các mô hình dự báo được thử nghiệm trong nghiên cứu này gồm mô hình Holt-Winters, mô hình tự hồi quy tích hợp trung bình di động (ARIMA) có tính mùa và mô hình mạng nơ ron nhân tạo có tính mùa (SANN). Kết quả thực nghiệm trên bộ dữ liệu thực tế cho thấy ba mô hình dự báo nêu trên đều đem lại kết quả dự báo tương đối tốt và mô hình SANN chính là mô hình dự báo tốt nhất.  Sai số MAPE của mô hình SANN là 12.74%.