人工智能预测在线医生就诊后的患者付款


在获得带薪患者的一部分进行在线医疗咨询时,与依靠患者的声誉相比,医生在虚拟访问期间更好地与患者进行密切接触并提供高质量的服务 。
如此发现的研究人员从近160万次在线医疗咨询中获取数据,并使用机器学习来预测患者随后的付款行为 。
纽约宾汉顿大学的姜晶璐博士及其同事于2月20日在JMIR Medical Informatics上在线发表了他们的研究 。
作者写道:“在线医疗咨询已经变得越来越流行,被认为是解决医疗资源短缺和资源分配效率低下的潜在解决方案 。”“但是,许多在线医疗咨询平台都在努力吸引和留住愿意付费的患者,并且该平台上的医疗保健提供者还面临着在众多可以提供类似服务的医师中脱颖而出的挑战 。”
Jiang和同事使用了来自最大的在线医疗咨询平台的数据,将2009年至2018年的医患对之间的1,582,564条咨询记录归零 。
通过将几种机器学习技术与四个分类器(逻辑回归,决策树(DT),随机森林和梯度提升)一起应用,他们确定了最有助于预测付款的关键特征 。
“ [C]具有与医师声誉有关的特征,与服务有关的特征,例如服务交付质量(例如,咨询对话强度和医师反应率),患者来源(例如,在线或离线返回患者)以及患者参与(例如,提供社会回报并透露以前的治疗方法),似乎对患者的付款决定做出了更大的贡献 。”“在患者与提供者的互动中促进多种及时反应对于鼓励付款至关重要 。”
江等 。承认他们依赖数据和医疗保健经济学是他们研究设计的局限性 。
他们写道:“考虑到文化差异和医疗法规,我们的结果可能在其他情况下具有局限性 。”“但是,已经发现的交互作用的机制和类型足够通用,可以在不同的在线医疗咨询平台和不同的中进行推广和管理 。此外,语境本身相当大,应该自己引起关注 。”
【人工智能预测在线医生就诊后的患者付款】

    推荐阅读