Прогнозирование числа пациентов первичного приема в медучреждениях Тюмени с учетом климатических данных

Abstract

В статье описана разработка инструмента для прогнозирования числа пациентов первичного приема в медучреждениях Тюмени на основе климатических данных. Прогнозирование числа поступающих пациентов первичного приема является важной задачей, поскольку позволяет предсказывать возможные колебания числа обращений в разные дни. В работе рассматриваются различные модели машинного обучения, включая нейронные сети, позволяющие выявлять зависимости между климатическими параметрами и числом обращений пациентов. Анализ влияния климатических факторов на посещаемость пациентов необходим для создания эффективных моделей прогнозирования. Данный инструмент (web-приложение) позволяет выполнять прогноз числа пациентов на период от 1 до 30 дней, оно будет являться полезным инструментом, позволяя заранее оценивать возможные тенденции изменения числа обращений на основе климатических данных.

The article describes the development of a tool for predicting the number of primary admission patients in Tyumen medical institutions based on climatic data. Predicting the number of incoming primary care patients is an important task, as it allows you to predict possible fluctuations in the number of referrals on different days. The paper examines various machine learning models, including neural networks, which make it possible to identify the relationship between climatic parameters and the number of patient visits. The analysis of the influence of climatic factors on patient attendance is necessary to create effective forecasting models. This tool (web application) allows you to forecast the number of patients for a period from 1 to 30 days, it will be a useful tool, allowing you to assess in advance possible trends in the number of referrals based on climatic data.