摘要
本发明提供了一种基于电子病历数据的患者住院行为实时监测模型，针对现有住院风险预测方法多为二分类、忽视时间因素、样本划分不合理及模型稳定性差问题，本发明采用按患者ID分组划分训练集与测试集的方式，避免数据泄露；构建包括岭回归、XGBoost、LightGBM、LSTM、Transformer多种模型并进行系统比较，选取MAE/STD最低的模型作为最优方案。实验结果表明，Transformer模型在RMSE、MAE、R2指标上表现最佳，具备良好的预测精度与稳定性。本模型可嵌入医院信息系统，实现对患者住院行为的动态监测与预警，有助于提升医疗管理效率和临床决策水平。
