Machine Learning Approaches for Hourly Emergency Department Patient Arrival Forecasting: A Multi-Horizon Comparison with Operational Benchmarking at a Norwegian Hospital
Questo studio dimostra che i modelli di machine learning, in particolare un'architettura Direct LSTM+Optuna che evita il problema delle "caratteristiche congelate" (frozen-feature) inerente agli approcci autoregressivi ricorsivi, superano significativamente il baseline operativo basato sul calendario della Norvegia per la previsione oraria degli arrivi dei pazienti al pronto soccorso sia per gli orizzonti di pianificazione a breve che a lungo termine.