Machine Learning Approaches for Hourly Emergency Department Patient Arrival Forecasting: A Multi-Horizon Comparison with Operational Benchmarking at a Norwegian Hospital
Deze studie toont aan dat machine learning-modellen, in het bijzonder een Direct LSTM+Optuna-architectuur die het "frozen-feature"-probleem vermijdt dat inherent is aan recursieve autoregressieve benaderingen, de operationele kalendergebaseerde baseline van Noorwegen voor het voorspellen van de aankomst van patiënten op de spoedeisende hulp per uur aanzienlijk overtreft over zowel korte als uitgebreide planningshorizonten.