気象情報を含めることで病院の需要の短期予測を改善するための階層ベイズモデル

要約 天候が健康に与える影響は広く研究されており、気象イベントを予測する能力は公衆衛生サービスに与える影響に関する貴重な洞察を提供することができます。さらに、天候の変動に敏感な病院需要のより良い予測は病院管理者がリソース配分とサービス提供を最適化するのを可能にします。歴史的な病院入院データと病院の近くの地点におけるいくつかの季節的および気象的変数を用いて、本論文では年齢層や性別などのいくつかの要因によって分類された入院数の短期予測のための新しいベイズモデルを開発します。提案されたモデルは、気象予測の固有の不確実性を入院数の予測に組み込むことで拡張されます。この方法は、毎年約30,000〜50,000人の非選択的患者を受け入れる、イギリスのカーディフとサウサンプトンの2つの中規模病院グループから得られた入院データを用いて説明されます。マルコフ連鎖モンテカルロ法を用いて計算されたベイズモデルは、病院管理者が広く使用している6週間の移動平均法を使用した場合よりも、病院入院数のより正確な予測を生み出すことが示されています。この利点は、一般的に寒くて変動の激しい冬の天候の始まりの間に、急激な温度変化がある期間において顕著であることが示されています。