Прогнозирование ежедневного числа обращений в отделение неотложной помощи для планирования ресурсов

Введение: Точное прогнозирование числа обращений в отделение неотложной помощи может быть полезным инструментом планирования на микро- и макроуровнях.

Методы: Для анализа использовали данные о числе ежедневных обращений в отделение неотложной помощи многопрофильной больницы общего профиля, оказывающей неотложную помощь, за период с июля 2005 года по март 2008 года. Пациентов распределяли по трём категориям срочности: P1, P2 и P3; категория P1 соответствовала наивысшей, а P3 — наименьшей срочности. Метод авторегрессионного интегрированного скользящего среднего (ARIMA) применяли отдельно к каждой из трёх категорий срочности и к общему числу обращений. В модель включали следующие независимые переменные: государственный праздник (да или нет), качество атмосферного воздуха, измеренное по индексу загрязнения воздуха (PSI), среднюю суточную температуру воздуха и среднюю относительную влажность за сутки. Также изучали сезонные компоненты недельной и годовой периодичности временных рядов ежедневного числа обращений. Выполняли одномерный анализ с использованием t-критерия и многомерный анализ временных рядов в программе SPSS версии 15.

Результаты: Согласно анализу временных рядов, число обращений категории P1 не имело недельной или годовой периодичности и прогнозировалось только по качеству атмосферного воздуха при PSI > 50. Число обращений категории P2 и общее число обращений характеризовались недельной периодичностью и также достоверно зависели от наличия государственного праздника. Число обращений категории P3 достоверно коррелировало с днём недели, месяцем года, наличием государственного праздника и качеством атмосферного воздуха при PSI > 50. После применения разработанных моделей для проверки точности прогноза средняя абсолютная процентная ошибка (MAPE) составила 16,8%, 6,7%, 8,6% и 4,8% для категорий P1, P2, P3 и общего числа обращений соответственно. Модели позволили учесть большинство значимых автокорреляций, присутствовавших в данных.

Выводы: Анализ временных рядов оказался полезным и доступным инструментом прогнозирования нагрузки на отделение неотложной помощи, который можно использовать для составления графиков работы персонала и планирования ресурсов.