我們開發了結合機器學習模型的資訊預警系統，預測出院後14天內的再住院風險並減少可避免的再住院。基於2020年至2023年超過10萬名患者數據，使用極端梯度提升模型(XGBoost)，其AUC達0.79，準確率為0.83，F1值為0.78，性能最佳。透過Shapley加法解釋(SHAP)確定關鍵風險指標，並以遞歸特徵消除(RFE)將變數優化至27項，同時維持模型效能。
系統每日自動收集數據，計算每位患者的再住院風險，並依風險分為三個等級(>80%，70%~80%，60%~70%)，即時在護理站白板顯示。針對風險等級實施整合照護BUNDLE，提升對高風險患者的關注與干預效率。此系統有效輔助臨床決策，優於傳統策略，展現其臨床應用價值。 |
