ScholarGate
Asisten
Process / pipelinePredictive modeling, Patient risk stratification

Model Prediksi Readmisi Rumah Sakit

Model prediksi readmisi rumah sakit menggunakan teknik statistik dan pembelajaran mesin untuk mengidentifikasi pasien berisiko tinggi kembali ke rumah sakit segera setelah keluar. Model-model ini memandu perencanaan pemulangan yang ditargetkan dan tindak lanjut untuk meningkatkan hasil dan mengurangi biaya.

Buka di MethodMindSegeraApply, compare, get guidance
Tools & resources
Unduh salindia
Learn & explore
VideoSegera

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. Jencks, S. F., Williams, M. V., & Coleman, E. A. (2009). Rehospitalizations among patients in the Medicare fee-for-service program. New England Journal of Medicine, 360(14), 1418–1428. DOI: 10.1056/NEJMsa0803563
  2. Krumholz, H. M., Normand, S. L. T., & Wang, Y. (2014). Trends in hospitalizations and outcomes for acute myocardial infarction, 2006 to 2011. Circulation, 132(4), 362–366. link
  3. Philbin, E. F., & DiSalvo, T. G. (1998). Prediction of hospital readmissions for heart failure: development of a simple risk score based on administrative data. Journal of the American College of Cardiology, 33(6), 1560–1566. DOI: 10.1016/s0735-1097(99)00059-5

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Predictive Modeling for Hospital Readmission Risk and Prevention. ScholarGate. https://scholargate.app/id/healthcare-management/hospital-readmission-model

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateHospital Readmission Prediction Model (Predictive Modeling for Hospital Readmission Risk and Prevention). Diakses 2026-06-20 dari https://scholargate.app/id/healthcare-management/hospital-readmission-model · Set data: https://doi.org/10.5281/zenodo.20539026