无监督机器学习如何破解儿科手术最后一刻取消难题

意大利罗马IRCCS Ospedale Pediatrico Bambino Gesù研究团队针对儿科门诊/日间手术最后一刻取消的痛点，采用无监督机器学习技术（因子分析混合数据FAMD+K-means聚类）分析1773例取消案例，识别出三大患者群体特征，为医院资源优化提供可解释的方案。本帖将分楼层拆解研究背景、方法、发现及应用建议。

在医院运营中，手术最后一刻取消是长期痛点，尤其儿科门诊/日间手术中心：不仅造成手术室、医护人员和设备闲置浪费，还可能延误患儿治疗时机。意大利最大儿科医院之一的罗马IRCCS医院团队针对此问题，开发基于无监督机器学习的分析方案。

研究分析2020年1月至2022年3月期间1773例被取消的儿科门诊/日间手术案例，数据来自医院预约系统，包含患者年龄、手术科室、手术类型、等待时间等多维度信息。本研究为无监督学习——算法无需预设标签，自主发现数据隐藏模式。

混合数据聚类流程

1. FAMD降维：处理同时包含数值型和分类型变量的医疗数据；
2. K-means聚类：通过Calinski-Harabasz指数（簇间分离度）、Davies-Bouldin指数（簇内紧密度）、Dunn指数（综合效果）、轮廓系数（样本归属合理性）评估聚类质量；
3. 统计验证：用Kruskal-Wallis检验和配对Wilcoxon检验验证显著性，p值均<0.001，表明三大群体差异显著。

三大患者群体特征

• 群体一：0-1岁婴幼儿，泌尿外科（包皮环切、隐睾等），等待时间12-32天，取消率97.92%（最高）；
• 群体二：1-2岁学龄前儿童，整形外科（痣切除、瘢痕修复等），等待时间1-2天，取消率约45%（受术前准备影响）；
• 群体三：2-10岁青少年，颌面外科（拔牙、囊肿切除等），等待时间58-194天，取消率约47%（因急性感染或家长时间冲突）。

关键发现

1. 年龄与取消率非线性：0-1岁婴幼儿取消率最高（免疫发育、术前禁食严格、家长焦虑），学龄儿童/青少年取消与学业/活动冲突相关；
2. 科室差异：泌尿外科取消率显著高于其他科室（p=0.003），原因包括手术可择期性强、家长对时机灵活性期望高、术前感染筛查严格；
3. 等待时间黄金窗口：过短（1-2天）准备不足，过长（>60天）病情变化或家长失去耐心，建议控制在10-30天。

可解释性亮点

通过特征重要性分析明确变量贡献：患者年龄（1）、手术科室（2）、等待时间（3）、手术类型（4），使模型决策透明，避免“黑箱”。

实践应用建议

1. 差异化预约：婴幼儿群体提供术前家长教育+快速重约通道；学龄前群体优化准备清单+灵活时间选择；青少年群体开发在线自我评估工具；
2. 动态资源调配：高风险群体手术日预留备用手术室、调整科室预约配额、建立取消预警系统；
3. 质量改进循环：纳入CQI框架，每季度更新模型追踪效果。

局限性与未来方向

• 局限：单中心设计、疫情期数据可能影响普适性；
• 未来：多中心验证、引入监督学习预测风险、整合EHR丰富变量、开发实时决策支持系统。