19医疗装备2024年3月第37卷第5期MedicalEquipment,March.2024,Vol.37,No.5基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型研究符增1，夏景涛2，王凌1，申芳瑜1，钟晨1，温燕清1（通信作者）1赣州市人民医院（江西赣州341000）；2南方医科大学南方医院（广东广州510515）〔摘要〕目的研究基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型。方法选取2019年4月至2023年4月医院有创呼吸机使用情况数据，建立基于粒子群优化长短记忆网络（PSO-LSTM）算法的有创呼吸机使用量预测模型，预测全院及重症监护病房（ICU）有创呼吸机每天使用数量。采用平均绝对误差（MAE）、平均绝对百分比误差（MAPE）及均方根误差（RMSE）作为准确性评价指标。结果PSO-LSTM模型预测重症ICU有创呼吸机每天在用量与LSTM模型比较，其MAE值降低41.15%、MAPE值降低50%、RMSE值降低44.36%；PSO-LSTM模型预测全院有创呼吸机每天在用量与LSTM模型比较，MAE值降低81.93%、MAPE值降低83.33%、RMSE值降低79.08%，PSO-LSTM模型预测精度高于LSTM模型。结论PSO-LSTM模型能够准确预测有创呼吸机的每天在用量，为有创呼吸机采购决策提供科学依据，为创建全院呼吸机管理共享中心提供数据分析基础，进一步提升医疗设备精细化管理水平。〔关键词〕粒子群优化；长短记忆网络算法；预测模型；有创呼吸机；使用量〔中图分类号〕R318〔文献标识码〕B〔文章编号〕1002-2376（2024）05-0019-05〔DOI〕10.3969/j.issn.1002-2376.2024.05.006基金项目：江西省卫生健康委科技计划资助项目（20227319）；赣州市指导性科技计划（20222ZDX8172）收稿日期：2023-09-03·论著·ResearchonPredictionModelofInvasiveVentilatorUsageBasedonParticleSwarmOptimization-LongandShortMemoryNetworkAlgorithmFuZeng1,XiaJingtao2,WangLing1,ShenFangyu1,ZhongChen1,WenYanqing1(CorrespondingAuthor).1GanzhouPeople'sHospital,JiangxiGanzhou341000,China;2NanfangHospitalAffiliatedtoSouthernMedicalUniversity,GuangdongGuangzhou510515,China【Abstract】ObjectiveTostudythepredictionmodelofinvasiveventilatorusagebasedonparticleswarmoptimizationlongandshortmemorynetworkalgorithm.MethodsDataontheuseofinvasiveventilatorsinthewholehospitalwereselectedfromApril2019toApril2023.Apredictivemodelofinvasiveventilatorusagebasedonparticleswarmoptimizationandlongandshortm...
