民眾就醫選擇–經濟模型與機器學習模型的比較

在健保制度下，民眾擁有自由選擇醫院、診所、藥局、醫事檢驗機構、與醫師的權利。在缺乏協助與專業知識的情況下，大部分的人選擇醫院的方式，主要是向親友打聽、選擇鄰近的醫院或名聲與層級較高的大醫院，或是利用過去的就醫經驗持續前往同一場所就醫。若是有妥善的工具，協助民眾在不同的情況與需求下提供合適的就醫資源建議，可增加醫療資源使用的效益。本研究希望透過比較計量經濟模型分析之就醫選擇模型以及機器學習機制下的就醫選擇模型，討論兩者分析的差異，強化預測的結果，最後利用健保資料庫及政府公開資料，建置一民眾就醫推薦引擎，進而成為未來民眾就醫時的參考工具。本研究預計依據病人(Patient)、照護提供者(Provider)與事件(Incident)等三大主體蒐集相關的影響因子，而後透過特徵篩選(Feature Selection)的方式挑選因子，並且與既有的經濟學模型進行比較分析，最後利用篩選過後的因子，建置推薦民眾就醫的資料模型，並利用正確性(Accuracy)、AUC (Area Under The Curve)、ROC (Receiver Operating Characteristics) curve等方式計算模型的適合度。

系統編號:PF10907-1946
原計畫編號:MOST109-2410-H182-006