出院决策也能反过来教模型:按容量出院让再入院风险学习误差降24%–25%
医院用再入院风险预测决定谁先出院,但只有被出院的病人才留下结局记录,预测器反复重训会把这种删失偏差固化下来。研究把基于排队论的马尔可夫决策过程与定期重训的风险预测器耦合,发现按容量设定留院目标、超出目标才按优先级出院的“出院至目标”策略,会借到达波动自然覆盖不同住院时长。在合成实验和基于合作医院患者数据校准的模拟中,该策略把学习误差比按风险阈值出院降低24%–25%,并把按基线风险调整后的再入院成本差距缩小38%–63%。