医疗预约安排中的机器学习与种族偏见
米歇尔Samorani
萨摩拉尼，哈里斯，布朗特，卢，桑托罗
摘要：
机器学习通常用于预约安排，以确定最大的缺席风险患者，从而将他们安排到超额预约时段，从而使诊所绩效最大化，这是由所有患者的等待时间和提供者的加班和空闲时间的加权总和来衡量的。然而，如果最大的缺席风险患者属于同一人群，那么该人群将被安排在超额预订的时间段，这与普通人群不成比例。这是有问题的，因为被安排在这些位置的病人往往比其他病人的服务体验更差，这是由他们在候诊室花费的时间来衡量的。这种消极的体验可能会降低患者的参与度，从而进一步增加不来的情况。基于一个大型专科诊所的真实案例，该诊所的黑人患者比非黑人患者有更高的缺席概率，我们证明了将机器学习与调度优化相结合会导致患者等待时间方面的种族差异。我们消除这种差异的解决方案，同时保持机器学习带来的好处，包括明确地包括最小化种族差异的目标。我们在模拟数据和真实数据上验证了我们的求解方法，发现与传统的预测超预定框架相比，可以完全消除种族差异，并且不会显著增加调度成本。
下载文章:医疗预约调度中的机器学习和种族偏见