# मनोरोग विभाग में भर्ती रोगियों की अस्पताल में रहने की अवधि और पुनः भर्ती का पूर्वानुमान लगाने के लिए समय-आधारित सत्यापित मशीन लर्निंग: निम्न एवं मध्यम आय वाले परिवेश से साक्ष्य

- URL: https://alisanburak.com/hi/wcp-2026-posterler/ev0472
- Language: hi
- Last updated: not specified
- Page title: मनोरोग विभाग में भर्ती रोगियों की अस्पताल में रहने की अवधि और पुनः भर्ती का पूर्वानुमान लगाने के लिए समय-आधारित सत्यापित मशीन लर्निंग: निम्न एवं मध्यम आय वाले परिवेश से साक्ष्य | WCP 2026 सारांश

> भर्ती के दिन प्राप्त संरचित डेटा से दोनों परिणामों का पूर्वानुमान संयोग के स्तर से बेहतर लगाया जा सकता है, लेकिन विभेदन क्षमता सीमित रहती है और नैदानिक उपयोगित…

यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। [मूल पढ़ें](https://alisanburak.com/wcp-2026-posterler/ev0472)

यह पृष्ठ 26वीं विश्व मनोरोग कांग्रेस में प्रस्तुत अध्ययन का कृत्रिम बुद्धिमत्ता की सहायता से तैयार किया गया तुर्की सारांश है। अध्ययन का स्वामित्व इसे प्रस्तुत करने वाले लेखकों के पास है; उद्धरण के लिए मूल स्रोत देखें।

EV0472

ई-पोस्टरडिजिटल मनोचिकित्सा और कृत्रिम बुद्धिमत्तापूर्वव्यापी कोहोर्ट, मशीन लर्निंग पूर्वानुमान मॉडल

# मनोरोग विभाग में भर्ती रोगियों की अस्पताल में रहने की अवधि और पुनः भर्ती का पूर्वानुमान लगाने के लिए समय-आधारित सत्यापित मशीन लर्निंग: निम्न एवं मध्यम आय वाले परिवेश से साक्ष्य

TEMPORALLY VALIDATED MACHINE LEARNING FOR PREDICTING LENGTH OF STAY AND READMISSION IN PSYCHIATRIC INPATIENTS : EVIDENCE FROM A LOW AND MIDDLE-INCOME SETTING

प्रस्तुतकर्ता: Sayan Bandyopadhyay

देश: India

भर्ती के दिन प्राप्त संरचित डेटा से दोनों परिणामों का पूर्वानुमान संयोग के स्तर से बेहतर लगाया जा सकता है, लेकिन विभेदन क्षमता सीमित रहती है और नैदानिक उपयोगिता निर्धारित करने वाली मुख्य विशेषता अंशांकन है।

इस अध्ययन का उद्देश्य निम्न एवं मध्यम आय वाले परिवेश में समय-आधारित सत्यापित पूर्वानुमान प्रक्रिया प्रस्तुत करना है, ताकि उस कमी को दूर किया जा सके जिसमें मनोरोग संबंधी पूर्वानुमान मॉडलों का सत्यापन लगभग पूरी तरह उच्च आय वाले देशों के इलेक्ट्रॉनिक स्वास्थ्य अभिलेखों और ऐसे यादृच्छिक विभाजनों पर आधारित रहा है, जो मॉडलों को भविष्य के रोगियों के डेटा से सीखने देते हैं। पद्धति के अंतर्गत दक्षिण भारत की एक तृतीयक स्तर की मनोरोग इकाई में जून 2016 से मार्च 2026 के बीच हुई 3.140 क्रमिक भर्तियों का पूर्वव्यापी अध्ययन किया गया; चर केवल कागज़ी अभिलेखों के संरचित फ़ील्डों से तैयार किए गए (प्राकृतिक भाषा प्रसंस्करण या इलेक्ट्रॉनिक अभिलेखों के एकीकरण का उपयोग नहीं किया गया); औसत आयु 35,1 ± 11,5 वर्ष थी, पुरुषों का अनुपात 61,8%, सिज़ोफ्रेनिया का 31,3% और पदार्थ-संबंधी निदान का 23,9% था, आपातकालीन प्रस्तुति 84,8%, अनैच्छिक भर्ती 43,1%, अस्पताल में रहने की अवधि (length of stay, LOS) की माध्यिका 9 दिन (अंतरचतुर्थक परास 5 से 14), लंबी अवधि की भर्ती 27,3% और 30 दिनों के भीतर पुनः भर्ती 5,1% थी। समय-आधारित विभाजन में 2024 से पहले के प्रशिक्षण सेट (LOS n=1.667; पुनः भर्ती n=1.716) और 2024 तथा उसके बाद के अलग रखे गए परीक्षण सेट (LOS n=812; पुनः भर्ती n=827) का उपयोग किया गया; प्रशिक्षण के भीतर क्रॉस-वैलिडेशन में एक ही रोगी की भर्तियाँ अलग-अलग विभाजनों में न जाएँ, इसके लिए रोगी संख्या के अनुसार समूहीकृत पाँच-फोल्ड GroupKFold लागू किया गया; पाँच मॉडलों (Elastic Net लॉजिस्टिक रिग्रेशन, Random Forest, XGBoost, LightGBM और स्टैकिंग एन्सेम्बल) को Optuna की सहायता से 40 परीक्षणों में अनुकूलित किया गया, 1.000 पुनर्नमूनों वाले बूटस्ट्रैप से 95% विश्वास अंतरालों की गणना की गई और व्याख्येयता के लिए SHAP का उपयोग किया गया। लंबी अवधि की भर्ती (14 दिन या उससे अधिक, परीक्षण सेट में n=812, 28,2%) के लिए वक्र के नीचे का सर्वोत्तम क्षेत्रफल (area under the curve, AUC) Random Forest के साथ 0,637 (0,593 से 0,679), सर्वोत्तम AUPRC 0,384 (शून्य मॉडल लगभग 0,282) और सर्वोत्तम Brier स्कोर स्टैकिंग एन्सेम्बल के साथ 0,196 (अन्य में 0,259 से 0,268) रहा। तीस दिनों के भीतर पुनः भर्ती (परीक्षण सेट में n=827, 5,2%; 43 घटनाएँ) के लिए सर्वोत्तम AUC Elastic Net लॉजिस्टिक रिग्रेशन के साथ 0,638 (0,544 से 0,724), सर्वोत्तम AUPRC 0,091 (शून्य मॉडल लगभग 0,052) और सर्वोत्तम Brier स्कोर फिर से स्टैकिंग के साथ 0,049 (अन्य में 0,059 से 0,206) पाया गया। SHAP विश्लेषण में लंबी अवधि की भर्ती के प्रमुख पूर्वानुमानक आयु (0,227), आत्महत्या जोखिम स्कोर (0,207) और पिछली भर्तियाँ (0,186) थे; पुनः भर्ती के प्रमुख पूर्वानुमानक पहले से ज्ञात पुराना रोगी होना (0,630), बीमारी की अवधि (0,316) और आत्महत्या के विचार (0,291) थे। लेखक इस बात पर ज़ोर देते हैं कि स्टैकिंग ने किसी भी परिणाम के लिए सर्वोच्च AUC नहीं दिया, लेकिन दोनों परिणामों में सर्वोत्तम Brier स्कोर दर्ज किया; अर्थात, इसने अतिरिक्त डेटा के बिना क्रम-निर्धारण आउटपुट को अंशांकित प्रायिकता में बदला, और सीमा-मान आधारित नैदानिक निर्णयों के लिए यही आवश्यक है। सीमाओं में एकल-केंद्र और एकल-देशीय अध्ययन अभिकल्प, केवल संरचित फ़ील्डों का उपयोग (मुक्त-पाठ टिप्पणियाँ, दवा अभिलेख और सामाजिक इतिहास शामिल नहीं किए गए), पुनः भर्ती के लिए प्रति घटना चरों की संख्या लगभग 3,95 (प्रशिक्षण में 87 घटनाएँ) होने के कारण अनुशंसित न्यूनतम सीमा 10 से नीचे रहना और इस वजह से इन परिणामों का प्रारंभिक होना, तथा भावी सत्यापन का अभाव शामिल हैं।

[मूल पोस्टर पर जाएँ](https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/982)

इस अध्ययन को कैसे उद्धृत करें?

APA 7: Bandyopadhyay, S., & Chandrasekaran, V. (2026, September 23-26). Temporally validated machine learning for predicting length of stay and readmission in psychiatric inpatients : evidence from a low and middle-income setting [E-poster]. 26th WPA World Congress of Psychiatry (WCP 2026), Stockholm, Sweden. https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/982

Vancouver: Bandyopadhyay S, Chandrasekaran V. Temporally validated machine learning for predicting length of stay and readmission in psychiatric inpatients : evidence from a low and middle-income setting [e-poster]. 26th WPA World Congress of Psychiatry (WCP 2026); 2026 Sep 23-26; Stockholm, Sweden. Available from: https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/982

लेखकों के नाम और शीर्षक का प्रारूप कांग्रेस की प्रणाली से स्वचालित रूप से तैयार किए गए हैं; उपयोग करने से पहले मूल पोस्टर से मिलान करें।

## इसी विषय से संबंधित

- [Siber tanıkların davranışını belirleyen etkenler](https://alisanburak.com/hi/wcp-2026-posterler/ev0041)
- [Z kuşağında sosyal medyanın "lunapark etkisi"nin modellenmesi: örtük değişken yaklaşımı](https://alisanburak.com/hi/wcp-2026-posterler/ev0046)
- [DEHB'de dijital girişimler: etkililik ve çok modlu tedavi yaklaşımlarına entegrasyon](https://alisanburak.com/hi/wcp-2026-posterler/ev0072)
- [Algoritmaların inşa ettiği beyinler: dijital çağda DEHB, patolojiyi mi tanılıyoruz yoksa yeni bir normali mi patolojikleştiriyoruz?](https://alisanburak.com/hi/wcp-2026-posterler/ev0077)
- [Genç erişkin bir örneklemde nomofobi ile yaygın anksiyete bozukluğu arasındaki ilişki](https://alisanburak.com/hi/wcp-2026-posterler/ev0111)

[WCP 2026 के सभी सारांश](https://alisanburak.com/hi/wcp-2026-posterler)

---

Kaynak / Source: https://alisanburak.com/hi/wcp-2026-posterler/ev0472

İletişim / Contact: Bağdat Caddesi, Veli Güneysu Apt. No:453 K:4 D:9, Suadiye / Kadıköy, İstanbul · +90 532 642 95 25 · info@alisanburak.com · https://alisanburak.com/bagdat-caddesi-psikoterapi-iletisim