Key words：Appointment of diagnosis and treatment;Missing-appointmentrate;Machine learning;Big data

    国家提出的互联网+等战略，表明以互联网和大数据为核心的科技和社会变革已形成了推动国家医疗发展的新浪潮。在此环境下，全国范围内推广电子渠道预约挂号(如微信平台)的医院越来越多。然而，许多医院反映预约挂号存在着爽约率较高的局面，造成了医疗资源的浪费，更在一定程度上扰乱了医院的诊疗秩序[1]。因此，如果可以从患者预约时输入的多维信息(如性别、年龄、预约时间、预约科室等多个变量)鉴别其中的关键因素，并利用这些因素对该预约的爽约概率进行预测，可大大提高预约诊疗服务的管理效率[2]。以往研究大多从现象表面出发，以单一维度对爽约行为进行定性探讨，无法准确地预测每个预约的爽约概率。本研究从大数据驱动的角度出发，构建不同的机器学习算法模型对爽约行为进行预测和识别，通过比较预测准确率选择最优算法，为医疗资源配置优化提供可行性建议。

    1资料与方法

    1.1资料来源 本研究选取华北地区某大型三甲医院2018年全年通过电子渠道(包括微信平台、医院官网)共94651例预约 ......