Prediksi Keberlanjutan Rawat Inap Pasien Rumah Sakit Menggunakan XLNet-BiGRU-ATT pada Catatan Khusus Klinis Pasien

Latar Belakang. Penerimaan kembali pasien rumah sakit dalam jangka waktu singkat setelah keluar merupakan salah satu indikator penting dalam menilai kualitas perawatan kesehatan. Prediksi penerimaan kembali pasien berdasarkan catatan medis yang dihasilkan selama perawatan sebelumnya dapat membantu penyedia layanan kesehatan dalam mencegah kejadian ini. Metode. Penelitian ini mengembangkan model prediksi menggunakan arsitektur kombinasi XLNet, BiGRU (Bidirectional Gated Recurrent Unit), dan attention mechanism. Arsitektur ini memanfaatkan representasi konteks dari XLNet, kemampuan BiGRU dalam menangkap informasi sekuensial dua arah, serta attention mechanism untuk fokus pada bagian catatan medis yang relevan. Hyperparameter yang digunakan termasuk learning rate 2e-5, batch size 32, dan max sequence length 512. Hasil. Hasil terbaik diperoleh pada epoch ke-4, dengan nilai ROC-AUC, PR-AUC, dan PR80 yang mencapai 0.742, 0.723 dan 0.237. Kesimpulan. Arsitektur yang dikembangkan mampu memprediksi penerimaan kembali pasien berdasarkan data teks klinis yang kompleks. Model ini berpotensi digunakan sebagai alat bantu bagi penyedia layanan kesehatan dalam mengidentifikasi pasien dengan risiko tinggi untuk kembali dirawat, sehingga langkah pencegahan yang tepat dapat diambil.