TY -的盟Aris-Brosou Stephane AU -金,詹姆斯AU -李,李盟——刘,回族PY - 2018 DA - 2018/05/15 TI -预测客户投诉的原因:第一步预测体外诊断的质量问题分析与机器学习乔-地中海JMIR通知SP - e34六世- 6 - 2 KW - post市场监测千瓦QC化学结果KW -投诉数据KW -购物车KW -自适应提高AB -背景:医疗保健行业的供应商生产诊断系统，通过安全连接，允许他们几乎实时地监视性能。然而，在分析和解释大量的噪声质量控制(QC)数据时，存在着挑战。因此，一些QC班次可能没有尽早被供应商发现，但导致客户投诉。目的:本研究的目的是假设通过更有效地利用收集到的QC数据，可以设计出更积极主动的应对措施。因此，我们的目标是通过体外诊断系统收集的QC数据来预测客户投诉，从而帮助预防客户投诉。方法:五种体外诊断试验的QC数据与90天内的客户投诉数据库相结合。研究人员还分析了过去45天的数据子集，以评估训练时间的长短对预测的影响。我们定义了一组用于训练两个分类器的特征，一个基于决策树，另一个基于自适应增强，并通过交叉验证评估模型性能。结果:交叉验证显示，在预测客户投诉的潜在原因时，使用自适应增强的一些分析的分类错误率接近于零。 Performance was improved by shortening the training period when the volume of complaints increased. Denoising filters that reduced the number of categories to predict further improved performance, as their application simplified the prediction problem. Conclusions: This novel approach to predicting customer complaints based on QC data may allow the diagnostic industry, the expected end user of our approach, to proactively identify potential product quality issues and fix these before receiving customer complaints. This represents a new step in the direction of using big data toward product quality improvement. SN - 2291-9694 UR - http://medinform.www.mybigtv.com/2018/2/e34/ UR - https://doi.org/10.2196/medinform.9960 UR - http://www.ncbi.nlm.nih.gov/pubmed/29764796 DO - 10.2196/medinform.9960 ID - info:doi/10.2196/medinform.9960 ER -