目的 为实现院前急救资源的优化调度，解决救护车需求量的评估难题，构建了一种基于多模型融合的院前急救需求量预测模型。方法 采用回顾性研究设计，提取历史院前急救调度记录及其对应时间段的天气数据，利用5折交叉验证法训练三类初级学习器，并将初级学习器的训练结果进行Stacking融合，将融合结果作为新特征输入次级学习器，使用次级学习器输出救护车需求量的最终预测结果。结果 实验结果显示，多模型融合预测模型在平均绝对误差和均方根误差两个评价指标上优于单一模型，该模型能够更精确地预测救护车需求量。结论 基于多模型融合的院前急救需求量预测模型通过有效利用历史急救数据和天气数据，能够提高救护车需求量预测的精度和泛化能力，为院前急救资源的优化调度提供有力支持。

郭一,龚慧飞,吴善会.韩朋飞. 基于多模型融合的院前急救需求预测模型[J]. 中华急诊医学杂志, 2023,32(11): 1481-1485.
DOI号:10.3760/cma.j.issn.1671-0282.2023.11.009

基金项目：浙江省“尖兵”“领雁”研发攻关计划资助（2023C03195）

关键词： 院前急救 需求量预测 多模型融合 机器学习