患者预约就诊行为分析数据集-2017年1月至4月-afflores
数据来源：互联网公开数据
标签：医疗,预约,就诊,患者行为,预测,机器学习,数据分析,时间序列,健康管理
数据概述：
本数据集包含了2017年1月1日至2017年4月30日期间，超过6.1万条的患者预约就诊相关数据。数据集旨在研究和分析患者的就诊行为，特别是针对“爽约”问题进行深入研究。数据集中包含19个特征，涵盖了患者的基本信息、预约信息、预约创建时间等多个维度。
数据字典：
especialidad（专科）：患者预约的专科类别，如皮肤科等。
edad（年龄）：患者的年龄。
sexo（性别）：患者的性别，1代表男性，2代表女性。
reserva_mes_d（预约月份-离散）：预约的月份，1代表1月，2代表2月，以此类推。
reserva_mes_c（预约月份-连续）：使用公式COS(2 * reserva_mes_d * π / 12)计算的连续值。
reserva_dia_d（预约星期-离散）：预约的星期几，1代表星期一，7代表星期日。
reserva_dia_c（预约星期-连续）：使用公式COS(2 * reserva_dia_d * π / 7)计算的连续值。
reserva_hora_d（预约小时-离散）：预约的小时数。
reserva_hora_c（预约小时-连续）：使用公式COS(2 * reserva_hora_d * π / 24)计算的连续值。
creacion_mes_d（创建月份-离散）：预约创建的月份。
creacion_mes_c（创建月份-连续）：使用公式COS(2 * creacion_mes_d * π / 12)计算的连续值。
creacion_dia_d（创建星期-离散）：预约创建的星期几。
creacion_dia_c（创建星期-连续）：使用公式COS(2 * creacion_dia_d * π / 7)计算的连续值。
creacion_hora_d（创建小时-离散）：预约创建的小时数。
creacion_hora_c（创建小时-连续）：使用公式COS(2 * creacion_hora_d * π / 24)计算的连续值。
latencia（潜伏期）：预约创建日期与预约日期之间相隔的天数。
canal（渠道）：预约创建的渠道，1代表呼叫中心，2代表个人，3代表网站。
tipo（类型）：预约的类型，1代表医疗，2代表手术。
show（是否就诊）：0代表未就诊（爽约），1代表已就诊。
数据用途概述：
该数据集主要用于预测患者是否会按时就诊，从而帮助医疗机构优化预约管理，减少患者爽约率，提高医疗资源利用效率。具体应用场景包括：
患者爽约预测：通过建立预测模型，识别高爽约风险的患者，并采取相应的干预措施。
预约系统优化：根据数据分析结果，优化预约时间、预约间隔等，提高预约效率。
资源配置优化：根据不同专科的爽约情况，调整医疗资源的分配，提高资源利用率。
患者行为分析：深入分析患者的就诊行为，为个性化医疗服务提供数据支持。
