Prediktion av nödsituationer

Viktiga resultat som projektet gav

Syftet med projektet är att undersöka om det är möjligt att förbättra den beredskapsmodell som används idag med det data som SOS alarm, SCB och OpenStreetMap försett projektet med. Dagens beredskapsmodell använder sig främst av ärendehistorik. Målet med denna undersökning är att utröna om olika maskininlärningstekniker kan tolka temporal och spatial data bättre än en modell som är baserad på ett moving average och kan få fram en bättre prognos för var och när akutfall kommer att ske i Sverige. Projektet kommer även att analysera dagens beredskapsmodell och dess precision.

Långsiktiga effekter som förväntas

Studien presenterade ett förslag på beredskapsmodell som skulle kunna ersätta den befintliga modellen. Modellen som presenterats uppvisade en “True Positive Rate” (TPR) på 97 % och en “True Negative Rate” (TNR) på 59 % vilket är en förbättring jämfört med den befintliga modellen vars TPR och TNR uppvisar 99,5 % respektive 29,8 %. Resultatet visar sig vara bättre på att korrekt identifiera många fler akutfall på bekostnad av fler felaktigt predikterade icke akutfall, vilket gör att denna modell har potential att ersätta den befinliga beredskapsmodellen.

Upplägg och genomförande

Studien har delats upp I fyra tre steg: Planering, förstudie, implementation och rapportförfattning. Efter att först ha planerat att skapa flera modeller som täcker hela Sverige valdes tillslut att skapa en modell över Västra Götaland eftersom problemet är det samma. I förstudien studerades olika typer av tillvägagångssätt för att skapa modeller samt hur man bör modellera datan. I sista steget har en rapport om studien författats där de olika tillvägagångssätten och resultat av dessa presenterats.