Sjukfrånvaro är och har länge varit ett stort problem för vårdrelaterade yrkesgrupper. Den höga sjukfrånvaron beror på ett komplext samspel av individuella och organisatoriska faktorer såsom hög arbetsbelastning, oregelbundna arbetstider, arbetsmiljö och arbetsrelaterad stress. Detta leder till att svensk sjukvård begränsas i sitt vårdgivande uppdrag i och med att personalbortfallet är högt. Sjukfrånvaro utgör därför en central utmaning för det svenska hälso- och sjukvårdssystemet. Denna studie tillämpar en kvantitativ forskningsansats med en experimentell design i syftet av att undersöka om prediktiva modeller kan utgöra ett tillförlitligt beslutsstöd för den kommunala hälso- och sjukvårdssektorn, och samtidigt undersöka vilken modell som bäst kan prognostisera sjukfrånvaro. Två multiklassificeringsmodeller har utvecklats och tränats på ett omfattande dataunderlag: Random Forest och XGBoost. Resultatet indikerar en försiktig optimism för tillämpning av prediktiva modeller i den kommunala hälso- och sjukvårdssektorn. XGBoost uppvisade bäst övergripande prestanda, medan Random Forest gav ett mer balanserat resultat.
Prediktiv analys som beslutsstöd i kommunal hälso- och sjukvård