- Три системный подход
- Прагматичное применение интеллектуального анализа данных в здравоохранении - сегодня
Скачать
Интеллектуальный анализ данных имеет большой потенциал для отрасли здравоохранения, позволяя системам здравоохранения систематически использовать данные и аналитику для выявления неэффективности и передовых методов, которые улучшают уход и снижают затраты. Некоторые эксперты считают, что возможности для улучшения ухода и одновременного сокращения расходов могут относиться к 30% общих расходов на здравоохранение. Это может быть победа / победа в целом. Но из-за сложности здравоохранения и более медленного внедрения технологий наша отрасль отстает от других в реализации эффективных методов анализа данных и анализа данных.
подобно аналитика а также бизнес-аналитика термин «интеллектуальный анализ данных» может означать разные вещи для разных людей. Самым базовым определением интеллектуального анализа данных является анализ больших наборов данных для выявления закономерностей и их использования для прогнозирования или прогнозирования вероятности будущих событий.
Тем не менее, не все анализы больших объемов данных составляют интеллектуальный анализ данных. Мы обычно классифицируем аналитику следующим образом:
К средней категории - прогнозирующей аналитике - применяется интеллектуальный анализ данных. Интеллектуальный анализ данных предполагает обнаружение закономерностей в обширных хранилищах данных и использование этой информации для построения прогнозных моделей.
Многие отрасли успешно используют интеллектуальный анализ данных. Это помогает модели розничной торговли реагировать на запросы клиентов. Это помогает банкам прогнозировать прибыльность клиентов. Он обслуживает аналогичные случаи использования в телекоммуникациях, производстве, автомобильной промышленности, высшем образовании, науках о жизни и многом другом.
Тем не менее, интеллектуальный анализ данных в настоящее время остается, по большей части, академическим упражнением с несколькими прагматическими историями успеха. Академики используют методы интеллектуального анализа данных, такие как деревья решений, кластеры, нейронные сети и временные ряды, для публикации исследований. Здравоохранение, однако, всегда медленно включало последние исследования в повседневную практику.
Вопрос, который задают себе ведущие специалисты-склады, заключается в следующем: как нам сузить время усыновления от скамьи (исследования) до кровати (практическое улучшение качества) и повлиять на результаты ?
Три системный подход
Наиболее эффективной стратегией для извлечения данных из сферы научных исследований является три системный подход , Внедрение всех трех систем является ключом к достижению реальных улучшений с любой аналитической инициативой в области здравоохранения. К сожалению, очень немногие организации здравоохранения внедряют все эти три системы.
Три системы:
- Аналитическая система. Эта система включает в себя технологию и опыт для сбора данных, их понимания и стандартизации измерений. Агрегирование клинических, финансовых данных, удовлетворенности пациентов и других данных в корпоративное хранилище данных (EDW) является основополагающим элементом этой системы.
- Система лучшей практики. Система наилучшей практики включает стандартизацию работы знаний - систематическое применение передовой практики, основанной на фактических данных, для оказания помощи. Исследователи каждый год делают важные выводы о наилучшей клинической практике, но, как я упоминал ранее, для включения этих результатов в клиническую практику требуются годы. Сильная система наилучшей практики позволяет организациям быстро применять новейшие медицинские данные на практике.
- Система усыновления. Эта система включает управление изменениями через новые организационные структуры. В частности, это включает в себя внедрение групповых структур, которые обеспечат последовательное внедрение передового опыта в масштабах всего предприятия. Эта система ни в коем случае не проста в реализации. Это требует реальных организационных изменений, чтобы стимулировать внедрение лучших практик во всей организации.
Если в инициативе интеллектуального анализа данных не задействованы все три из этих систем, велика вероятность, что она останется чисто академическим упражнением и никогда не покинет лабораторию опубликованных работ. Реализация всех трех вариантов позволяет организации здравоохранения прагматично применять интеллектуальный анализ данных в повседневной клинической практике.
Прагматичное применение интеллектуального анализа данных в здравоохранении - сегодня
Когда эти принципы были введены в действие, мы увидели, что клиенты достигли очень энергичного прогресса. После того как они внедрили аналитическую базу для добычи данных, и у них есть лучшие практики и организационные системы, позволяющие сделать выводы по интеллектуальному анализу данных действенными, они теперь готовы использовать прогнозную аналитику новыми и инновационными способами.
Одним из клиентов является система здравоохранения, которая пытается добиться успеха в заключении контрактов, основанных на риске, и в то же время демонстрирует хорошие результаты в рамках модели возмещения платы за услуги. Переход к покупка на основе стоимости медленный До тех пор, пока переворот полностью не переключится, системы здравоохранения должны разрабатывать процессы, которые позволяют им охватывать обе модели. Этот клиент использует интеллектуальный анализ данных для снижения своей переписи для пациентов по контрактам на риски, в то же время поддерживая постоянный объем пациентов для пациентов, не включенных в эти контракты. Мы собираем данные, чтобы предсказать, какие объемы будут для каждой категории пациентов. Затем система здравоохранения разрабатывает процессы, обеспечивающие получение этими пациентами надлежащего ухода в нужном месте и в нужное время. Это будет включать управление уходом аутрич для пациентов с высоким риском.
С другим клиентом мы собираем данные для прогнозирования 30-дневных реадмиссий на основе переписи. Мы применяем
