使用预测分析预防住院

通过CareCentrix.
2017年5月8日出版

想象一下,一个孩子第一次观察蜂箱。她会看到成千上万的蜂嗡嗡声,看似随意。即使养蜂人删除了一个面板并向孩子展示了蜂窝并解释了制作蜂蜜的过程,所有这些嗡嗡声和狂热的活动都会有很小的感觉。

现在想象一下,孩子坐在一个强大的电脑之前,提出有关蜜蜂的问题:蜜蜂会茁壮成长,所以它可以建立一个蜂窝并开始制作蜂蜜吗?我们可以做些什么来帮助蜜蜂增加她的产出?计算机能够在一个蜂巢中的一万蜜蜂的明显混乱中识别模式,并提出对孩子的问题的答案。

医院很像一个蜂巢。有成千上万的信息流,如果适当地组织和分析,可以产生对医院工作方式的深刻见解。这些知识可以被用来为患者带来更好的结果。

回答这些问题的关键是预测分析

使用预测分析降低再入院率

预测分析是“从现有数据集中提取信息,以确定模式并预测未来结果和趋势的实践”。这些数据集是由大量数字和文档组成的大列表,当像我们的小女孩这样的naïve观察者第一次看到时,这些数据集毫无意义。通过人工智能、机器学习和统计建模等工具的应用,预测分析可以帮助人们在混乱中找到秩序。它不能告诉小女孩恰恰蜜蜂个体会发生什么。相反,问题的答案是以概率:在树下移动蜂巢的机会是什么有助于提升蜂蜜生产?预测分析可能会说机会是36%。养蜂人可能决定尝试。

在医院里,护士经理可以使用同样的分析方法来确定某个心力衰竭患者在一个月内必须返回医院的风险。预测分析可能会给出30%的答案。有了这些知识,护士经理就会安排一名来访护士在病人出院后的第一个月在家监护病人。

预测分析早期成功

减少心力衰竭患者的再入院证明是测试预测分析的完美方案。利用从Kaiser Permanente电子病历系统中提取的数据,2013年发表的一项研究根据再入院的风险分层心力衰竭患者。研究人员发现,他们的风险分层系统可以通过分配诸如护理随访等资源来节省大量的再入院人数。bobapp综合下载

挑战

使用预测分析的干预结果只能和模型的设计一样好。如果统计建模是错误的,返回的结果是无用的。一个著名的失败是谷歌流感趋势,它在2008年大张旗鼓地推出。谷歌最初声称能够比疾病控制中心更快、更准确地追踪流感爆发。然而,随后的分析显示,Flu Trends算法存在设计缺陷,引发了科学界的严厉批评。该网站最终被关闭。

为了让“大数据”充分发挥其潜力,多个电子病历系统必须能够共享信息。不幸的是,一些EMR系统并不相互“交谈”,这使得数据共享几乎是不可能的。所谓的“互操作性问题仍然是预测分析未来成功的一个障碍。在不同系统之间建立桥梁的努力正在进行中,但就通用标准EMR语言达成一致似乎还为时尚早。

随着卫生信息技术继续发展,统计模型精制,我们可以预测预测分析提供更准确的风险评估,允许医生和医院将稀缺资源指向最需要的患者。bobapp综合下载它甚至可以帮助养蜂人保持超级生产蜂巢!