В сфере здравоохранения данные и отчеты всегда играли важную роль. Медицинские карты, электронные медицинские карты, медицинские осмотры — врачи, медсестры, фармацевты и больничный персонал уже давно полагаются на них, чтобы поставить диагноз и принять решение.

Но быстро развивающейся отрасли потребуется нечто большее, чем просто базовые данные о пациентах и ​​визуализация, чтобы не отставать от растущей базы пациентов и научных требований. Теперь пациенты предъявляют более высокие требования к медицинским учреждениям, и в том же духе медицинские исследования постоянно делают одно открытие за другим. Чтобы оставаться конкурентоспособными, медицинские работники должны перейти к расширенному анализу данных, чтобы иметь возможность активно лечить пациентов с помощью идей, которые в противном случае были бы недоступны при базовой аналитике данных.

Предиктивная аналитика в здравоохранении не просто отвечает на вопрос что случилось?, а стремится получить ответы на вопрос что произойдет?. Эта подкатегория расширенной аналитики использует исторические данные для создания и обучения моделей машинного обучения для прогнозирования результатов. И эти прогнозы могут привести к значительным улучшениям с точки зрения ухода за пациентами и опыта, управления больницей и улучшения процессов.

Прочтите инфографику ниже и узнайте, как учреждения могут эффективно использовать возможности машинного обучения и анализа данных для прогнозной аналитики в секторе здравоохранения.

Скачать инфографику здесь.

Каково использование Predictive Analytics в банках?

1. Аналитика повторной госпитализации

Нет ничего лучше, чем выписаться из больницы, чтобы вернуться спустя короткое время. Это не только ужасно неудобно, но и дорого обходится как пациенту, так и врачу. Фактически, ежегодные затраты на реадмиссию составляют 26 миллиардов долларов для плательщиков и 41,3 миллиарда долларов для больниц.

Тем не менее, повторная госпитализация — это ситуация, которой можно избежать, если больница уладит несколько моментов: убедиться, что пациента не выписывают слишком рано, что он выписан в место с адекватными условиями для восстановления (при необходимости) и что необходимое последующее наблюдение и соблюдение пациентом требований соблюдаются.

2. Аналитика отмены встреч

Хотя все эти стратегии хороши, аналитика здравоохранения предлагает более эффективную альтернативу. Используя исторические данные, алгоритм машинного обучения может определить факторы, которые в наибольшей степени способствуют повторной госпитализации, и, в свою очередь, выявить пациентов с высоким риском повторной госпитализации.

Применяя проактивную, а не реактивную стратегию, медицинские работники могут проводить раннее вмешательство, чтобы снизить риск повторных госпитализаций. Они могут порекомендовать соответствующие планы ухода и обучить тех, кто находится в группе риска, улучшая уход за пациентами и улучшая результаты при одновременном снижении затрат на здравоохранение.

Еще одним административным препятствием, которое приносит больше, чем просто легкое неудобство, является отмена встречи. Есть много причин, по которым пациенты пропускают или отменяют бронирование: финансовые трудности, длительное время ожидания, низкий уровень медицинской грамотности, проблемы с транспортом и другие.

По теме: Четыре преимущества прогнозной аналитики для банковского сектора

Предиктивная аналитика в здравоохранении не просто отвечает на вопрос что случилось?, а стремится получить ответы на вопрос что произойдет?. Твитнуть это ›

3. Аналитика риска сепсиса

Таким образом, неявки становятся острой проблемой для больниц и клиник: во всем мире уровень отмены назначений составляет 23%. Более того, пропущенные визиты дорого обходятся медицинским работникам: хирурги теряют до 500 долларов за пропущенный визит. В конце концов, время – деньги, особенно в сфере здравоохранения.

Аналитика данных для здравоохранения, особенно прогностические модели, может помочь организациям лучше управлять и, как мы надеемся, сократить количество отмен встреч. Пациенты, которые рискуют пропустить прием, могут быть выявлены заранее, исходя из социально-экономического статуса и других влияющих факторов. Чтобы сделать еще один шаг вперед, аналитические платформы также могут помочь настроить автоматические напоминания и упреждающее изменение расписания для пациентов с входящим приемом.

4. Аналитика рисков диабета

Сепсис ежегодно вызывает госпитализацию около 1 миллиона человек в США и входит в десятку ведущих заболеваний, ведущих к летальному исходу. Как и в случае с большинством заболеваний, лечение тоже довольно дорогое. Фактически, сепсис является одной из самых дорогостоящих причин для госпитализации: США тратят 20 миллиардов долларов на стационарное лечение пациентов с диагнозом сепсис.

Вот некоторые из причин, по которым больницы считают важным улучшать лечение сепсиса. А поскольку болезнь сложно обнаружить и часто требуется неотложная медицинская помощь и лечение, раннее выявление является ключом к оптимизации. Здесь на помощь приходит прогнозная аналитика в здравоохранении.

Больницы могут использовать расширенное моделирование данных для определения факторов и закономерностей, способствующих сепсису. Эти данные можно использовать для обеспечения упреждающей помощи: врачи могут легко выявлять пациентов, у которых может быть сепсис, и направлять их на дополнительные анализы для подтверждения диагноза. Это может помочь снизить риск смертности и заболеваемости, а также помочь сократить расходы для больниц и клиник.

Как и сепсис, это заболевание, как правило, оказывает большое финансовое влияние как на пациента, так и на врача, в основном потому, что оно очень распространено. Чтобы проиллюстрировать этот факт: диабет является 7-й ведущей причиной смерти в США, и он затрагивает 9% населения, при этом 95% этого сегмента страдают диабетом 2 типа.

В результате стоимость диагностированного диабета достигает колоссальных 327 миллиардов долларов, медицинские расходы составляют 90 миллиардов долларов, а стоимость болезни составляет 237 миллиардов долларов из-за снижения производительности.

Диабет неизлечим, но он может перейти в ремиссию. Однако это не означает, что человек полностью вылечен, поэтому гораздо важнее применять профилактический подход, основанный на данных, когда дело доходит до болезни. С помощью предиктивной аналитики практикующие врачи могут предсказать риск пациента заболеть диабетом 2 типа. Тем, кто находится в группе риска, может быть оказана дополнительная помощь и вмешательство, что снизит заболеваемость диабетом и связанными с ним осложнениями.

Состояние аналитики в здравоохранении сегодня

Путь к зрелости аналитики включает в себя больше, чем просто включение прогнозной аналитики, но это хорошее начало. На самом деле, для большинства медицинских компаний это уже считается огромным скачком. В то время как почти 80% руководителей верят в важность расширенной аналитики, только 31% больниц внедрили эту технологию более года назад.

Этот факт сам по себе является упущенной возможностью. Только представьте, сколько возможностей могут предложить отрасли прогностические модели и машинное обучение. Сценарии, перечисленные выше, являются лишь некоторыми из многих примеров. Есть еще много возможностей для оптимизации: автоматизация административных задач, прогнозирование других заболеваний, анализ отзывов пациентов и многое другое.

Больницы, клиники и фармацевтические компании не должны довольствоваться только базовыми отчетами и информационными панелями, а не тем, когда они могут получать прогнозные данные с теми же данными на платформе расширенной аналитики.

Узнайте, как Analance™ может помочь вам и вашей организации использовать прогностическую аналитику для преобразования знаний в спасительные результаты. Загрузите инфографику здесь или свяжитесь с нами сегодня.

Первоначально опубликовано на http://blog.ducenit.com.