Сценарий: Роберт Гульетти и Брендан Тиссёр

Помогаете ли вы добиться лучших результатов в отношении здоровья для всех участников?

Социальные детерминанты здоровья (SDoH) — это условия в среде, в которой люди рождаются, живут, учатся, работают, играют и поклоняются, которые влияют на широкий спектр результатов и рисков для здоровья, функционирования и качества жизни. По данным Министерства здравоохранения и социальных служб США, это можно сгруппировать в 5 областей: экономическая стабильность, доступ к образованию и его качество, соседство и искусственная среда, социальный и общественный контекст, а также доступ к здравоохранению и его качество.

Наша целевая аудитория для этого варианта использования — пациенты и участники. Пациенты — это лица, получающие или зарегистрированные для получения медицинского обслуживания, а участники — любые лица, зарегистрированные в плане медицинского обслуживания.

Проблема. По оценкам, на медицинское обслуживание приходится лишь 10–20 % поддающихся изменению факторов, способствующих улучшению здоровья населения. Остальные 80–90 процентов иногда в широком смысле называют социальными детерминантами здоровья: поведением, связанным со здоровьем, социально-экономическими факторами и факторами окружающей среды. (Источник: https://nam.edu/wp-content/uploads/2017/10/Social-Determinants-of-Health-101.pdf)

Чтобы решить проблему SDoH, нам необходимо понять наших участников, однако организациям во всем мире не хватает данных, необходимых для их членов, что затрудняет создание целевых вмешательств, которые могут активно оказывать положительное влияние на результаты в отношении здоровья.

Эти факторы SDoH могут вызывать негативные последствия, такие как хронический стресс, который увеличивает риск заболевания или мешает человеку вести здоровый образ жизни. Учитывая важность факторов SDoH для общего состояния здоровья населения, многие планы медицинского обслуживания расширяют управление уходом, чтобы помочь участникам преодолеть немедицинские препятствия.

Например, согласно исследованиям, 5,8 миллиона американцев (1,8%) откладывают визиты к врачу из-за отсутствия транспорта (Источник: Мэри К. Вульф, Норин Макдональд, Г. Марк Холмс, Транспортные барьеры для здравоохранения в Соединенных Штатах: результаты исследования). Национальный опрос по вопросам здоровья, 1997–2017 гг., Американский журнал общественного здравоохранения, июнь 2020 г.; 110 (6): 815–822)

Когда пациенты пропускают приемы, поставщик медицинских услуг и медицинское учреждение теряют доход и выручку. Пропущенные визиты к врачу обходятся системе здравоохранения США более чем в 150 миллионов долларов в год, при этом отдельные врачи теряют до 200 долларов за каждое неиспользованное место для приема. (Источник: https://www.forbes.com/sites/sachinjain/2019/10/06/missed-appointments-missed-opportunities-tackling-the-patient-no-show-problem/?sh=3667ce1e573b)

Решение. Snowflake недавно работала со Spectrum и Priority Health над созданием Patient 360, обмениваясь большими объемами данных со своими поставщиками, поставщиками и поставщиками для улучшения результатов лечения пациентов и общего опыта лечения. (см. Рисунок 1).

Рисунок 1. Эталонная архитектура для социальных детерминант здоровья

Это фундаментальное понимание пациента было использовано для получения оценок риска, которые могли использоваться менеджерами по уходу для разработки целевых вмешательств среди их населения. На Рис. 2 вы увидите, что барьеры SDoH могут различаться для разных групп населения в зависимости от нескольких факторов, включая местоположение и доход, что также означает, что не существует пустого решения, применимого ко всем участникам группы. план здоровья.

Рисунок 2. Социальные детерминанты здоровья могут различаться для каждой подгруппы населения

Источник: Министерство здравоохранения и социальных служб США

Нам необходимо понять, какое целевое вмешательство необходимо для каждого члена и отдельного лица в общей популяции, которые еще не вошли в нашу систему помощи.

Наш анализ был основан на доступе к медицинской помощи в Мичигане, где наши результаты показали отсутствие транспорта для определенных пациентов, что мы хотели определить как средство, чтобы доставить их к назначенному приему (целевые вмешательства), чтобы снизить риск их пропуска. .

Рабочие нагрузки:

Для такого сложного варианта использования требуется платформа, которая поможет упростить понимание ваших участников/пациентов. Вам нужна платформа, которая разрушает ваши хранилища данных и предлагает почти неограниченную масштабируемость для ваших собственных данных, открывая при этом доступ и возможности для вторых и сторонних данных. Эта платформа должна доводить рабочие нагрузки до данных, чтобы вы могли запускать бесшовные конвейеры между различными рабочими нагрузками, которые улучшают ваше понимание вашего пациента и дают вам конкурентное преимущество.

Рис. 3. Уникальная облачная архитектура Snowflakes переносит рабочие нагрузки на различные уровни основания данных, такие как хранилище данных, озеро данных и Unistore.

.

Инженерия данных (Пациент 360 — базовый уровень)

Дифференциация в виде снежинки. Создание базового уровня данных — это первый и самый важный шаг к разумному пониманию наших пациентов/участников. Нам нужно вводить данные о пациентах/участниках из самых разных исходных систем, таких как расписания участников, заявления участников, демографические данные пациентов и незаезды. Эти данные должны пройти несколько преобразований и конвейеров для обеспечения качества и согласованности. Отсюда мы предоставляем безопасным и управляемым способом единообразное 360-градусное представление наших участников командам по науке о данных, чтобы помочь в использовании моделей AI и ML, таких как риск пропуска встреч. Та же копия данных также предоставляется группам оперативной отчетности для более глубокого понимания и принятия мер.

Как инженерия данных поддержала вариант использования:

Snowflake взяла базовое представление о пациенте/участнике (имя, адрес, возраст и т. д.) и дополнила его демографическими данными Acxiom от третьих лиц (этап жизни, диапазон доходов, размер домохозяйства), чтобы разработать базовый слой нашего пациента и точек интереса SafeGraph. (расстояние до автобусных остановок, больниц, кабинетов врачей и т. д.), чтобы информировать наших моделей о риске того, что пациент пропустит встречу.

На Рис. 4 мы также можем увидеть операционную картину пациентов, разбив эти данные по нескольким характеристикам, включая возраст и пол. Мы также могли видеть пациентов с потенциальными транспортными барьерами и различными барьерами SDoH среди участников. Мы можем выполнять детализацию вверх и вниз для анализа этих данных на любом уровне детализации.

Рис. 4. Панель управления Snowsight в Snowflake

Совместная работа

Различие Snowflake: вы можете находить данные, службы и приложения от более чем 310 поставщиков в более чем 18 категориях (по состоянию на 31 июля 2022 г.) для поддержки наиболее важных рабочих нагрузок, требующих обработки данных (см. рис. 5). Snowflake позволяет вам получать доступ к самым последним данным, доступным от поставщиков, при этом снижая затраты на интеграцию данных благодаря прямому доступу к оперативным, готовым к запросу данным без необходимости ETL.

Рисунок 5. Находите и монетизируйте через Snowflake Marketplace

Как совместная работа с данными поддерживает вариант использования:

Сторонние данные из Acxiom (демографические данные) и SafeGraph (достопримечательности) были использованы непосредственно из Snowflake Marketplace, чтобы улучшить наше понимание пациента и добиться наилучших возможных результатов лечения пациентов.

Набор данных Acxiom Analytics File предоставляет информацию, которая позволяет клиентам лучше управлять аудиторией, персонализировать взаимодействие с клиентами по каналам и создавать более выгодные отношения с клиентами. Он включает широкий спектр демографических данных (например, семейное положение, количество и возраст детей), характеристик образа жизни (например, владение автомобилем) и поведенческой информации, которая позволяет лучше понять рынок и лучше понять существующих и потенциальных потребителей.

Листинг торговой площадки: https://www.snowflake.com/datasets/acxiom-emea-acxiom-analytics-file/

Набор данных SafeGraph Global Points of Interest (POI) использует миллионы точных и актуальных POI со всего мира во всех категориях. Этот набор данных содержит информацию о компаниях, такую ​​как название местоположения, почтовый адрес, отрасль, широта/долгота и бренд. Он также охватывает местоположения, включая, помимо прочего, крупные розничные сети, местные предприятия, магазины, отели, аэропорты, школы, автобусные остановки, больницы и многое другое.

Листинг торговой площадки: https://www.snowflake.com/datasets/safegraph-global-points-of-interest-poi-safegraph-places/

Наука о данных и машинное обучение

Дифференциация Snowflake.Snowflake предоставляет исследователям данных возможность выбора платформы, языка и инструментов. Используя платформу Snowflake, специалисты по данным могут выполнять масштабируемые и безопасные выводы машинного обучения с моделями, работающими внутри Snowflake как UDF. Результаты моделирования могут быть доступны в Snowflake для других рабочих нагрузок и групп, чтобы они могли использовать преимущества и действовать на основе идей, основанных на машинном обучении, с одной и той же копией данных.

Как наука о данных поддерживает варианты использования:

Воспользовавшись уникальной архитектурой Snowflake, позволяющей выполнять несколько рабочих нагрузок с одной и той же копией данных, группа специалистов по обработке и анализу данных может сразу приступить к работе и использовать преимущества уже очищенных и смоделированных данных. В частности, группа специалистов по обработке и анализу данных может использовать комбинированные данные о плательщике и поставщике услуг первой стороны, два ключевых источника для понимания факторов, связанных с SDoH, и необходимых входных данных для модели машинного обучения. Данные из первых рук сами по себе не могут дать точную оценку риска. Модель потребует дополнительных точек данных для точного прогнозирования различных факторов SDoH. Использование сторонних данных с рынка Snowflake поможет модели машинного обучения понять важные аспекты участника, включая, помимо прочего, дополнительную демографическую информацию, факторы местоположения, уникальные для каждого участника, и погодные воздействия. прогнозировать различные факторы SDoH на уровне участников.

Наши специалисты по данным использовали значения SHAP (см. рис. 6), чтобы получить представление о том, как функции влияют на прогноз модели. Значения SHAP находятся на индивидуальном уровне, но могут быть сгруппированы по нескольким элементам. Положительное значение SHAP указывает на то, что значение функции увеличивает вероятность пропуска встречи, а отрицательное значение SHAP указывает на то, что значение функции снижает вероятность пропуска встречи.

Рисунок 6. Индивидуальное влияние SHAP по ценности функции

Корпоративная аналитика — от идеи к действию

Дифференциация Snowflake.Инструменты бизнес-аналитики (BI) позволяют анализировать, обнаруживать данные и составлять отчеты, чтобы помочь руководителям и менеджерам принимать более обоснованные бизнес-решения. Ключевым компонентом любого инструмента бизнес-аналитики является возможность визуализации данных с помощью информационных панелей, диаграмм и других графических выходных данных. Snowflake поддерживает широкий спектр инструментов бизнес-аналитики с помощью универсальных или собственных коннекторов.

Как корпоративная аналитика поддерживает варианты использования:

Результаты инженерии данных и науки о данных были представлены в формате, пригодном для использования нашим менеджером по уходу и операционным персоналом, чтобы использовать их как способ выявления и определения приоритетов пациентов с транспортными барьерами. Они смогли увидеть географическое представление популяции пациентов и где наиболее распространены различные барьеры SDoH, а также список пациентов с высоким риском, которые нуждались в целевом вмешательстве в отношении транспортировки, чтобы не пропускать визиты в будущем. Рисунок 7 показывает пример информации, доступной для менеджера по медицинскому обслуживанию, где он может увидеть список пациентов, ранжированных по уровню риска пропуска приема из-за транспортных барьеров.

Рис. 7. Панель инструментов Tableau, на которой показаны пациенты, нуждающиеся в целевом вмешательстве из-за транспортных барьеров и высокого риска опоздания на прием. Примечание. Личные данные были анонимизированы и смоделированы для обеспечения соблюдения стандартов конфиденциальности в демонстрационных целях.

Приложения

Дифференциация Snowflake.Используя встроенные коннекторы Snowflakes, приложения, такие как Salesforce, могут легко использовать преимущества расширенной аналитики и моделей машинного обучения, а также почти неограниченную масштабируемость и параллелизм.

Как приложения поддерживали вариант использования:

Используя Streamlit, мы можем смоделировать CRM-систему и продемонстрировать, как менеджеры по уходу могут целенаправленно помогать людям из групп риска. Использование конкретных индикаторов рисков SDoH на уровне участников помогает менеджерам по уходу сосредоточиться на долгосрочных результатах, которые приводят к гораздо более положительным результатам для участников и сообщества.

Рис. 8. Пример быстрого прототипирования приложения Streamlit CRM.

Обзор:

Это решение Snowflake, направленное на воздействие на социальные детерминанты здоровья, демонстрирует, что понимание ваших участников крайне важно для создания дополнительных вариантов использования, которые приводят к более положительным результатам для здоровья участников. Мы начали с определения пациента 360, что позволило нам определить их соответствующие оценки риска пропуска приема. Затем мы использовали эту информацию, чтобы информировать менеджеров по уходу о том, к кому обращаться для транспортировки в качестве целевого вмешательства.

Посмотрите это видео с Крисом Круком, ИТ-директором Priority Health, рассказывающим о том, как они улучшают результаты лечения пациентов с помощью Snowflake: https://resources.snowflake.com/snowflake-videos/priority-health-delivers-personalized-insights-with- снежинка-облако данных

Присоединяйтесь к платформе One, которая обеспечивает облако данных для выполнения ваших самых важных рабочих нагрузок поверх многокластерной архитектуры общих данных Snowflake на полностью управляемой платформе, которая использует почти бесконечные ресурсы облака, упрощая вашу способность выполнять сложные задачи. случаях, таких как выявление социальных детерминант здоровья для улучшения показателей здоровья пациентов/участников.

Решение спроектировано и разработано командой Frostbyte (Кайла Чен, Мари Кулсэт, Свати Джасти, Джейкоб Кранцлер, Шрия Рай, Адитья Нандури, Алекс Вудкок, Вернон Тан, Брендан Тиссёр, Роберт Гульетти)