Paano Maipapabuti ng Predictive Analytics ang Medikal na Pangangalaga

May -Akda: Roger Morrison
Petsa Ng Paglikha: 20 Setyembre 2021
I -Update Ang Petsa: 1 Hulyo 2024
Anonim
[Kalkulahin ang Beta] - Paano Makalkula ang Alpha At Beta
Video.: [Kalkulahin ang Beta] - Paano Makalkula ang Alpha At Beta

Nilalaman


Pinagmulan: Andreypopov / Dreamstime.com

Takeaway:

Ang industriya ng medikal ay gumagamit ng mahuhulaan na analytics upang mapabuti ang pangangalaga ng pasyente, mas mababang mga pagkakataon ng paulit-ulit na mga problema at dagdagan ang kakayahang kumita.

Ang hula na analytics, sinasabing, ay muling tukuyin kung paano naihatid ang pangangalaga sa kalusugan. Ito ay mahuhulaan ang mga paglitaw ng mga kritikal na sakit at posibilidad ng pagbabasa sa hinaharap. Ang iba pang mga sektor tulad ng pagkain at inumin, mga publikasyon at libangan ay naka-ani na ng mga benepisyo mula sa paggamit ng predictive analytics - walang dahilan na hindi magagawa ang pangangalaga sa kalusugan.

Gayunpaman, ang kahulugan at saklaw ng mahuhulaan na analytics ay kailangang munang maunawaan nang puro sa pangangalaga sa kalusugan. Ang one-size-fits-lahat ng modelo ay hindi gagana. Mahalaga rin na ang imprastraktura para sa paghahatid ng analytics ay ibinigay at nagawa nitong maihatid ang kinakailangang impormasyon sa mga propesyonal sa pangangalaga ng kalusugan sa tamang format. Upang maihatid ang tamang at proactive na pangangalaga sa kalusugan, ang mga propesyonal sa pangangalagang pangkalusugan ay kailangang mabigyan ng tamang con at metadata. Kaya, habang ang mahuhulaan na analytics ay mabuti para sa pangangalaga sa kalusugan, dapat itong ipasadya muna at dapat na maihatid ang tamang data sa tamang format. (Upang malaman ang tungkol sa malaking papel na datas sa pangangalaga sa kalusugan, tingnan ang Will Big Data Revolutionize Health Care?)


Ano ang Mahuhulaan na Analytics?

Ang mahuhulaan na analytics ay isang sangay ng mga advanced na analytics na nagbibigay ng mga paghuhula sa ilang mga kaganapan batay sa makasaysayang data, mga pattern ng data at iba pang mga input. Maaaring gawin ang mga aktibong hakbang upang matugunan ang mga kinakailangan na lumabas mula sa mga hula. Upang maisagawa ang mga hula, ang mga nahuhulaan na pamamaraan ng analytics na ginagamit sa iba pang mga sangay tulad ng pagmimina ng data, artipisyal na intelihensiya, pagmomolde, pag-aaral ng makina at istatistika, at isinasama nito ang teknolohiya ng impormasyon, pamamahala at mga proseso ng negosyo. Ang mga hula ay maaaring magamit upang makilala ang mga panganib at mga pagkakataon sa hinaharap. Ang mahuhulaan na analytics ay maaaring makatulong sa mga samahang pangnegosyo upang makamit ang maraming bagay. Ang ilang mga halimbawa ay kasama ang:

  • Pagkilala sa mga nakatagong mga asosasyon at pattern
  • Pagpapabuti ng pagpapanatili ng customer
  • Ang pagbabawas ng panganib upang mabawasan ang pagkawala at pagkakalantad
  • Pagpapabuti ng kasiyahan ng customer

Maraming mga halimbawa ng tunay na buhay kung paano nakinabang ang mga negosyo mula sa paggamit ng predictive analytics. Ang Accenture ay nagsagawa ng isang survey upang malaman kung paano ang iba't ibang mga negosyo ay nakinabang mula sa paggamit ng predictive analytics. Ang ilan sa mga natuklasan ay:


  • Natuklasan ng Best Buy na mas mababa sa 7% ng mga customer nito ang nag-ambag sa 43% ng mga benta nito. Pagkatapos ay i-segment ang mga customer nito nang lohikal at muling idisenyo ang mga tindahan at karanasan sa in-store upang maipakita ang mga gawi sa pagbili ng mga tiyak na grupo ng customer.
  • Ang Olive Garden, isang Amerikanong kaswal na kainan sa restawran, ay gumagamit ng data upang magdisenyo at muling idisenyo ang menu nito. Sa ganoong paraan, nagawang mabawasan ang pag-aaksaya ng pagkain nang malaki.

Ang dalubhasa sa analytics ay inilalapat sa maraming mga domain tulad ng pangangalaga sa kalusugan, pamamahala ng relasyon sa customer (CRM), pagtuklas ng pandaraya at pamamahala sa peligro. Ang mahuhulaan na analytics ay madalas ding pinagsama sa prescriptive analytics. Ang mga mapaglarawang analytics sa con na ito ay nangangahulugan na hindi lamang mga hula na ginawa tungkol sa ilang mga kaganapan, ngunit ang mga tiyak na hakbang ay ibinigay na dapat gawin upang hawakan ang sitwasyon. Ang mga hakbang na ito ay ibibigay ng mismong analytics mismo. (Matuto nang higit pa tungkol sa pagtuklas ng pandaraya gamit ang Pag-aaral at Pag-aaral ng Hadoop sa Susunod na Paglikha ng Pandaraya sa Pagsusulat

Ang Predictive Analytics sa Con ng Pangangalaga sa Kalusugan

Sa teoryang, ang nahuhulaan na analytics ay may malaking papel sa pagpapabuti ng pangangalaga sa kalusugan. Kahit na ito ay pa rin isang bagong entrant sa pamamahala ng pangangalaga sa kalusugan at ang saklaw nito ay ginagawa pa rin, ang mahuhulaan na analytics ay maaaring mag-aralan ang data ng pasyente ng kasaysayan at magbigay ng mga hula para sa mga bagay tulad ng mga panganib sa sakit, posibilidad na puntos ng mga pag-atake sa puso at pag-atake ng asthmatic batay sa profile ng pasyente, at posibilidad ng mga readmissions.

Ang utak ng tao ay hindi maaaring malalim na pag-aralan nang higit sa anim hanggang walong variable sa bawat oras upang maayos na maipaprubahan ang isang problema. Ngunit, ang algorithm ng isang mapaghula modelo ay maaaring pag-aralan ang daan-daang mga variable sa isang pagkakataon upang lumikha ng isang tumpak na profile ng isang problemang medikal. Batay sa profile, tumpak na diagnosis at mga hula sa panganib, kung mayroon man, maaaring gawin.

Ang mahuhulaan na pagmomolde ay makakatulong sa pagkontrol sa mga gastos na may kaugnayan sa pangangalagang medikal. Sa Estados Unidos, isa sa limang mga pasyente ng Medicare ay binasa sa ospital sa loob ng 30 araw na paglabas, na nagreresulta sa paggastos ng $ 17 bilyon sa isang taon.

Ang Steadman Hawkins Clinic ay nagawang taasan ang kanilang netong kakayahang kumita ng $ 20 milyon sa isang taon. Nagawa nilang mapabuti ang kawastuhan ng kanilang mga hula sa pananalapi mula 30 hanggang 32 porsyento.

Pag-aaral ng Kaso 2: Hindi Pinangalanang Klinika Pagpapabuti ng Kakayahan

Ang Kinakailangan

Nais ng klinika na kapwa mapabuti ang mga serbisyo sa mga pasyente at pagbutihin ang kanilang kakayahang kumita sa pamamagitan ng mahusay na paggamit ng kanilang mga mapagkukunan na kinabibilangan ng mga kawani, pasilidad at mga instrumento.

Ang aksyon

Kinolekta ng klinika ang napakahirap na data sa iba't ibang mga variable tulad ng uri ng pangangalaga na kinakailangan ng mga pasyente, profile ng kawani at kwalipikasyon, profile ng pasyente, kalidad ng mga serbisyo na naihatid tulad ng oras ng pagtugon, kinalabasan, karanasan ng pasyente at oras ng paghihintay para sa mga pasyente. Batay sa mga nakalap na datos, ginamit ang mahuhusay na analytics. Inaasahan nila ang kongkretong analytics at kurso ng mga aksyon na gagamitin.

Ang resulta

Kahit na ang klinika ay nasa proseso pa rin ng pagpapatupad ng mga patakaran batay sa kanilang mahuhulaan na analytics, may mga palatandaan na sila ay nasa kurso upang makamit ang hindi bababa sa 10 porsyento na mas mataas na kakayahang kumita kaysa sa dati.

Mahalagang Mga Punto na Alalahanin

Hindi ito ang pagpapatupad ng mahuhusay na analytics ay magsisimulang gumawa ng mga kababalaghan kaagad. Ang mga resulta ay nakasalalay sa diskarte. Una, ang industriya ay kailangang matukoy kung ano ang ibig sabihin ng mahuhulaan na analytics sa con nito at pagkatapos ay tukuyin ang saklaw nito. Gayundin, kailangang alalahanin ang industriya ng pangangalaga sa kalusugan ang mga sumusunod na aralin mula sa iba pang mga industriya:

  • Ang halaga ng mga pananaw ay hindi direktang proporsyon sa dami ng data. Hindi ka makakakuha ng higit pang mga pananaw sa pamamagitan lamang ng pagtaas ng koleksyon ng data.
  • Ang mga pananaw ay hindi kinakailangang magbigay ng halaga. Kailangan mo munang ipasadya ang mga pananaw sa iyong con upang maging kapaki-pakinabang ito.
  • Ang pagpapatupad ng mahuhulaan na analytics ay magiging isang malaking hamon. Kailangan mong yakapin ang tamang mga teknolohiya at maghatid ng mga pananaw sa propesyonal sa pangangalagang pangkalusugan sa tamang format.

Buod

Ang mahuhulaan na analytics ay kailangang pagsamahin sa mga preskriptibong analytics upang maihatid ang mga tamang resulta, dahil ang industriya ay hindi lamang ang mga hula ngunit pati na rin isang kilos. Habang ang konsepto ay tila nakapagpapalusog sa huli, ang mga negosyo ay kailangang gumawa ng tamang pamumuhunan at maging mapagpasensya sa mga resulta kung inaasahan nilang aanihin ang mga benepisyo.