единици
1. Въведение в изкуствения интелект в управлението на здравеопазването: роли, граници, автентификация и поверителност 2. Назначаване и управление на капацитета: Оценка на неявяване и интелигентно планиране 3. Управление на леглото и потока на пациентите: заетост, планиране на изписването и плътност 4. Прогнозиране на търсенето: Спешно, амбулаторно и сезонно планиране на натоварването 5. Управление на цикъла на приходите: таксуване, възстановяване на средства и анализ на отказа 6. Индикатори за качество и мониторинг на ефективността: KPI и табла за управление 7. Удовлетвореност на пациентите и анализ на обратната връзка: Проучване и извличане на текст 8. Наличности и верига за доставки: запаси от лекарства/материали, изтичане и търсене 9. Подобряване на процесите: Lean Management, анализ на тесните места и симулация 10. Планиране на персонала и смени: Управление на работната сила и балансиране на натоварването 11. Поверителност на данните, регулация, етика и управление от край до край
единица 4 / 11

Прогнозиране на търсенето: Спешно, амбулаторно и сезонно планиране на натоварването

Печалби:

  • Способност за разбиране на концепциите за времеви редове, сезонност и тенденция и използване на изкуствен интелект с правилните въпроси и данни за прогнозиране на търсенето на пациенти
  • Способност за тълкуване на несигурността на прогнозата (доверителен интервал, сценарии) и базиране на планирането на диапазон, а не на едно число
  • Да можеш да различиш, че прогнозите с изкуствен интелект се основават на исторически данни и че експертната преценка излиза на преден план в случаи на избухвания като епидемии / бедствия.

Най-трудният въпрос за един болничен администратор е за бъдещето: „Колко пациенти ще дойдат в спешното следващата седмица? С колко ще се увеличи натоварването на амбулаторията през зимния грипен сезон? Колко персонал ще стигне през ваканцията?“ Отговорите на тези въпроси са неясни, но не и напълно тъмни. Миналото носи улики за бъдещето. Прогнозирането на търсенето е проучване за прогнозиране на бъдещи пациенти/натоварване чрез разглеждане на исторически данни. В този модул ще научите как да използвате изкуствения интелект при прогнозиране на търсенето и – което е също толкова важно – как да управлявате несигурността на прогнозата. Основно правило: прогнозирането на AI се основава на минали модели; Експертната преценка има предимство в ситуации като епидемии, бедствия и промени в законодателството.

Три компонента на времеви редове

Историческите данни за търсенето се наричат ​​времеви серии — подредени серии от числа, измерени на определени интервали (ежедневно, седмично). За да разберем времевия ред, е необходимо да го разделим на три части. Тенденция, дългосрочна посока: Вашият спешен прием нараства ли или намалява през годините? Сезонност, редовно повтарящи се колебания: респираторните заболявания се увеличават през зимата, травмите/злополуките се увеличават през лятото, амбулаторните клиники се изпразват през почивните дни. Шумът/колебанията са необясними случайни колебания. Добрата прогноза улавя тенденцията и сезонността и не преувеличава шума. AI ви помага да направите това разделяне; Но вашата работа е да прецените кое е истинската схема и кое е шум.

Най-критичната концепция е несигурността. Нито една оценка не е едно окончателно число. Една добра оценка дава диапазон: „Очакваме между 210 и 260 пациенти в спешното отделение следващата събота, като най-вероятната стойност е 235.“ Този интервал се нарича доверителен интервал. Ако планирате въз основа на диапазон, а не на едно число, ще сте подготвени както за ниски, така и за високи сценарии. Да вярваш в нечетни числа е класическата грешка на прекалено самоувереното прогнозиране.

Има практическа логика в планирането на интервалите: в здравеопазването няма два аспекта на грешката, които да са еднакво скъпи. Когато няма достатъчно персонал и голямо търсене, съществува риск от чакане, пренаселеност и безопасност на пациентите; Това е висока цена. Когато има излишък на персонал и ниско търсене, възникват неактивни разходи; Това също е нежелателно, но по-управляемо. Поради това планирането в жизненоважни звена (спешна помощ, интензивно лечение) често се извършва близо до горния край на диапазона (висок сценарий), но с план за гъвкавост, който може да прехвърли излишния капацитет към друго отделение. Най-ценното, което ви дава прогнозата, не е точното число, а възможността да видите този двупосочен риск и да изберете информиран буфер.

Стъпка по стъпка: Прогнозиране на търсенето с AI

  1. Съберете достатъчно исторически данни. Брой анонимни ежедневни/седмични заявления за поне една пълна година, за предпочитане 2-3 години, за да се улови сезонността.
  2. Добавете контекст. Маркирайте известни въздействия като празници, кампании, време, епидемични периоди; В противен случай AI ще ги помисли за шум.
  3. Разлагам. Помолете AI ​​да обобщи тенденцията, сезонността и необичайните скокове.
  4. Вземете интервална прогноза. Поискайте прогнози с ниски/вероятни/високи сценарии, а не с единични числа.
  5. Преобразуване в капацитет. Преобразувайте очакваните нужди от персонал, легло и материали.
  6. Контрол на счупването. Ако има фактор на хоризонта, който не е съществувал в миналото, като епидемия, промяна в законодателството или откриването на нова услуга, ръчно коригирайте прогнозата с експертна преценка.
Внимание: Ако кажете на AI ​​да „предскаже следващата година“ и не му дадете данни, той ще ви даде измислено число. Прогнозата е значима само за историческите данни, които предоставяте.

три мини калъфа

Случай 1 — Подготовка за грипния сезон. Една болница предостави 3 години анонимни ежедневни данни за спешен прием на YZ. YZ показа, че заявленията се увеличават средно с 35 процента между средата на декември и февруари всяка година, като пикът е през 3-тата седмица на януари. Ръководството планира допълнителни смени на лекари и медицински сестри през този прозорец и увеличи запасите от противогрипни ваксини и бързи тестове. Тази зима времето за изчакване през пиковата седмица е намаляло значително в сравнение с предходната година; защото капацитетът вече е изпълнил задръстванията.

Случай 2 — Сценарий вместо интервал. Бизнес мениджър поиска от AI един-единствен номер за неговата „спешна молба следващата събота“: 240. След това поиска отново с доверителния интервал: 205–275. Мениджърът направи планирането съгласно 275 (висок сценарий), но също така подготви гъвкав план за излизане (преместване на излишния персонал в друго звено) съгласно 205. Действителните заявления бяха 262; Ако беше разчитал само на едно число, щеше да надхвърли плана си с 22 пациенти. Работата на интервали го предпазваше.

Случай 3 — Пробив нарушава прогнозата. Имаше неочаквано наводнение в регион. Прогнозата, базирана на исторически данни, каза „нормално“ за тази седмица; докато спешните приложения са се удвоили. Прогнозата на AI не можа да види прекъсването, защото такова събитие не е съществувало в миналото. Кризисното бюро се отдалечи от прогнозирането и премина към проследяване на приложения в реално време и ежечасни актуализации. Поука: при структурен разрив миналото престава да бъде водач; експертната преценка и наблюдението на живо имат предимство.

Четири копируеми шаблона

1) Декомпозиция на времеви редове:

Вашата роля: асистент на анализатора на търсенето в болницата. По-долу е даден анонимен 3-годишен седмичен списък с номера за спешен прием. Задача: (1) обобщете общата тенденция (увеличение/намаляване), (2) опишете сезонния модел по месеци, (3) подчертайте всички необичайни скокове. Правете разлика между това, което е реален модел и това, което може да бъде случайна флуктуация. Събиране на измислени числа.

2) Интервална прогноза:

Въз основа на данните по-горе, направете седмична прогноза за спешно приложение за следващите 4 седмици. НИТО едно число; Дайте диапазон от ниски / най-вероятни / високи за всяка седмица. Обяснете накратко защо диапазонът е толкова широк.

3) Преобразуване в прогнозен капацитет:

Високата оценка на сценария за пиковата седмица е 275 допускания/ден. Средният лекар по спешна помощ приема ~35 пациенти на смяна, една медицинска сестра преглежда ~25. Задача: изчислете минималния брой лекари и медицински сестри, необходими при високия сценарий, покажете формулата. Посочете, че това е информация за планиране и окончателното решение зависи от мениджъра.

4) Контролен списък за предупреждение за счупване:

Подгответе контролен списък, в който ще попитам дали има фактор, който НЕ е в историческите данни през следващия период: епидемия, промяна в законодателството, откриване на ново звено, регионално събитие, време/бедствие. Добавете бележка за всеки елемент „Ако е така, как да коригирам ръчно прогнозата?“

Слаба подкана / Силна подкана

Слаба подкана:

Колко пациенти ще дойдат следващия месец?

Няма данни, няма единици, няма дефиниция на период; AI може само да измисля нещата.

Мощна подкана:

Имам данни за анонимни седмични амбулаторни клиники за 3 години (приложено). Знам, че натоварването се увеличава през зимните месеци. Дайте прогноза за нисък/вероятен/висок диапазон за следващите 6 седмици, опишете сезонния модел по месеци и избройте всички предубедени фактори, които могат да направят прогнозата непълна/подвеждаща.

концепция

какво искаш да кажеш

Въздействие върху планирането

тенденция

дългосрочна посока

Инвестиция в постоянен капацитет

сезонност

Редовно повторение

Сезонен допълнителен персонал/склад

доверителен интервал

Диапазон на несигурност на прогнозата

План за нисък и висок сценарий

счупване

събитие, което не се е случило в миналото

Спрете да гадаете, превключете към гледане на живо

Често срещани грешки

  • Вярвайки в нечетни числа. Оценката е диапазон; Планирането въз основа на една точка е рисковано.
  • Недостатъчно данни. Сезонността не може да бъде уловена с по-малко от една година данни.
  • Без маркиране на контекста. Ако не посочите празници и промоции, AI ще ги сбърка с шум.
  • Пренебрегвайки счупеността. По време на периоди на епидемия/бедствие миналите данни са подвеждащи.
  • Предсказуемо решение. Прогнозата е вход; Решенията за персонала и бюджета принадлежат на мениджъра.
Съвет: Сравнявайте прогнозата си с действителната всеки месец и си записвайте „колко е отклонение“. Тази обратна връзка подобрява както вашата прогноза, така и данните, които предоставяте на AI с течение на времето, и ви учи колко да се доверявате на прогнозата.

В обобщение

Прогнозирането на търсенето изгражда мост от минали данни към бъдещето, но този мост е несигурен. AI е мощна помощ при разделянето на времеви редове на тенденция, сезонност и шум и изготвянето на интервална прогноза. Основно планиране на доверителния интервал, а не на едно число; Подгответе се за ниския и високия сценарий заедно. Най-важното: минали данни престават да бъдат ръководство във времена на сривове като епидемии, бедствия и промени в законодателството; Това е мястото, където експертната преценка и наблюдението в реално време са на първо място.

Задача за приложение

Ако имате поне една година анонимни седмични референтни данни (ако не, генерирайте хипотетични), поискайте от AI сезонен модел и 4-седмична интервална прогноза с шаблоните „Разлагане на времеви редове“ и „Интервална прогноза“. След това сравнете най-вероятните стойности с вашата груба средна стойност. Напишете в 5 елемента как бихте идентифицирали фактор на прекъсване на хоризонта (например отваряне на нова амбулаторна клиника) и ръчно коригирайте прогнозата.

контролен списък

  • [ ] Използвах ли поне една година анонимни данни за улавяне на сезонността?
  • [ ] Маркирал ли съм контексти като празници/кампании?
  • [ ] Планирах ли с доверителен интервал вместо с едно число?
  • [ ] Проверих ли факторите на счупване на хоризонта?
  • [ ] Приемам ли оценката като вход и оставям ли решението на мениджъра?