Dobici:
- Sposobnost razumijevanja čimbenika koji utječu na stopu nepojavljivanja i korištenja umjetne inteligencije za izradu klasifikacije rizika i nacrta podsjetnika
- Sposobnost planiranja kapaciteta ambulante, raspodjele mjesta i logike prebukiranosti na temelju scenarija uz podršku umjetne inteligencije
- Biti u mogućnosti zaštititi da je izlaz umjetne inteligencije statistička sugestija i da konačni grafikon pripada upravitelju, uzimajući u obzir prava pristupa pacijenata i pravednost.
Jedan od najfrustrirajućih gubitaka uprave ambulante je vrijeme za termine koje se čini punim, ali ostaje prazno. Pacijent zakazuje termin, ali se ne pojavljuje; taj termin (utorak za pregled — pravo liječnika na pregled unutar određenog vremenskog perioda) je izgubljen. To se zove nepojavljivanje u zdravstvenom menadžmentu. U javnoj bolnici, stopa nepojavljivanja ambulantnih pacijenata često je u rasponu od 20-30 posto; To znači da je jedan od svaka četiri sastanka izgubljen. To je i gubitak vremena liječnika i gubitak pristupa za druge pacijente koji žele doći, ali ne mogu pronaći mjesto. U ovoj jedinici koristit ćemo AI za dva posla: predviđanje rizika nedolaska i inteligentno raspoređivanje kapaciteta na temelju ovog predviđanja. Ali postavimo granicu od početka: AI proizvodi procjenu vjerojatnosti; Koji će pacijent dobiti termin je odluka voditelja, vodeći računa o pacijentovom pravu pristupa i pravednosti.
Što određuje nedolazak?
Ponašanje nepojavljivanja nije slučajno; Postoje određeni obrasci. Međunarodne i lokalne studije često pokazuju sljedeće čimbenike: što je duže vrijeme čekanja između termina i pregleda, veća je učestalost nepojavljivanja; vrlo rano ujutro ili kasno navečer; povijest nepojavljivanja (najjači prediktor); vremenski uvjeti; udaljenost prijevoza pacijenta; podružnica (u nekim je podružnicama stopa prisutnosti visoka zbog kroničnog praćenja). AI ne pamti te faktore jedan po jedan; Izvlači uzorke iz povijesnih podataka koje mu date. Ali budite oprezni: umjetna inteligencija pronalazi vezu (korelaciju), a ne uzrok (uzročnost). Reći da je "nedolazak utorkom velik" ne znači da je utorak kriv; Možda je još jedan faktor u igri utorkom.
Što se tiče kapaciteta, dva su koncepta kritična. Slot spread je koliko termina postavljate u koje doba dana. Overbooking je rezerviranje malo više od kapaciteta za kompenzaciju očekivanog nepojavljivanja - kao na primjer kada zrakoplovne kompanije preprodaju zrakoplove. Overbooking nije kockanje, to je izračunata ravnoteža: ako učinite premalo, bit će praznih mjesta, ako učinite previše, red i čekanje će eksplodirati kada svi stignu. AI je vrlo korisna u demonstriranju ove ravnoteže kroz scenarije.
Korak po korak: nedolazak i rad na karti s umjetnom inteligencijom
- Pripremite anonimne podatke. Nema imena pacijenta, ID-a, protokola; samo anonimna polja kao što su "vrijeme zakazivanja, poslovnica, dan čekanja, prethodni broj nepojavljivanja, došao/nije se pojavio".
- Oduzmite uzorak. Zamolite AI da sažme koji čimbenici idu ruku pod ruku s nedolaskom.
- Definirajte raspon rizika. Grupirajte pacijente kao "visoki/srednji/niski" rizik nepojavljivanja - grupe kojima se može upravljati, a ne pojedinačni rezultati.
- Uskladite intervenciju. Intenzivniji podsjetnik (SMS + poziv) visokorizičnoj skupini, fleksibilni utor; Standardni podsjetnik na niski rizik.
- Postavite scenarij prebukiranosti. Neka scenariji izračunaju koliko će još termina biti dogovoreno na temelju očekivane stope nepojavljivanja.
- Administrativni filter. Provjera pravednosti: niti jedna skupina pacijenata nije isključena iz pristupa; prebukiranje je razumno; Voditelj odobrava konačni raspored.
Oprez: Ocjena rizika nikada se ne koristi za "zakazivanje termina za ovog pacijenta". Rezultat je samo sažeti podsjetnik, olakšati pristup i uravnotežiti kapacitet. U suprotnom, radi se o kršenju prava pacijenata.
tri mini kućišta
Slučaj 1 — Intenzitet podsjećanja. U pulmološkoj ambulanti postotak nedolaska bio je 28 posto. Tim za kvalitetu dao je anonimne 6-mjesečne podatke YZ-u i odredio rizičnu skupinu: Pacijenti koji su čekali duže od 14 dana, a nisu došli barem jednom prije. Za ovu grupu primijenjen je dvostupanjski SMS + poziv, 3 dana i 1 dan prije pregleda. Nakon tri mjeseca, nepojavljivanje u ovoj skupini palo je s 28 posto na 17 posto; Opća stopa nedolaska u ambulantu smanjila se na 21 posto. Smanjilo se slobodnih mjesta i skratila lista čekanja.
Slučaj 2 — Umjereno prebukiranje. Jedna dermatološka klinika imala je 40 mjesta dnevno, s prosječnom stopom nepojavljivanja od 25 posto (tj. ~10 slobodnih). Upravitelj je od AI-ja zatražio scenarij prebukiranosti. AI je dao tri scenarija: +4 termin (nizak rizik, mala vjerojatnost čekanja u redu), +8 (uravnotežen), +12 (agresivno, ozbiljno čekanje ako se svi pojave). Trener je startao s +6; gledao mjesec dana. Slobodni automati pali su s 25 posto na 9 posto, dok se prosječno dodatno čekanje povećalo za samo 7 minuta. Odluka je bila čovjekova; AI je samo učinio opcije vidljivima.
Slučaj 3 — Povratak nakon zlouporabe. U jednoj jedinici, zaposlenik je želio protumačiti ocjenu rizika od umjetne inteligencije kao "ljudi visokog rizika ne bi trebali dobiti termin". Službenik za kvalitetu usprotivio se tome: to bi isključilo pacijente u nepovoljnom položaju (teško dostupne, s niskim primanjima) iz sustava i predstavljalo je i etičko i zakonsko kršenje. Rezultat nije korišten za isključenje, već za fleksibilno zakazivanje termina i dodatne podsjetnike koji su olakšali dopiranje do tog pacijenta.
Četiri predloška za kopiranje
1) Analiza faktora nepojavljivanja:
Vaša uloga: suradnik asistent analitičara ambulantnih operacija. Ispod su anonimni podaci o terminima (bez imena/identiteta): vrijeme termina, poslovnica, dan čekanja, prethodni nedolasci, ishod (došao/nedošao). Zadatak: (1) navedite 5 čimbenika koji se najjače javljaju kod nepojavljivanja, (2) napišite objašnjenje u jednoj rečenici za svaki, (3) navedite da je to korelacija, a ne tvrdnja o uzročnosti. Nemojte izmišljati brojeve za koje nisam naveo podatke.
2) Usklađivanje raspona rizika i intervencije:
Predložite jednostavna, transparentna pravila (ne crne kutije, objašnjive pragove) koja će podijeliti pacijente u 3 skupine visokog/srednjeg/niskog rizika neuspjeha na temelju gore navedenih obrazaca. Za svaki opseg predložite podsjetnik/olakšavajuću intervenciju koja SPREČAVA pristup. Nikakva sugestija ne smije isključiti pacijenta iz termina.
3) Scenarij prebukiranosti:
Dnevni termin: 40. Prosječna stopa nepojavljivanja: 25,3% Generirajte scenarij prebukiranosti (konzervativan/uravnotežen/agresivan). Za svaki scenarij: ukupan broj termina koje treba napraviti, očekivani dolazni pacijenti, preopterećenje koje će se dogoditi ako se svi pojave i procijenjeno dodatno čekanje. Pokažite formule za izračun kako bih ih mogao ručno provjeriti.
4) Skica poruke podsjetnika:
Napišite ljubazan i jasan SMS podsjetnik (ispod 160 znakova) koji će se poslati visokorizičnoj skupini. Omogućite jednostavan način otkazivanja/odgode sastanka. Ne koristite optužujući jezik. Turski, formalan, ali topao.
Slab upit / Jak upit
Slab upit:
Smanjite nedolazak.
Ovaj zahtjev je bez konteksta: nije jasno koja grana, koji podaci, koje ograničenje; AI pruža generičke, neprovedive savjete.
Snažan upit:
U našoj dermatološkoj ambulanti ima 40 termina dnevno, a prosječna stopa nedolaska je 25%. Imam podatke o anonimnim terminima za 6 mjeseci. Želim smanjiti slobodan utor uz zadržavanje prava pristupa. Daj mi (1) pravilo rizika od 3 pojasa, (2) odgovarajući intenzitet podsjetnika za svaki pojas, (3) očekivani učinak scenarija prebukiranosti +6.
pristup
prazan utor
pristup pacijentu
Etički rizik
učiniti ništa
visoka
neutralan
Ne, ali ima otpada
Dodatni podsjetnik za rizične osobe
pada
Zaštićeno/povećano
Nijedan
Umjerena prebukiranost
primjetno pada
Mali rizik od repa
Nisko, obavezno pogledati
Ne zakazivanje termina za rizične osobe
pada
se krši
Visoko — nije moguće
Uobičajene greške
- Pogrešna ocjena kao sredstvo isključenja. Ocjena rizika nije eliminirati pacijenta, već doći do njega.
- Ekstremna prebukiranost. Pretjerana stopa nepojavljivanja i zakazivanje previše termina povećat će red i pritužbe.
- Zamjena korelacije za uzročnost. Reći "utorak je riskantan" ne znači zabraniti utorak; Saznajte pravi razlog iza toga.
- Odluka s podacima o jednoj sesiji. Donošenje trajnih pravila na temelju podataka za jedan mjesec dovodi u zabludu; Potrebno je barem nekoliko mjeseci uzoraka.
- Zaobilazeći provjeru pravde. Obavezno provjerite da intervencija ne isključuje skupine u nepovoljnom položaju.
Savjet: uvijek počnite s prebukiranjem s malim korakom (npr. +2/+3) i slijedite ga tjedan dana, a zatim povećajte. AI-jev scenarij je predviđanje; Vaša stvarna stopa nepojavljivanja na terenu zahtijeva da ažurirate scenarij.
Ukratko
Nedolazak je tihi neprijatelj ambulantnih kapaciteta. AI je snažna pomoć u izvlačenju obrazaca nepojavljivanja iz povijesnih anonimiziranih podataka i stratificiranju pacijenata u rizične skupine i vidljivim scenarijima prebukiranosti. Ali sve proizvedeno je procjena vjerojatnosti. Ocjena rizika nikada nije alat za isključivanje; za podsjetnik i olakšavanje koje štiti pristup. Overbooking bi trebao biti pristupačan i odmjeren, te testiran u malim koracima. Konačna karta pripada administratoru, s obzirom na pravednost i prava pacijenata.
Zadatak aplikacije
Dobijte broj slobodnih mjesta po danu i prosječnu stopu nepojavljivanja iz vaše jedinice (ili hipotetski). Zatražite od umjetne inteligencije tri scenarija s gornjim predloškom "Scenarij prebukiranosti". Zatim ručno provjerite formule (npr. 40 mjesta, 25% nedolazaka → očekivano 30 nedolazaka; ako +6 daje 46 termina, očekuje se ~34-35 nedolazaka). U 5 stavki napišite koji ste scenarij odabrali i zašto; Dodajte i provjeru pravednosti.
popis za provjeru
- [ ] Jesam li anonimizirao podatke (bez imena/ID-a/protokola)?
- [ ] Jesam li upotrijebio ocjenu rizika za intervenciju očuvanja pristupa, a ne za isključenje?
- [ ] Jesam li formulom ručno provjerio scenarij prebukiranosti?
- [ ] Jesam li započeo s prebukiranjem u malim koracima i postavio plan praćenja?
- [ ] Jesam li prošao konačni raspored kroz filtar pravednosti i podvrgao ga odobrenju upravitelja?