Nyereség:
- Képes az idősorok, a szezonalitás és a trend fogalmainak megértésére, valamint a mesterséges intelligencia használatára a megfelelő kérdésekkel és adatokkal a betegigény előrejelzéséhez
- Képes az előrejelzési bizonytalanság értelmezésére (konfidenciaintervallum, forgatókönyvek), és a tervezést egy tartományra alapozni, nem pedig egyetlen számra
- Meg kell tudni különböztetni, hogy a mesterséges intelligencia előrejelzése történelmi adatokon alapul, és a szakértői vélemény kerül előtérbe járványok, például járványok/katasztrófák esetén.
A legnehezebb kérdés egy kórházi adminisztrátor számára a jövőre vonatkozik: "Hány beteg érkezik jövő héten az ügyeletre? Mennyivel nő a járóbeteg-szakrendelés terhelése a téli influenza szezonban? Hány létszám lesz elég a nyaralás alatt?" A válasz ezekre a kérdésekre nem egyértelmű, de nem teljesen sötét. A múlt nyomokat hordoz a jövő felé. A kereslet-előrejelzés a jövőbeli betegek/munkaterhelés előrejelzésének vizsgálata a múltbeli adatok alapján. Ebben a részben megtudhatja, hogyan használhatja a mesterséges intelligenciát a kereslet előrejelzésében, és – ami ugyanilyen fontos – hogyan kezelheti az előrejelzések bizonytalanságát. Ökölszabály: A mesterséges intelligencia előrejelzése múltbeli mintákon alapul; A szakértői vélemény élvez elsőbbséget olyan helyzetekben, mint például járványok, katasztrófák vagy jogszabályi változások.
Az idősor három összetevője
A múltbeli keresleti adatokat idősornak nevezzük – meghatározott időközönként (naponta, hetente) mért számok rendezett sorozata. Egy idősor megértéséhez három részre kell osztani. Trend, hosszú távú irány: nő a sürgősségi felvétele vagy csökken az évek során? Szezonalitás, rendszeres visszatérő ingadozás: télen szaporodnak a légúti megbetegedések, nyáron szaporodnak a traumák/balesetek, hétvégén kiürülnek a járóbeteg-szakrendelések. A zaj/fluktuáció megmagyarázhatatlan véletlenszerű ingadozások. A jó előrejelzés rögzíti a trendet és a szezonalitást, és nem viszi túlzásba a zajt. Az AI segít ebben az elválasztásban; De az Ön feladata annak megítélése, hogy mi a valódi minta és mi a zaj.
A legkritikusabb fogalom a bizonytalanság. Egyetlen becslés sem egyetlen végleges szám. Egy jó becslés tartományt ad: "210-260 betegre számítunk a sürgősségi osztályon jövő szombaton, a legvalószínűbb érték 235." Ezt az intervallumot konfidencia intervallumnak nevezzük. Ha nem egyetlen szám, hanem tartomány alapján tervez, akkor fel lesz készülve az alacsony és magas forgatókönyvekre is. A páratlan számokban hinni a túlságosan magabiztos előrejelzés klasszikus hibája.
Van egy gyakorlati logika az osztástervezésnek: az egészségügyben a hiba két aspektusa nem egyformán költséges. Ha nincs elég személyzet és nagy a kereslet, fennáll a várakozás, a túlzsúfoltság és a betegek biztonságának veszélye; Ez súlyos ár. Ha van többletszemélyzet és alacsony a kereslet, üresjárati költségek merülnek fel; Ez szintén nem kívánatos, de jobban kezelhető. Ezért a létfontosságú egységek tervezése (sürgősségi, intenzív ellátás) gyakran a tartomány felső határához közel történik (magas forgatókönyv), de olyan rugalmassági terv alapján, amely áthelyezheti a többletkapacitást egy másik egységre. A legértékesebb dolog, amit az előrejelzés ad Önnek, nem a pontos szám, hanem az a képesség, hogy látja ezt a kétirányú kockázatot, és tájékozott puffert válasszon.
Lépésről lépésre: Kereslet-előrejelzés AI segítségével
- Gyűjts össze elegendő történelmi adatot. Névtelen napi/heti jelentkezések száma legalább egy teljes évre, lehetőleg 2-3 évre, a szezonalitás megragadása érdekében.
- Kontextus hozzáadása. Jelölje meg az ismert hatásokat, például ünnepeket, kampányokat, időjárást, járványos időszakokat; Ellenkező esetben az AI azt hiszi, hogy ezek zajok.
- Bomlik le. Kérje meg az AI-t, hogy foglalja össze a trendet, a szezonalitást és a szokatlan ugrásokat.
- Kérjen intervallum-előrejelzést. Kérjen előrejelzéseket alacsony/valószínű/magas forgatókönyvekkel, ne egyedi számokkal.
- Átalakítás kapacitásra. Átalakítsa a becsült személyi, ágy- és anyagszükségletet.
- Törésszabályozás. Ha olyan tényező van a láthatáron, amely korábban nem létezett, például járvány, jogszabályváltozás vagy új szolgáltatás megnyitása, akkor manuálisan korrigálja az előrejelzést szakértői megítéléssel.
Vigyázat: Ha azt mondja az AI-nak, hogy "jósolja meg a következő évet", és nem ad meg adatokat, akkor kitalált számot ad. Az előrejelzésnek csak az Ön által megadott előzményadatok alapján van jelentősége.
három mini tok
1. eset – Influenza szezonra való felkészülés. Egy kórház 3 év névtelen napi sürgősségi felvételi adatait adta át az YZ-nek. A YZ kimutatta, hogy a kérelmek átlagosan 35 százalékkal nőttek december közepe és február között minden évben, a csúcsot január 3. hetében érte el. A vezetés további orvosi és nővéri műszakokat tervezett ebben az időszakban, és növelte az influenza elleni védőoltások és gyorstesztek készletét. Azon a télen a csúcshéten a várakozási idő jelentősen csökkent az előző évhez képest; mert a kapacitás már teljesítette a torlódást.
2. eset – Szcenárió intervallum helyett. Egy üzletvezető egyetlen számot kért az AI-tól a következő szombati sürgős kérelméhez: 240. Ezután ismét megkérdezte a megbízhatósági intervallumot: 205–275. A vezető a tervezést 275 (magas forgatókönyv) szerint készítette, de rugalmas kilépési tervet is készített (a létszámfelesleg áthelyezése egy másik egységbe) a 205. szerint. A tényleges jelentkezések száma 262 volt; Ha egyetlen számra támaszkodott volna, 22 beteggel alultervezte volna. Az időnkénti munka megvédte őt.
3. eset – A kitörés megzavarja az előrejelzést. Váratlan árvíz volt egy régióban. A korábbi adatokon alapuló előrejelzés szerint az adott hét "normális"; míg a sürgősségi alkalmazások megduplázódtak. Az AI előrejelzése nem látta a törést, mert ilyen esemény a múltban nem létezett. A krízispult eltávolodott az előrejelzéstől, és áttért a valós idejű alkalmazáskövetésre és az óránkénti frissítésekre. Tanulság: a szerkezeti törésnél a múlt megszűnik útmutató lenni; a szakértői vélemény és az élő megfigyelés élvez elsőbbséget.
Négy másolható sablon
1) Idősor-bontás:
Az Ön szerepe: a kórházi keresletelemző asszisztense. Az alábbiakban egy névtelen, 3 évre szóló heti lista található a sürgősségi segélyhívó számokról. Feladat: (1) foglalja össze az általános trendet (növekedés/csökkenés), (2) írja le a szezonális mintát hónaponként, (3) emelje ki a szokatlan ugrásokat. Tegyen különbséget aközött, hogy mi a valódi minta, és mi lehet a véletlenszerű ingadozás. Kitalált számok hozzáadása.
2) Időközi előrejelzés:
A fenti adatok alapján készítsen heti sürgősségi alkalmazási előrejelzést a következő 4 hétre. NEM egyetlen szám; Minden hétre adjon meg egy alacsony / legvalószínűbb / magas tartományt. Röviden indokolja meg, miért olyan széles a tartomány.
3) Átszámítás becsült kapacitásra:
A csúcshétre a legmagasabb forgatókönyv-becslés 275 felvétel/nap. Egy átlagos sürgősségi orvos műszakonként ~35 beteget fogad, egy nővér ~25-öt. Feladat: számítsa ki a magas forgatókönyvben szükséges minimális orvosok és ápolók számát, mutassa be a képletet. Mondja el, hogy ez egy tervezési bemenet, és a végső döntés a menedzseren múlik.
4) Törésfigyelmeztető lista:
Készítsen ellenőrző listát, amelyben megkérdezem, hogy van-e olyan tényező, amely NEM szerepel a következő időszakban a történeti adatokban: járvány, jogszabályváltozás, új egység nyitása, regionális esemény, időjárás/katasztrófa. Adjon hozzá egy megjegyzést minden elemhez: "Ha igen, hogyan kell manuálisan korrigálni az előrejelzést?"
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Hány beteg érkezik a következő hónapban?
Nincs adat, nincsenek mértékegységek, nincs időszak definíció; Az AI csak kitalál dolgokat.
Erőteljes felszólítás:
3 év névtelen heti járóbeteg-szakrendelési jelentkezési adataim vannak (mellékelve). Tudom, hogy a téli hónapokban nő a terhelés. Adjon meg egy alacsony/valószínű/magas tartományú előrejelzést a következő 6 hétre, írja le a szezonális mintát hónapok szerint, és sorolja fel azokat a torzító tényezőket, amelyek az előrejelzést hiányossá/félrevezetővé tehetik.
koncepció
hogy érted?
Hatás a tervezésre
trend
hosszú távú irány
Állandó kapacitás beruházás
szezonalitás
Rendszeres ismétlés
Szezonális kiegészítő személyzet/készlet
konfidencia intervallum
Az előrejelzés bizonytalansági sávja
Alacsony és magas forgatókönyv terv
törés
esemény, amely a múltban nem történt meg
Hagyd abba a találgatást, válts élő nézésre
Gyakori hibák
- Hinni a páratlan számokban. A becslés egy tartomány; Egy ponton alapuló tervezés kockázatos.
- Nincs elegendő adat. A szezonalitás nem rögzíthető egy évnél rövidebb adatokkal.
- Nem jelöli meg a kontextust. Ha nem ad meg ünnepeket és promóciókat, az AI összetéveszti őket zajjal.
- A töröttség figyelmen kívül hagyása. A járvány/katasztrófa időszakában a múltbeli adatok félrevezetőek.
- Prediktív döntés. Az előrejelzés egy bemenet; A személyi és költségvetési döntések a vezetőt illetik.
Tipp: Hasonlítsa össze előrejelzését minden hónapban a tényleges értékkel, és jegyezze fel, hogy mennyi az árengedmény. Ez a visszajelzés javítja mind az előrejelzését, mind az AI-nak adott adatokat az idő múlásával, és megtanítja, hogy mennyire bízhat meg az előrejelzésben.
Összefoglalva
A kereslet-előrejelzés hidat épít a múltbeli adatok és a jövő között, de ez a híd bizonytalan. A mesterséges intelligencia hatékony segítség az idősorok trendekre, szezonalitásokra és zajokra való szétválasztásában, valamint intervallum-előrejelzések készítésében. Alaptervezés a konfidenciaintervallumra, nem egyetlen számra; Készüljön fel együtt az alacsony és magas forgatókönyvre. A legfontosabb: a múltbeli adatok nem szolgálnak útmutatóként olyan szakadások idején, mint a járványok, katasztrófák és a jogszabályi változások; Itt a szakértői vélemény és a valós idejű monitorozás az első.
Pályázati feladat
Ha legalább egy évnyi névtelen heti referenciaadata van (ha nem, állítson elő hipotetikus adatokat), kérje meg a mesterséges intelligencia szezonális mintázatát és 4 hetes intervallum-előrejelzését az „Idősorbontás” és az „Intervális előrejelzés” sablonokkal. Ezután hasonlítsa össze a legvalószínűbb értékeket a durva átlaggal. Írja le 5 tételben, hogyan azonosítana egy töréstényezőt a láthatáron (például új járóbeteg-szakrendelés megnyitása), és manuálisan korrigálná az előrejelzést.
ellenőrző lista
- [ ] Használtam legalább egy év névtelen adatokat a szezonalitás rögzítésére?
- [ ] Megjelöltem kontextusokat, például ünnepeket/kampányokat?
- [ ] Konfidenciaintervallumot terveztem egyetlen szám helyett?
- [ ] Megnéztem a töréstényezőket a láthatáron?
- [ ] A becslést vegyem inputnak, és a vezetőre bízzam a döntést?