Keuntungan:
- Kemampuan untuk memahami faktor-faktor yang mempengaruhi tingkat ketidakhadiran dan menggunakan kecerdasan buatan untuk membuat klasifikasi risiko dan draf pengingat
- Kemampuan untuk merencanakan kapasitas klinik rawat jalan, distribusi slot, dan logika pemesanan berlebih berdasarkan skenario dengan dukungan kecerdasan buatan
- Mampu melindungi bahwa keluaran kecerdasan buatan adalah saran statistik dan bahwa bagan akhir adalah milik manajer, dengan mempertimbangkan hak akses dan keadilan pasien.
Salah satu kerugian yang paling membuat frustrasi dalam manajemen klinik rawat jalan adalah waktu janji temu yang tampak penuh namun tetap kosong. Pasien membuat janji tetapi tidak muncul; slot itu (slot janji temu — hak dokter untuk memeriksa dalam jangka waktu tertentu) terbuang percuma. Hal ini disebut no-show dalam manajemen layanan kesehatan. Di rumah sakit umum, tingkat ketidakdatangan pasien rawat jalan seringkali berkisar antara 20-30 persen; Artinya, satu dari setiap empat janji temu terbuang sia-sia. Hal ini membuang-buang waktu dokter dan hilangnya akses bagi pasien lain yang ingin datang tetapi tidak dapat menemukan tempat. Dalam unit ini, kami akan menggunakan AI untuk dua pekerjaan: memprediksi risiko ketidakhadiran dan menjadwalkan kapasitas secara cerdas berdasarkan prediksi ini. Namun mari kita tetapkan batasannya dari awal: AI menghasilkan perkiraan probabilitas; Pasien mana yang akan diberikan janji temu merupakan keputusan pengelola, dengan mempertimbangkan hak akses dan keadilan pasien.
Apa yang menentukan ketidakhadiran?
Perilaku ketidakhadiran tidak terjadi secara acak; Ada pola-pola tertentu. Penelitian internasional dan lokal sering kali menunjukkan faktor-faktor berikut: semakin lama waktu tunggu antara janji temu dan ujian, semakin besar kemungkinan ketidakhadiran; pagi-pagi sekali atau sore hari; riwayat ketidakhadiran (prediktor terkuat); kondisi cuaca; jarak transportasi pasien; cabang (di beberapa cabang, tingkat kehadiran tinggi karena tindak lanjut yang kronis). AI tidak menghafal faktor-faktor ini satu per satu; Ini mengekstrak pola dari data historis yang Anda berikan. Namun hati-hati: AI menemukan hubungan (korelasi), bukan penyebab (causation). Mengatakan "Ketidakhadiran pada hari Selasa itu tinggi" tidak berarti hari Selasa itu bersalah; Mungkin ada faktor lain yang berperan pada hari Selasa.
Di sisi kapasitas, ada dua konsep yang sangat penting. Penyebaran slot adalah berapa banyak janji temu yang Anda buat pada jam berapa. Pemesanan berlebih (overbooking) adalah pemesanan yang sedikit melebihi kapasitas untuk mengkompensasi ketidakdatangan yang diperkirakan terjadi — seperti ketika maskapai penerbangan menjual pesawat secara berlebihan. Pemesanan berlebih bukanlah pertaruhan, ini adalah keseimbangan yang diperhitungkan: jika Anda melakukan terlalu sedikit, akan ada slot kosong, jika Anda melakukan terlalu banyak, antrian dan penantian akan meledak ketika semua orang datang. AI sangat berguna dalam menunjukkan keseimbangan ini melalui skenario.
Langkah demi langkah: no-show dan grafik berfungsi dengan AI
- Siapkan data anonim. Tidak ada nama pasien, ID, protokol; hanya kolom anonim seperti "waktu janji temu, cabang, hari tunggu, jumlah ketidakhadiran yang lalu, datang/tidak muncul".
- Kurangi polanya. Minta AI untuk merangkum faktor-faktor apa saja yang menyebabkan ketidakhadiran tersebut.
- Tentukan kelompok risiko. Kelompokkan pasien sebagai risiko ketidakhadiran “tinggi/sedang/rendah” – kelompok yang dapat dikelola, bukan skor individu.
- Cocokkan intervensinya. Pengingat yang lebih intens (SMS + panggilan) ke kelompok risiko tinggi, slot fleksibel; Pengingat standar untuk risiko rendah.
- Siapkan skenario pemesanan berlebih. Mintalah skenario untuk menghitung berapa banyak lagi janji temu yang akan dibuat berdasarkan perkiraan tingkat ketidakhadiran.
- Filter administratif. Pemeriksaan kewajaran: tidak ada kelompok pasien yang dikecualikan dari akses; pemesanan berlebih adalah wajar; Manajer menyetujui jadwal akhir.
Perhatian: Skor risiko tidak pernah digunakan untuk "membuat janji temu untuk pasien ini". Skor tersebut hanya untuk menyingkat pengingat, memudahkan akses dan menyeimbangkan kapasitas. Jika tidak, hal tersebut merupakan pelanggaran terhadap hak pasien.
tiga kasus mini
Kasus 1 — Mengingatkan intensitas. Di klinik rawat jalan pulmonologi, tingkat ketidakhadiran adalah 28 persen. Tim kualitas memberikan data anonim selama 6 bulan kepada YZ dan menentukan kelompok risiko: Pasien yang menunggu lebih dari 14 hari dan tidak datang setidaknya satu kali sebelumnya. SMS + panggilan dua tahap diterapkan pada kelompok ini, 3 hari dan 1 hari sebelum ujian. Setelah tiga bulan, ketidakhadiran di grup ini turun dari 28 persen menjadi 17 persen; Tingkat ketidakdatangan klinik rawat jalan umum menurun menjadi 21 persen. Slot kosong berkurang dan daftar tunggu diperpendek.
Kasus 2 — Pemesanan berlebih sedang. Sebuah klinik dermatologi memiliki 40 slot per hari, dengan rata-rata tingkat ketidakdatangan sebesar 25 persen (yaitu ~10 lowongan). Manajer meminta AI untuk membuat skenario overbooking. AI memberikan tiga skenario: +4 janji temu (risiko rendah, kemungkinan antrian kecil), +8 (seimbang), +12 (agresif, menunggu serius jika semua orang muncul). Manajer memulai dengan +6; diawasi selama sebulan. Slot gratis turun dari 25 persen menjadi 9 persen, sementara rata-rata waktu tunggu tambahan meningkat hanya 7 menit. Keputusan ada di tangan manusia; AI baru saja membuat opsinya terlihat.
Kasus 3 — Kembali dari penyalahgunaan. Dalam satu unit, seorang karyawan ingin menafsirkan skor risiko AI sebagai "orang berisiko tinggi tidak boleh diberi janji temu". Petugas mutu keberatan dengan hal ini: hal ini akan mengecualikan pasien yang kurang beruntung (sulit dijangkau, berpenghasilan rendah) dari sistem dan merupakan pelanggaran etika dan hukum. Skor tersebut tidak digunakan untuk pengecualian, namun untuk janji temu yang fleksibel dan pengingat tambahan yang memudahkan untuk menjangkau pasien tersebut.
Empat templat yang dapat disalin
1) Analisis faktor ketidakhadiran:
Peran Anda: asisten rekanan untuk analis operasi rawat jalan. Di bawah ini adalah data janji temu anonim (tanpa nama/identitas): waktu janji temu, cabang, hari tunggu, ketidakhadiran sebelumnya, hasil (muncul/tidak muncul). Tugas: (1) membuat daftar 5 faktor yang paling sering terjadi bersamaan dengan ketidakhadiran, (2) menulis penjelasan dalam satu kalimat untuk masing-masing faktor, (3) menyatakan bahwa ini adalah korelasi, bukan menyatakan hubungan sebab-akibat. Jangan membuat angka apa pun yang datanya belum saya berikan.
2) Pencocokan kelompok risiko dan intervensi:
Sarankan aturan sederhana dan transparan (bukan kotak hitam, ambang batas yang dapat dijelaskan) yang akan membagi pasien menjadi 3 kelompok risiko kegagalan tinggi/sedang/rendah berdasarkan pola di atas. Untuk setiap kelompok, sarankan intervensi pengingat/fasilitasi yang MENCEGAH akses. Tidak ada saran yang dapat mengecualikan pasien dari janji temu.
3) Skenario pemesanan berlebih:
Slot harian: 40. Rata-rata tingkat ketidakdatangan: 25,3% Menghasilkan skenario pemesanan berlebih (konservatif / seimbang / agresif). Untuk setiap skenario: jumlah janji temu yang harus dibuat, perkiraan pasien masuk, kelebihan beban yang akan terjadi jika semua orang hadir, dan perkiraan waktu tunggu tambahan. Tampilkan rumus perhitungannya agar saya bisa memverifikasinya secara manual.
4) Draf pesan pengingat:
Tulis SMS pengingat yang sopan dan jelas (di bawah 160 karakter) untuk dikirimkan kepada kelompok berisiko tinggi. Memberikan cara mudah untuk membatalkan/menunda janji temu. Jangan menggunakan bahasa yang menuduh. Turki, formal tapi hangat.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Kurangi ketidakhadiran.
Permintaan ini bebas konteks: tidak jelas cabang mana, data mana, batasan mana; AI memberikan saran yang umum dan tidak bisa diterapkan.
Perintah yang kuat:
Terdapat 40 slot per hari di klinik rawat jalan dermatologi kami, dan rata-rata tingkat ketidakdatangan adalah 25%. Saya memiliki data janji temu anonim selama 6 bulan. Saya ingin mengurangi slot gratis sambil menjaga hak akses. Beri saya (1) aturan risiko 3-band, (2) intensitas pengingat yang sesuai untuk setiap band, (3) dampak yang diharapkan dari skenario pemesanan berlebih +6.
Pendekatan
slot kosong
akses pasien
Risiko etis
tidak melakukan apa pun
tinggi
netral
Tidak, tapi ada limbah
Pengingat tambahan untuk orang-orang yang berisiko
jatuh
Dilindungi/ditingkatkan
Tidak ada
Pemesanan berlebih sedang
turun secara nyata
Risiko ekor kecil
Rendah, harus diperhatikan
Tidak membuat janji untuk orang yang berisiko
jatuh
dilanggar
Tinggi — tidak mungkin
Kesalahan umum
- Mengira skor sebagai sarana pengecualian. Skor risikonya bukan untuk melenyapkan pasien, tetapi untuk menjangkaunya.
- Pemesanan berlebih yang ekstrim. Membesar-besarkan tingkat ketidakdatangan dan membuat terlalu banyak janji akan meningkatkan antrian dan keluhan.
- Salah mengira korelasi sebagai sebab akibat. Mengatakan "Selasa itu berisiko" tidak berarti melarang hari Selasa; Cari tahu alasan sebenarnya di baliknya.
- Keputusan dengan data sesi tunggal. Membuat aturan permanen berdasarkan data satu bulan adalah hal yang menyesatkan; Setidaknya diperlukan pola beberapa bulan.
- Melewati pemeriksaan keadilan. Pastikan untuk memastikan bahwa intervensi tersebut tidak mengecualikan kelompok yang kurang beruntung.
Tip: Selalu mulai pemesanan berlebih dengan langkah kecil (misalnya +2/+3) dan ikuti selama seminggu, lalu tingkatkan. Skenario AI adalah sebuah prediksi; Tingkat ketidakhadiran Anda yang sebenarnya di lapangan mengharuskan Anda memperbarui skenario.
Singkatnya
Ketidakhadiran adalah musuh diam dari kapasitas rawat jalan. AI adalah bantuan yang ampuh dalam mengekstraksi pola ketidakdatangan dari data historis yang dianonimkan dan mengelompokkan pasien ke dalam kelompok risiko dan membuat skenario pemesanan berlebih terlihat. Namun semua yang dihasilkan hanyalah perkiraan probabilitas. Skor risiko tidak pernah menjadi alat pengecualian; untuk pengingat dan fasilitasi yang melindungi akses. Pemesanan berlebih harus terjangkau dan terukur, serta diuji dalam langkah-langkah kecil. Bagan terakhir menjadi milik administrator, dengan mempertimbangkan keadilan dan hak pasien.
Tugas aplikasi
Dapatkan jumlah slot per hari dan rata-rata tingkat ketidakhadiran dari unit Anda (atau hipotetis). Mintalah AI untuk tiga skenario dengan template “Skenario pemesanan berlebih” di atas. Kemudian verifikasi rumusnya secara manual (misalnya 40 slot, 25% ketidakhadiran → diharapkan 30 ketidakhadiran; jika +6 menghasilkan 46 janji temu, diharapkan ~34-35 ketidakhadiran). Tulis skenario mana yang Anda pilih dan alasannya dalam 5 item; Tambahkan juga pemeriksaan keadilan.
daftar periksa
- [ ] Apakah saya sudah menganonimkan data (tanpa nama/ID/protokol)?
- [ ] Apakah saya menggunakan skor risiko untuk intervensi yang menjaga akses, bukan pengecualian?
- [ ] Apakah saya sudah memverifikasi skenario pemesanan berlebih secara manual dengan rumus?
- [ ] Sudahkah saya mulai melakukan pemesanan berlebih dalam langkah-langkah kecil dan menyiapkan rencana pemantauan?
- [ ] Apakah saya sudah melewati jadwal akhir melalui filter keadilan dan harus mendapat persetujuan manajer?