Pelnas:
- Gebėjimas suprasti veiksnius, turinčius įtakos neatvykimo rodikliui, ir naudoti dirbtinį intelektą rizikos klasifikavimui ir priminimų juodraščiams kurti
- Galimybė planuoti ambulatorinės klinikos pajėgumus, laiko tarpsnių paskirstymą ir perpildymo logiką pagal scenarijų, naudojant dirbtinio intelekto palaikymą
- Galimybė apsaugoti, kad dirbtinio intelekto produkcija yra statistinis pasiūlymas ir kad galutinė diagrama priklauso vadovui, atsižvelgiant į pacientų prieigos teises ir sąžiningumą.
Vienas iš labiausiai varginančių poliklinikos valdymo nuostolių yra priėmimo laikas, kuris atrodo pilnas, bet lieka tuščias. Pacientas susitaria dėl susitikimo, bet neatvyksta; tas laiko tarpas (priežiūros laikas – gydytojo teisė apžiūrėti per tam tikrą laikotarpį) yra iššvaistomas. Tai vadinama neatvykimu sveikatos priežiūros valdyme. Valstybinėje ligoninėje ambulatorinio neatvykimo dažnis dažnai yra 20–30 procentų; Tai reiškia, kad vienas iš keturių susitikimų yra švaistomas. Tai ir gydytojų laiko švaistymas, ir kitų pacientų, kurie nori atvykti, bet neranda vietos, prieigos praradimas. Šiame skyriuje dirbtinį intelektą naudosime dviem užduotims: prognozuoti neatvykimo riziką ir sumaniai planuoti pajėgumus pagal šią prognozę. Tačiau nustatykime ribą nuo pat pradžių: AI sukuria tikimybės įvertinimą; Kuriam pacientui bus paskirtas priėmimas – vadovo sprendimas, atsižvelgiant į paciento teisę susipažinti ir sąžiningumą.
Kas lemia neatvykimą?
Elgesys nepasirodžius nėra atsitiktinis; Yra tam tikri modeliai. Tarptautiniai ir vietiniai tyrimai dažnai rodo šiuos veiksnius: kuo ilgesnis laukimo laikas nuo priėmimo iki apžiūros, tuo didesnis neatvykimo dažnis; labai anksti ryte arba vėlai vakare; nerodymo istorija (stipriausias prognozuotojas); oro sąlygos; paciento transportavimo atstumas; filialas (kai kuriuose filialuose lankomumas yra didelis dėl nuolatinio stebėjimo). AI neįsimena šių veiksnių po vieną; Ji ištraukia šablonus iš jūsų pateiktų istorinių duomenų. Tačiau būkite atsargūs: AI randa ryšį (koreliaciją), o ne priežastį (priežastinį ryšį). Sakymas: „Antradieniais nepasirodys didelis skaičius“ nereiškia, kad antradienis yra kaltas; Galbūt antradieniais veikia kitas veiksnys.
Kalbant apie pajėgumus, labai svarbios dvi sąvokos. Laiko tarpsnio paskirstymas rodo, kiek susitikimų suplanuojate kokiu paros metu. Per didelis rezervavimas reiškia, kad užsakoma šiek tiek daugiau nei talpa, siekiant kompensuoti tikėtiną neatvykimą, pvz., kai oro linijos perka orlaivius. Overbooking – ne azartas, tai – apskaičiuotas balansas: jei padarysi per mažai, liks tuščių vietų, jei padarysite per daug – visiems atvykus eilė ir laukimas sprogs. AI yra labai naudingas norint parodyti šią pusiausvyrą per scenarijus.
Žingsnis po žingsnio: nerodymas ir diagramų darbas su AI
- Paruoškite anoniminius duomenis. Nėra paciento vardo, ID, protokolo; tik anoniminiai laukai, tokie kaip „paskyrimo laikas, filialas, laukimo diena, ankstesnių neatvykimų skaičius, atėjo/nepasirodė“.
- Atimkite modelį. Paprašykite dirbtinio intelekto apibendrinti, kurie veiksniai eina kartu su nepasirodymu.
- Apibrėžkite rizikos grupę. Sugrupuoti pacientai kaip „didelė/vidutinė/maža“ neatvykimo rizika – valdomos grupės, o ne individualūs balai.
- Suderinkite intervenciją. Intensyvesnis priminimas (SMS + skambutis) didelės rizikos grupei, lankstus lizdas; Standartinis priminimas apie mažą riziką.
- Nustatykite per didelės rezervacijos scenarijų. Pateikite scenarijus apskaičiuoti, kiek dar susitikimų bus skirta, atsižvelgiant į numatomą neatvykimo rodiklį.
- Administracinis filtras. Sąžiningumo patikrinimas: jokia pacientų grupė nėra pašalinta iš prieigos; per didelis rezervavimas yra pagrįstas; Vadovas tvirtina galutinį tvarkaraštį.
Atsargiai: rizikos balas niekada nenaudojamas norint „surašyti susitikimą šiam pacientui“. Rezultatas skirtas tik sutrumpinti priminimą, palengvinti prieigą ir subalansuoti pajėgumus. Priešingu atveju tai yra paciento teisių pažeidimas.
trys mini dėklai
1 atvejis – priminimo intensyvumas. Pulmonologijos poliklinikoje neatvyko 28 proc. Kokybės komanda YZ pateikė anoniminius 6 mėnesių duomenis ir nustatė rizikos grupę: Pacientai, kurie laukė ilgiau nei 14 dienų ir prieš tai bent kartą neatvyko. Šiai grupei buvo pritaikyta dviejų etapų SMS + skambutis, likus 3 dienoms ir 1 dienai iki apžiūros. Po trijų mėnesių neatvykimų skaičius šioje grupėje sumažėjo nuo 28 procentų iki 17 procentų; Bendrosios poliklinikos neatvykimo rodiklis sumažėjo iki 21 proc. Sumažėjo laisvų vietų, o laukiančiųjų sąrašas sutrumpėjo.
2 atvejis – vidutinis per didelis rezervavimas. Vienoje dermatologijos klinikoje buvo 40 vietų per dieną, o vidutinis neatvykimo procentas buvo 25 procentai (t. y. ~10 laisvų). Vadybininkas paprašė AI pateikti per didelės rezervacijos scenarijų. AI davė tris scenarijus: +4 susitikimas (maža rizika, nedidelė eilės tikimybė), +8 (subalansuota), +12 (agresyvus, rimtas laukimas, jei visi pasirodys). Vadovas pradėjo +6; žiūrėjo mėnesį. Nemokami laiko tarpsniai sumažėjo nuo 25 procentų iki 9 procentų, o vidutinis papildomas laukimas išaugo vos 7 minutėmis. Sprendimas buvo žmogaus; AI ką tik padarė matomas parinktis.
3 atvejis – grąžinimas iš netinkamo naudojimo. Viename skyriuje darbuotojas norėjo interpretuoti AI rizikos balą kaip „didelės rizikos žmonėms neturėtų būti skiriamas susitikimas“. Kokybės pareigūnas tam prieštaravo: tai iš sistemos pašalintų nepalankias sąlygas turinčius (sunkiai pasiekiamus, mažas pajamas gaunančius) pacientus, o tai būtų ir etikos, ir teisinio pobūdžio pažeidimas. Balas buvo naudojamas ne pašalinimui, o lanksčiam susitikimui ir papildomiems priminimams, dėl kurių buvo lengviau pasiekti tą pacientą.
Keturi kopijuojami šablonai
1) Neatsižvelgiant į faktorių analizę:
Jūsų vaidmuo: ambulatorinių operacijų analitiko asistentas. Žemiau pateikiami anoniminiai susitikimo duomenys (be vardo / tapatybės): susitikimo laikas, filialas, laukimo diena, ankstesni neatvykimai, rezultatai (rodoma / neatvyko). Užduotis: (1) išvardykite 5 veiksnius, kurie labiausiai pasireiškia kartu su neatvykimu, (2) parašykite kiekvieno sakinio paaiškinimą, (3) nurodykite, kad tai yra koreliacija, nepretenduojant į priežastinį ryšį. Nesugalvokite skaičių, kurių duomenų nepateikiau.
2) Rizikos juostos ir intervencijos atitikimas:
Pasiūlykite paprastas, skaidrias taisykles (ne juodąsias dėžes, paaiškinamus slenksčius), pagal kurias pacientai bus suskirstyti į 3 didelės/vidutinės/mažos nesėkmės rizikos grupes, remiantis anksčiau pateiktais modeliais. Kiekvienai juostai pasiūlykite priminimą/palengvinamąją intervenciją, kuri NEREIKIA prieiti. Joks pasiūlymas neturėtų pašalinti paciento iš susitikimo.
3) Užsakymo viršijimo scenarijus:
Dienos laiko tarpsnis: 40. Vidutinis neatvykimo rodiklis: 25,3 % Sukurkite per didelės rezervacijos scenarijų (konservatyvus / subalansuotas / agresyvus). Kiekvienam scenarijui: bendras susitikimų skaičius, numatomi atvykstantys pacientai, perkrova, kuri atsiras, jei visi pasirodys, ir numatomas papildomas laukimas. Parodykite skaičiavimo formules, kad galėčiau jas patikrinti rankiniu būdu.
4) Priminimo pranešimo juodraštis:
Parašykite mandagų ir aiškų SMS priminimą (mažiau nei 160 simbolių), kuris bus išsiųstas didelės rizikos grupei. Pateikite paprastą būdą atšaukti / atidėti susitikimą. Nevartokite kaltinančios kalbos. Turkiška, formali, bet šilta.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Sumažinti nepasirodymą.
Ši užklausa yra be konteksto: neaišku, kuri šaka, kokie duomenys, koks apribojimas; AI teikia bendrų, neįgyvendinamų patarimų.
Galingas raginimas:
Mūsų dermatologijos poliklinikoje per dieną yra 40 vietų, o vidutinis neatvykimo procentas yra 25%. Turiu 6 mėnesių anoniminius susitikimų duomenis. Noriu sumažinti laisvą lizdą išsaugant prieigos teisę. Pateikite man (1) 3 juostų rizikos taisyklę, (2) atitinkamą priminimo intensyvumą kiekvienai juostai, (3) numatomą +6 perviršio scenarijaus poveikį.
Prieiga
tuščias lizdas
paciento prieiga
Etinė rizika
nieko nedaryti
aukštas
neutralus
Ne, bet yra atliekų
Papildomas priminimas rizikingiems žmonėms
krinta
Apsaugotas/padidintas
Nėra
Vidutinis rezervavimas
pastebimai krenta
Nedidelė uodegos rizika
Žemas, reikia žiūrėti
Nesurašyti susitikimo rizikingiems žmonėms
krinta
yra pažeidžiamas
Aukštas – neįmanomas
Dažnos klaidos
- Klaidingas balas kaip pašalinimo priemonė. Rizikos balas yra ne pašalinti pacientą, o jį pasiekti.
- Labai didelis rezervavimas. Perdėjus neatvykimo rodiklį ir suplanavus per daug susitikimų, padaugės eilės ir skundų.
- Klaidinga koreliacija ir priežastinis ryšys. Sakyti „antradienis rizikingas“ nereiškia uždrausti antradienį; Išsiaiškinkite tikrąją to priežastį.
- Sprendimas naudojant vienos sesijos duomenis. Nuolatinių taisyklių nustatymas remiantis vieno mėnesio duomenimis yra klaidinantis; Reikalingi bent kelių mėnesių modeliai.
- Apeinant teisingumo patikrinimą. Būtinai patikrinkite, ar intervencija neapima nepalankioje padėtyje esančių grupių.
Patarimas: visada pradėkite rezervuoti per daug mažu žingsniu (pvz., +2/+3) ir laikykitės jo savaitę, tada padidinkite. AI scenarijus yra numatymas; Jūsų faktinis nepasirodymo rodiklis lauke reikalauja, kad atnaujintumėte scenarijų.
Apibendrinant
Neatvykimas yra tylus ambulatorinio pajėgumo priešas. AI yra galinga pagalba, padedanti iš istorinių anoniminių duomenų išgauti nepasirodymo modelius ir suskirstyti pacientus į rizikos grupes bei padaryti matomus perteklinio rezervavimo scenarijus. Bet viskas, kas pagaminta, yra tikimybės įvertinimas. Rizikos balas niekada nėra pašalinimo įrankis; priminimui ir palengvinimui, apsaugančiam prieigą. Per didelis rezervavimas turėtų būti prieinamas ir išmatuotas bei išbandytas mažais žingsneliais. Galutinė lentelė priklauso administratoriui, atsižvelgiant į sąžiningumą ir paciento teises.
Taikymo užduotis
Gaukite laiko tarpsnių skaičių per dieną ir vidutinį nepasirodymo rodiklį iš savo įrenginio (arba hipotetinio). Paprašykite dirbtinio intelekto trijų scenarijų naudodami anksčiau pateiktą šabloną „Perviršinio rezervavimo scenarijus“. Tada patikrinkite formules rankiniu būdu (pvz., 40 laikotarpių, 25 % neatvykimų → tikimasi 30 neatvykimų; jei +6 suteikia 46 susitikimus, tikimasi ~34–35 neatvykimų). 5 punktuose parašykite, kurį scenarijų pasirinkote ir kodėl; Taip pat pridėkite sąžiningumo patikrinimą.
kontrolinis sąrašas
- [ ] Ar anonimizuojau duomenis (be vardo / ID / protokolo)?
- [ ] Ar rizikos balą naudojau prieigos išsaugojimo intervencijai, o ne pašalinimui?
- [ ] Ar neautomatiškai patikrinau perpildymo scenarijų naudodamas formulę?
- [ ] Ar aš pradėjau per daug rezervuoti mažais žingsneliais ir susidariau stebėjimo planą?
- [ ] Ar aš perėjau galutinį tvarkaraštį per sąžiningumo filtrą ir jį patvirtinau vadovui?