Keuntungan:
- Keupayaan untuk memahami faktor yang mempengaruhi kadar tidak hadir dan menggunakan kecerdasan buatan untuk mencipta klasifikasi risiko dan draf peringatan
- Keupayaan untuk merancang kapasiti klinik pesakit luar, pengedaran slot dan logik tempahan lebihan berdasarkan senario dengan sokongan kecerdasan buatan
- Mampu melindungi bahawa output kecerdasan buatan adalah cadangan statistik dan carta terakhir adalah milik pengurus, dengan mengambil kira hak akses dan keadilan pesakit.
Salah satu kerugian pengurusan klinik pesakit luar yang paling mengecewakan ialah masa temujanji yang kelihatan penuh tetapi masih kosong. Pesakit membuat temu janji tetapi tidak muncul; slot itu (slot janji temu — hak doktor untuk memeriksa dalam tempoh masa tertentu) dibazirkan. Ini dipanggil tidak hadir dalam pengurusan penjagaan kesihatan. Di hospital awam, kadar tidak hadir pesakit luar selalunya berada dalam julat 20-30 peratus; Ini bermakna satu daripada setiap empat pelantikan adalah sia-sia. Ini adalah pembaziran masa doktor dan kehilangan akses untuk pesakit lain yang ingin datang tetapi tidak dapat mencari tempat. Dalam unit ini, kami akan menggunakan AI untuk dua kerja: meramalkan risiko tidak hadir dan menjadualkan kapasiti secara bijak berdasarkan ramalan ini. Tetapi mari kita tetapkan had dari awal: AI menghasilkan anggaran kebarangkalian; Pesakit mana yang akan diberi temu janji adalah keputusan pengurus, dengan mengambil kira hak akses dan keadilan pesakit.
Apakah yang menentukan tidak hadir?
Tingkah laku tidak hadir bukan sembarangan; Terdapat corak tertentu. Kajian antarabangsa dan tempatan kerap menunjukkan faktor berikut: semakin lama masa menunggu antara temu janji dan peperiksaan, semakin besar kejadian tidak hadir; sangat awal pagi atau lewat petang; sejarah tidak hadir (peramal terkuat); keadaan cuaca; jarak pengangkutan pesakit; cawangan (di sesetengah cawangan, kadar kehadiran adalah tinggi disebabkan oleh susulan kronik). AI tidak menghafal faktor-faktor ini satu demi satu; Ia mengekstrak corak daripada data sejarah yang anda berikan. Tetapi berhati-hati: AI mencari hubungan (korelasi), bukan sebab (sebab). Mengatakan "Tidak hadir pada hari Selasa adalah tinggi" tidak bermakna Selasa bersalah; Mungkin faktor lain sedang bermain pada hari Selasa.
Dari segi kapasiti, dua konsep adalah kritikal. Spread slot ialah bilangan janji temu yang anda buat pada masa hari itu. Lebihan tempahan adalah tempahan lebih sedikit daripada kapasiti untuk mengimbangi jangkaan ketidakhadiran — seperti apabila syarikat penerbangan menjual terlalu banyak pesawat. Tempahan berlebihan bukan satu perjudian, ia adalah baki yang dikira: jika anda melakukan terlalu sedikit, akan ada slot kosong, jika anda melakukan terlalu banyak, giliran dan menunggu akan meletup apabila semua orang tiba. AI sangat berguna dalam menunjukkan keseimbangan ini melalui senario.
Langkah demi langkah: tidak hadir dan carta berfungsi dengan AI
- Sediakan data tanpa nama. Tiada nama pesakit, ID, protokol; hanya medan tanpa nama seperti "masa temu janji, cawangan, hari menunggu, bilangan tidak hadir yang lalu, datang/tidak muncul".
- Kurangkan corak. Minta AI untuk meringkaskan faktor mana yang seiring dengan tidak hadir.
- Tentukan jalur risiko. Pesakit kumpulan sebagai risiko tidak menunjukkan "tinggi/sederhana/rendah" — kumpulan yang boleh diurus, bukan skor individu.
- Padankan intervensi. Peringatan yang lebih sengit (SMS + panggilan) kepada kumpulan berisiko tinggi, slot fleksibel; Peringatan standard kepada risiko rendah.
- Sediakan senario lebihan tempahan. Sediakan senario mengira bilangan lagi temu janji yang akan dibuat berdasarkan kadar tidak hadir yang dijangkakan.
- Penapis pentadbiran. Pemeriksaan kesaksamaan: tiada kumpulan pesakit dikecualikan daripada akses; lebihan tempahan adalah munasabah; Pengurus meluluskan jadual akhir.
Awas: Skor risiko tidak pernah digunakan untuk "membuat temu janji untuk pesakit ini". Skor hanya untuk memendekkan peringatan, memudahkan akses dan mengimbangi kapasiti. Jika tidak, ia adalah pelanggaran hak pesakit.
tiga kes mini
Kes 1 — Mengingatkan intensiti. Di klinik pesakit luar pulmonologi, kadar tidak hadir ialah 28 peratus. Pasukan kualiti memberikan data 6 bulan tanpa nama kepada YZ dan menentukan kumpulan risiko: Pesakit yang menunggu lebih lama daripada 14 hari dan tidak datang sekurang-kurangnya sekali sebelum ini. SMS + panggilan dua peringkat telah digunakan untuk kumpulan ini, 3 hari dan 1 hari sebelum peperiksaan. Selepas tiga bulan, tidak hadir dalam kumpulan ini menurun daripada 28 peratus kepada 17 peratus; Kadar ketidakhadiran klinik pesakit luar am menurun kepada 21 peratus. Slot kosong telah berkurangan dan senarai menunggu telah dipendekkan.
Kes 2 — Tempahan berlebihan sederhana. Satu klinik dermatologi mempunyai 40 slot setiap hari, dengan purata kadar tidak hadir sebanyak 25 peratus (iaitu ~10 kekosongan). Pengurus meminta AI untuk senario lebihan tempahan. AI memberikan tiga senario: +4 pelantikan (risiko rendah, kebarangkalian baris gilir sedikit), +8 (seimbang), +12 (agresif, menunggu serius jika semua orang muncul). Pengurus bermula dengan +6; ditonton selama sebulan. Slot percuma turun daripada 25 peratus kepada 9 peratus, manakala purata menunggu tambahan meningkat hanya 7 minit. Keputusan adalah di tangan lelaki; AI hanya membuat pilihan kelihatan.
Kes 3 — Kembali daripada penyalahgunaan. Dalam satu unit, seorang pekerja ingin mentafsir skor risiko AI sebagai "orang berisiko tinggi tidak boleh diberi temu janji". Pegawai kualiti membantah perkara ini: ini akan mengecualikan pesakit yang kurang bernasib baik (sukar dihubungi, berpendapatan rendah) daripada sistem dan merupakan pelanggaran etika dan undang-undang. Skor tidak digunakan untuk pengecualian, tetapi untuk pelantikan fleksibel dan peringatan tambahan yang memudahkan untuk menghubungi pesakit itu.
Empat templat yang boleh disalin
1) Analisis faktor tidak tunjuk:
Peranan anda: pembantu bersekutu kepada penganalisis operasi pesakit luar. Di bawah ialah data janji temu tanpa nama (tiada nama/identiti): masa janji temu, cawangan, hari menunggu, ketidakhadiran sebelumnya, keputusan (ditunjukkan/tidak ditunjukkan). Tugasan: (1) senaraikan 5 faktor yang paling kuat berlaku bersama dengan tidak hadir, (2) tulis penjelasan satu ayat untuk setiap satu, (3) nyatakan bahawa ini adalah korelasi, bukan menuntut sebab. Jangan buat sebarang nombor yang saya tidak berikan datanya.
2) Padanan jalur risiko dan intervensi:
Cadangkan peraturan mudah dan telus (bukan kotak hitam, ambang yang boleh dijelaskan) yang akan membahagikan pesakit kepada 3 kumpulan risiko kegagalan tinggi/sederhana/rendah berdasarkan corak di atas. Untuk setiap kumpulan, cadangkan peringatan/intervensi pemudahan yang MENGHALANG akses. Tiada cadangan harus mengecualikan pesakit daripada temu janji.
3) Senario lebihan tempahan:
Slot harian: 40. Purata kadar tidak hadir: 25.3% Jana senario lebihan tempahan (konservatif / seimbang / agresif). Untuk setiap senario: jumlah janji temu yang akan dibuat, jangkaan pesakit masuk, beban berlebihan yang akan berlaku jika semua orang muncul dan anggaran menunggu tambahan. Tunjukkan formula pengiraan supaya saya boleh mengesahkannya secara manual.
4) Draf mesej peringatan:
Tulis peringatan SMS yang sopan dan jelas (di bawah 160 aksara) untuk dihantar kepada kumpulan berisiko tinggi. Menyediakan cara mudah untuk membatalkan/menangguhkan temujanji. Jangan gunakan bahasa menuduh. Turki, formal tetapi hangat.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Kurangkan tidak hadir.
Permintaan ini bebas konteks: tidak jelas cawangan mana, data mana, kekangan mana; AI menyediakan nasihat generik yang tidak boleh dilaksanakan.
Gesaan kuat:
Terdapat 40 slot setiap hari di klinik pesakit luar dermatologi kami, dan kadar purata tidak hadir ialah 25%. Saya mempunyai 6 bulan data janji temu tanpa nama. Saya mahu mengurangkan slot percuma sambil mengekalkan akses yang betul. Beri saya (1) peraturan risiko 3 jalur, (2) keamatan peringatan yang sesuai untuk setiap jalur, (3) kesan yang dijangkakan daripada senario tempahan terlebih +6.
Pendekatan
slot kosong
akses pesakit
Risiko etika
buat apa-apa
tinggi
neutral
Tidak tetapi ada pembaziran
Peringatan tambahan untuk orang berisiko
jatuh
Dilindungi/ditambah
tiada
Tempahan lebih sederhana
turun dengan ketara
Risiko ekor sedikit
Rendah, mesti menonton
Tidak membuat temu janji untuk orang yang berisiko
jatuh
dilanggar
Tinggi - tidak mungkin
Kesilapan biasa
- Menganggap skor sebagai cara pengecualian. Skor risiko bukan untuk menghapuskan pesakit, tetapi untuk mencapainya.
- Tempahan berlebihan yang melampau. Membesar-besarkan kadar tidak hadir dan membuat terlalu banyak temu janji akan meningkatkan giliran dan aduan.
- Tersalah korelasi untuk sebab musabab. Mengatakan "Selasa berisiko" tidak bermakna melarang hari Selasa; Ketahui sebab sebenar di sebaliknya.
- Keputusan dengan data sesi tunggal. Membuat peraturan tetap berdasarkan data satu bulan adalah mengelirukan; Sekurang-kurangnya beberapa bulan corak diperlukan.
- Melangkaui pemeriksaan keadilan. Pastikan anda menyemak bahawa campur tangan tidak mengecualikan kumpulan yang kurang bernasib baik.
Petua: Sentiasa mulakan terlebih tempahan dengan langkah kecil (cth. +2/+3) dan ikutinya selama seminggu, kemudian tingkatkan. Senario AI adalah ramalan; Kadar tidak hadir sebenar anda dalam medan memerlukan anda mengemas kini senario.
Secara ringkasnya
Tidak hadir adalah musuh senyap kapasiti pesakit luar. AI ialah bantuan yang hebat dalam mengekstrak corak tidak hadir daripada data tanpa nama sejarah dan menyusun pesakit ke dalam kumpulan risiko dan menjadikan senario lebihan tempahan kelihatan. Tetapi semua yang dihasilkan adalah anggaran kebarangkalian. Skor risiko tidak sekali-kali menjadi alat untuk pengecualian; untuk peringatan dan kemudahan yang melindungi akses. Tempahan berlebihan hendaklah berpatutan dan diukur, dan diuji dalam langkah-langkah kecil. Carta akhir adalah milik pentadbir, dengan mengambil kira keadilan dan hak pesakit.
Tugasan permohonan
Dapatkan bilangan slot setiap hari dan purata kadar tidak hadir daripada unit anda (atau hipotesis). Minta AI untuk tiga senario dengan templat "Senario Terlebih Tempahan" di atas. Kemudian sahkan formula secara manual (cth. 40 slot, 25% tidak hadir → dijangka 30 tidak hadir; jika +6 memberikan 46 janji temu, dijangka ~34-35 tidak hadir). Tulis senario yang anda pilih dan mengapa dalam 5 item; Tambah semakan keadilan juga.
senarai semak
- [ ] Adakah saya telah menamakan data (tiada nama/ID/protokol)?
- [ ] Adakah saya menggunakan skor risiko untuk campur tangan memelihara akses, bukan pengecualian?
- [ ] Adakah saya telah mengesahkan senario lebihan tempahan secara manual dengan formula?
- [ ] Adakah saya telah mula membuat tempahan lebihan dalam langkah kecil dan menyediakan pelan pemantauan?
- [ ] Adakah saya telah melepasi jadual akhir melalui penapisan keadilan dan tertakluk kepada kelulusan pengurus?