zisky:
- Schopnosť porozumieť konceptom časových radov, sezónnosti a trendu a používať umelú inteligenciu so správnymi otázkami a údajmi na predpovedanie dopytu pacientov
- Schopnosť interpretovať neistotu prognózy (interval spoľahlivosti, scenáre) a založiť plánovanie na rozsahu a nie na jedinom čísle
- Schopnosť rozlíšiť, že predikcia umelej inteligencie je založená na historických údajoch a že odborný úsudok prichádza do popredia v prípadoch prepuknutia, ako sú epidémie / katastrofy.
Najťažšia otázka pre správcu nemocnice sa týka budúcnosti: "Koľko pacientov príde budúci týždeň na pohotovosť? O koľko sa zvýši vyťaženosť ambulancií počas zimnej chrípkovej sezóny? Koľko personálu bude počas prázdnin postačovať?" Odpovede na tieto otázky sú nejasné, no nie úplne temné. Minulosť nesie stopy do budúcnosti. Prognóza dopytu je štúdia predpovedania budúceho pacienta/pracovnej záťaže na základe historických údajov. V tejto lekcii sa naučíte, ako používať umelú inteligenciu pri prognózovaní dopytu a – čo je rovnako dôležité – ako zvládať neistotu prognózy. Základné pravidlo: Predpovedanie AI je založené na minulých vzorcoch; Odborný posudok má prednosť v situáciách, akými sú epidémie, katastrofy a zmeny v legislatíve.
Tri zložky časových radov
Historické údaje o dopyte sa nazývajú časový rad – usporiadaný rad čísel meraných v špecifických intervaloch (denne, týždenne). Pre pochopenie časového radu je potrebné rozdeliť ho na tri časti. Trend, dlhodobé smerovanie: stúpa alebo klesá vám v priebehu rokov urgentný príjem? Sezónnosť, pravidelná opakujúca sa fluktuácia: v zime pribúdajú ochorenia dýchacích ciest, v lete pribúdajú úrazy/úrazy, cez víkendy sú ambulancie prázdne. Hluk/kolísanie sú nevysvetliteľné náhodné výkyvy. Dobrá predpoveď zachytáva trend a sezónnosť a nepreháňa hluk. AI vám pomôže urobiť toto oddelenie; Vašou úlohou je však posúdiť, čo je skutočný vzor a čo hluk.
Najkritickejším pojmom je neistota. Žiadny odhad nie je jediné definitívne číslo. Dobrý odhad udáva rozsah: "Na budúcu sobotu očakávame na pohotovosti 210 až 260 pacientov, pričom najpravdepodobnejšia hodnota je 235." Tento interval sa nazýva interval spoľahlivosti. Ak plánujete na základe rozsahu a nie jedného čísla, budete pripravení na nízke aj vysoké scenáre. Veriť v nepárne čísla je klasickou chybou príliš sebavedomých predpovedí.
Plánovanie rozstupov má praktickú logiku: v zdravotníctve nie sú žiadne dva aspekty chyby rovnako nákladné. Pri nedostatku personálu a veľkom dopyte hrozí čakanie, preplnenosť a bezpečnosť pacienta; Toto je ťažká cena. Keď je nadbytok zamestnancov a nízky dopyt, vznikajú nevyužité náklady; To je tiež nežiaduce, ale lepšie zvládnuteľné. Preto sa plánovanie v životne dôležitých jednotkách (pohotovosť, intenzívna starostlivosť) často vykonáva blízko hornej hranice rozsahu (vysoký scenár), ale s flexibilným plánom, ktorý môže presunúť nadbytočnú kapacitu na inú jednotku. To najcennejšie, čo vám predpoveď dáva, nie je presné číslo, ale schopnosť vidieť toto obojsmerné riziko a vybrať si informovaný nárazník.
Krok za krokom: Predpovedanie dopytu pomocou AI
- Zhromaždite dostatok historických údajov. Počet anonymných denných/týždenných žiadostí počas aspoň jedného celého roka, najlepšie 2 – 3 rokov, na zachytenie sezónnosti.
- Pridajte kontext. Označte známe vplyvy, ako sú sviatky, kampane, počasie, obdobia epidémie; V opačnom prípade si AI bude myslieť, že ide o šum.
- Rozložiť. Požiadajte AI, aby zhrnul trend, sezónnosť a neobvyklé skoky.
- Získajte intervalovú predpoveď. Požiadajte o predpovede s nízkym/pravdepodobným/vysokým scenárom, nie o jednotlivé čísla.
- Previesť na kapacitu. Preveďte odhadované personálne, lôžkové a materiálne potreby.
- Kontrola rozbitia. Ak je na obzore faktor, ktorý v minulosti neexistoval, napríklad epidémia, zmena legislatívy alebo otvorenie novej služby, manuálne korigujte predpoveď odborným úsudkom.
Upozornenie: Ak poviete AI „predpovedať budúci rok“ a neposkytnete mu údaje, dá vám vymyslené číslo. Predpoveď má zmysel iba na základe historických údajov, ktoré poskytnete.
tri mini prípady
Prípad 1 – Príprava na chrípkovú sezónu. Nemocnica poskytla YZ anonymné denné údaje o urgentnom príjme za 3 roky. YZ ukázal, že každý rok sa počet žiadostí zvýšil v priemere o 35 percent medzi polovicou decembra a februárom s vrcholom v 3. januárovom týždni. Vedenie plánovalo počas tohto obdobia ďalšie zmeny lekárov a sestier a zvýšilo zásoby vakcín proti chrípke a rýchlych testov. Tú zimu sa čakacie doby počas špičky týždňa výrazne znížili v porovnaní s predchádzajúcim rokom; pretože kapacita sa už stretla s preťažením.
Prípad 2 – Scenár namiesto intervalu. Obchodný manažér požiadal AI o jediné číslo pre svoju „naliehavú žiadosť budúcu sobotu“: 240. Potom sa spýtal znova s intervalom spoľahlivosti: 205–275. Manažér plánoval podľa 275 (vysoký scenár), ale pripravil aj flexibilný plán odchodu (presun nadbytočných pracovníkov na inú jednotku) podľa 205. Skutočných žiadostí bolo 262; Ak by sa spoliehal na jediné číslo, podplánoval by to o 22 pacientov. Práca v intervaloch ho chránila.
Prípad 3 – Breakout narúša predpoveď. V regióne došlo k nečakanej povodni. Predpoveď založená na historických údajoch hovorila „normálne“ pre daný týždeň; zatiaľ čo núdzové aplikácie sa zdvojnásobili. Predpoveď AI nevidela prerušenie, pretože takáto udalosť v minulosti neexistovala. Krízové oddelenie sa odklonilo od prognózovania a prešlo na sledovanie aplikácií v reálnom čase a hodinové aktualizácie. Ponaučenie: pri štrukturálnej ruptúre minulosť prestáva byť sprievodcom; odborné posúdenie a živé monitorovanie majú prednosť.
Štyri kopírovateľné šablóny
1) Dekompozícia časových radov:
Vaša úloha: asistent nemocničného dopytového analytika. Nižšie je uvedený anonymný, 3-ročný týždenný zoznam čísel núdzového príjmu. Úloha: (1) zhrňte všeobecný trend (zvýšenie/zníženie), (2) popíšte sezónny vzorec podľa mesiacov, (3) zvýraznite všetky neobvyklé skoky. Rozlišujte medzi tým, čo je skutočný vzor a čo môže byť náhodná fluktuácia. Pridávanie vymyslených čísel.
2) Predpoveď intervalu:
Na základe údajov uvedených vyššie vytvorte týždennú predpoveď núdzovej aplikácie na nasledujúce 4 týždne. NIE jedno číslo; Uveďte rozsah nízkych / najpravdepodobnejších / vysokých pre každý týždeň. Stručne vysvetlite, prečo je rozsah taký široký.
3) Premena na odhadovanú kapacitu:
Vysoký odhad scenára pre špičkový týždeň je 275 vstupov/deň. Priemerný pohotovostný lekár vidí ~ 35 pacientov za zmenu, zdravotná sestra ~ 25. Úloha: vypočítajte minimálny počet lekárov a sestier požadovaných vo vysokom scenári, ukážte vzorec. Uveďte, že ide o plánovací vstup a konečné rozhodnutie je na manažérovi.
4) Kontrolný zoznam upozornení na rozbitie:
Pripravte si kontrolný zoznam, v ktorom sa opýtam, či v nasledujúcom období NIE JE v historických údajoch faktor: epidémia, zmena legislatívy, otvorenie novej jednotky, regionálna udalosť, počasie/katastrofa. Ku každej položke pridajte poznámku: „Ak áno, ako mám manuálne opraviť predpoveď?“
Slabá výzva / Silná výzva
Slabá výzva:
Koľko pacientov príde budúci mesiac?
Žiadne údaje, žiadne jednotky, žiadna definícia obdobia; AI dokáže veci len vymýšľať.
Výkonná výzva:
Mám 3 roky anonymnej týždennej prihlášky do ambulancie (v prílohe). Viem, že v zimných mesiacoch sa záťaž zvyšuje. Poskytnite prognózu nízkeho/pravdepodobného/vysokého rozsahu na nasledujúcich 6 týždňov, opíšte sezónny vývoj podľa mesiacov a uveďte všetky skresľujúce faktory, ktoré môžu spôsobiť, že predpoveď nebude úplná alebo bude zavádzajúca.
koncepcie
čo tým myslíš?
Vplyv na plánovanie
trend
dlhodobé smerovanie
Trvalá investícia do kapacity
sezónnosť
Pravidelné opakovanie
Sezónny ďalší personál/zásoby
interval spoľahlivosti
Pásmo neistoty predpovede
Plán nízkeho a vysokého scenára
zlomenina
udalosť, ktorá sa v minulosti nestala
Prestaňte hádať, prepnite na živé sledovanie
Časté chyby
- Veriť v nepárne čísla. Odhad je rozsah; Plánovanie na základe jedného bodu je riskantné.
- Nedostatočné údaje. Sezónnosť nemožno zachytiť na údajoch kratších ako jeden rok.
- Neoznačenie kontextu. Ak nešpecifikujete sviatky a propagačné akcie, AI si ich pomýli s hlukom.
- Ignorovanie zlomenosti. Počas obdobia epidémie/katastrof sú údaje z minulosti zavádzajúce.
- Prediktívne rozhodnutie. Predpoveď je vstup; Personálne a rozpočtové rozhodnutia patria manažérovi.
Tip: Porovnajte svoju predpoveď so skutočným každý mesiac a zaznamenajte si, „koľko je zlacnené“. Táto spätná väzba zlepšuje vašu predpoveď aj údaje, ktoré poskytujete AI v priebehu času, a učí vás, ako veľmi dôverovať predikcii.
V súhrne
Predpovedanie dopytu vytvára most z minulých údajov do budúcnosti, ale tento most je neistý. Umelá inteligencia je silným pomocníkom pri rozdeľovaní časových radov na trend, sezónnosť a šum a pri vytváraní intervalových predpovedí. Plánovanie založte na intervale spoľahlivosti, nie na jednom čísle; Pripravte sa na nízky a vysoký scenár spoločne. A čo je najdôležitejšie: minulé údaje prestávajú byť vodítkom v časoch roztržiek, akými sú epidémie, katastrofy a zmeny v legislatíve; Tu je na prvom mieste odborný úsudok a monitorovanie v reálnom čase.
Aplikačná úloha
Ak máte aspoň rok anonymné týždenné referenčné údaje (ak nie, vygenerujte hypotetické), požiadajte AI o sezónny vzorec a 4-týždňovú intervalovú predpoveď so šablónami „Dekompozícia časových radov“ a „Intervalová prognóza“. Potom porovnajte najpravdepodobnejšie hodnoty so svojím hrubým priemerom. Napíšte do 5 položiek, ako by ste identifikovali faktor zlomu na obzore (napríklad otvorenie novej ambulancie) a manuálne opravte predpoveď.
kontrolný zoznam
- [ ] Použil som aspoň jeden rok anonymných údajov na zachytenie sezónnosti?
- [ ] Označil som kontexty, ako sú sviatky/kampane?
- [ ] Plánoval som s intervalom spoľahlivosti namiesto jedného čísla?
- [ ] Skontroloval som faktory zlomu na obzore?
- [ ] Beriem odhad ako vstup a rozhodnutie nechávam na manažéra?