یادگیری ماشین SUNY در برنامه ریزی سودهای کلانی می برد


دانشگاه پزشکی SUNY Upstate در سیراکیوز ، نیویورک ، 35 اتاق عمل در بسیاری از مکان ها ، از جمله امکانات دانشگاهی و اجتماعی دارد. مانند بیشتر بخشهای سنتی بعد از عمل ، با سه مشکل اساسی روبرو است.

مشکل

اول ، استفاده کم از OR با وجود تقاضای زمان. SUNY Upstate به اهداف استفاده مورد نظر دست پیدا نمی کند و داده های معتبری برای روسای ادارات و دولت برای انجام اقدامات صحیح برای بهبود ندارد. در همان زمان ، جراحان و بخشهایی بودند که می خواستند دسترسی بیشتری به زمان OR داشته باشند.

HIMSS20 دیجیتال

در صورت تقاضا ، کسب اعتبار ، یافتن محصولات و راه حل ها را بیاموزید. شروع کنید >>

دوم ، استاندارد سازی تصمیم گیری در کل سیستم بر اساس داده های عینی. سازمان ارائه دهنده باید تصمیم گیری را در زمینه های کلیدی – مسدود کردن سیاست تخصیص زمان ، مسدود کردن زمان انتشار ، زمینه های بهبود عملکرد – در تنظیمات دانشگاهی و جامعه برای اطمینان از بهترین شیوه ها و اهداف مشترک ادغام کند. سطح بالایی از دید را در تصمیم گیری حفظ می کند.

تصمیمات غالباً به دلیل فقدان داده های عینی مورد س questionال قرار می گرفتند ، که توسط ذینفعان مختلف به وضوح تعریف و درک شده بود.

و سوم ، قابل مشاهده بودن شاخص های عملکردی که مهم هستند. SUNY Upstate منابع مختلفی از گزارش داشت که با یکدیگر در تضاد بودند و باعث ایجاد بی اعتمادی به داده های ارائه شده در جلسات عملیاتی و جلسات کمیته می شد.

پیشنهاد

برای حل مشکلات خود ، دانشگاه پزشکی SUNY Upstate به LeanTaaS متوسل شد ، نرم افزاری که ترکیبی از اصول ناب ، تجزیه و تحلیل پیش بینی و یادگیری ماشین برای تغییر کار بیمارستان و مرکز تزریق است.

دکتر ویلیام مارکس ، مدیر پزشکی خدمات پس از جراحی در دانشگاه پزشکی SUNY Upstate ، گفت: فناوری LeanTaaS ، iQueue برای اتاق های عمل ، چندین نتیجه جذاب را نوید می دهد.

مارکس گفت: “فناوری LeanTaaS پیش بینی می کند که چه زمان بلوکها مورد کم استفاده قرار می گیرند و به مطب جراحان اجازه می دهد آنها را زودتر از موعد مقرر برای رهاسازی خودکار آزاد کنند ، بنابراین می توان یک استخر بزرگ از زمان باز اشتراکی ایجاد کرد.” “همانطور که OpenTable رزرو میزهای رستوران را آسان می کند ، ابزار آنها دیدن یک OR یا باز در هر زمان و هر مکان و درخواست آن را آسان می کند.”

این جنبه از این ابزار به SUNY در انجام موارد بیشتر کمک می کند ، بنابراین سه شاخص کلیدی را بهبود می بخشد: استفاده از بهترین زمان ، استفاده از اتاق کارمندان و حجم پرونده ها.

“در دسترس بودن و شفافیت داده ها برای همه کسانی که در دستیابی به اهداف ما نقش دارند ، در تلاش های ما برای همکاری در سیاستگذاری و اتخاذ نقش اساسی دارد.”

دکتر ویلیام مارکس ، دانشگاه پزشکی SUNY Upstate

شفافیت نتیجه وعده داده شده جذاب دیگری برای مارکس بود.

وی توضیح داد: “این ابزار وب تحت تلفن همراه و ابری را ارائه می دهد که معیارهای مناسب را برای کاربر مناسب در صورت تقاضا نشان می دهد.” “این عدم شفافیت داده ها بین جراحان و جراحان را کاهش می دهد ، و همچنین یک منبع حقیقت برای از بین بردن ناسازگاری در گزارش ها از منابع رقابتی اطلاعات ایجاد می کند. شفافیت بهترین ویژگی بود زیرا ما این محصول را به کارمندان مدیریت و جراحی خود معرفی کردیم. “

جنبه دیگری که وی دوست دارد چیزی است که فروشنده آن را “کاربرد” می نامد.

وی گفت: “این ابزارها قول دسترسی مستقیم به داده های فعلی را برای رئیس گروه های دانشگاه علوم پزشکی SUNY Upstate می دهند تا بتوانیم رفتارهای مسئولیت پذیرانه ای داشته باشیم ، موارد مهم را بسنجیم و تصمیم بگیریم ، نه فقط در مورد اعداد بحث كنیم.” یکی از معیارهای خاص همان چیزی است که آنها “زمان جمع” می نامند ، که بسیار بیشتر از “استفاده از بلوک” قابل استفاده است ، معیار سنتی که تمام IL ها برای بلوک های اندازه مناسب استفاده می شود ، که بسیار کمتر کاربرد دارد. و تحت حفاظت است. “

مارکس همچنین به بهداشت داده علاقه داشت.

“در طول سالها ، ما می دانیم که تصمیماتی اتخاذ کرده ایم و از منطقی در EHR استفاده کرده ایم که دارای خطاهایی مانند تنظیم زمانهای بلوک همپوشانی تعیین شده به جراحان مختلف است. ما فقط از نحوه شناسایی آنها به طور منظم مطمئن نبودیم و روند استقرار LeanTaaS قول داد که آنها را برطرف کند. “

دیدار با چالش

iQueue در ژوئیه سال 2020 راه اندازی شد و توسط برنامه ریزی OR ، کلینیک های برنامه ریزی ، صندلی های جراحی و خود جراحان در امکانات SUNY Upstate استفاده می شود. این به راحتی با Epic EHR سازمان ادغام می شود و افزونه ای مبتنی بر ابر را فراهم می کند که ارائه دهنده به آن در هر مرورگری اعم از تلفن همراه یا وب دسترسی دارد.

مارکس گفت: “ما هر شب از انبار داده های خود iQueue خوراک و یک منبع تغذیه در زمان واقعی در HL7 ارسال می کنیم ، بنابراین ادغام نسبتاً آسان است.” “IQueue چندین ابزار قدرتمند را با استفاده از این داده ها در زمان واقعی فراهم می کند.”

یکی از این ابزارها OpenTable برای Open OR Time است. این در واقع مجموعه ای از ابزارها است که ساده می کند چگونه OR می تواند زمان باز را تبلیغ کند ، کلینیک ها را قادر می سازد و زمان را قبل از انتشار خودکار آزاد می کنند و در صورت لزوم 24/7 ساعت به آن نیاز دارند. این امر منجر به آنچه مارکس “ذهنیت فراوانی” نامید بجای “کمبود” شد ، جایی که همه احساس می کردند برای همان زمان محدود OR در حال رقابت هستند.

ابزار دیگر تجزیه و تحلیل درخواستی است.

مارکس توضیح داد: “یک مجموعه جامع از شاخص های به روز شده روزانه وجود دارد که به ما کمک می کند تا بیش از دوازده شاخص قدرتمند را بررسی کنیم – رتبه بندی استفاده ، میزان ، روند ، فرصت های بهبود سرعت کاهش سرعت و زمان تغییر”. “این ابزار امکان به اشتراک گذاری بسیار آسان بین دانشگاه ها ، بهبود شفافیت و قابلیت اطمینان داده ها در همه ذینفعان را فراهم می کند.”

جراحان متون و پیام های هفتگی شخصی را دریافت می کنند که برای به روز بودن با ارائه خود ارسال می شوند. SUNY Upstate توانست پرونده ها را از یک دانشگاه به دانشگاه دیگر منتقل کند و استفاده از سایر موارد را بهبود بخشد. وی همچنین دید که چگونه بعضی از جراحان در همان روز بلوک های تکراری داشتند. تجزیه و تحلیل درخواستی به طراحی مجدد الگوهای برنامه ریزی بلوک برای مطابقت با در دسترس بودن جراح و OR کمک کرده است.

مارکس گفت ، بنابراین مسئولیت مبتنی بر داده ها وجود دارد.

ما توانستیم روش جدیدی در مورد چگونگی اندازه گیری زمان استفاده از زمان بلوک و رفتارهای مسئولانه – “زمان جمع آوری” اتخاذ کنیم: این امر باعث شد که مکالمات در نهادهای تصمیم گیرنده ما مانند کمیسیون OR بسیار مبتنی بر داده و قابل استفاده برای عمل ، “او گفت. “پذیرش و تعهد شدیدی از طرف مدیریت وجود دارد که همچنان در همه سطوح گسترش یافته است: مطب های تجاری ، جراحان و برنامه های MSG.”

وی افزود که با ایجاد یک همکاری قوی بین SUNY Leadership و تیم LeanTasS ، SUNY Upstate رشد فعال مداوم و تعامل مشتری را شاهد بوده است.

مارکس گفت: “ما اکنون یک تیم Tiger در دانشگاه پزشکی SUNY Upstate داریم که متشکل از گروههای اصلی ذینفعان است و با تکیه بر iQueue داده های زمان واقعی را برای ارزیابی پیشرفت و پیشرفت عملکرد در اختیار تیم قرار می دهد.” “در دسترس بودن و شفافیت داده ها برای همه کسانی که در دستیابی به اهداف ما نقش دارند ، در تلاش ما برای همکاری و توسعه سیاست ها بسیار مهم است.”

نتایج

فقط در طی چند ماه (ابزارهایی که در اوایل ژوئیه به بازار عرضه شدند) ، SUNY Upstate توانست موفقیت چشمگیری را کسب کند. نتایج اصلی به دست آمده با iQueue عبارتند از:

  • حجم قابل توجهی بیشتر از موارد را در ساعات کار جذب می کند. مارکس توضیح داد: “ما شاهد افزایش 3.4 درصدی در حجم هفتگی موارد انجام شده در ظرفیت فعلی و در ساعات کار بوده ایم.” “این برای هر سیستمی بسیار مهم است ، زیرا حجم OR یک عامل اصلی برای عملکرد بیمارستان است.”
  • استفاده از دقیقه OR را در ساعات کاری افزایش می دهد. بر این اساس ، SUNY Upstate 5.5٪ افزایش در تعداد OR دقیقه استفاده شده در ساعات کاری کسب کرد. از آنجا که ساعات کار زمانی است که OR ها کارمند دارند ، این بدان معناست که سازمان به جای اینکه در شب تجارت کند ، از هزینه های ثابت و متغیر خود بهتر استفاده می کند. از آنجا که هزینه ها ثابت است ، بهبود استفاده از OR به کاهش زمان غیرمولد کمک کرده است.
  • استفاده را در همه جا افزایش دهید. SUNY Upstate تأثیر مثبتی بر شاخص های کلیدی عملکرد ، از جمله کلاس اول استفاده از اتاق و استفاده از اتاق کارکنان ، به ترتیب با بهبود 2٪ و 1٪ در کمتر از 3 ماه دیده است.
  • افزایش میزان انتشار. قبل از iQueue ، دفاتر به طور متوسط ​​دو روز قبل از انتشار خودکار EHR زمان را آزاد می کردند. با استفاده از iQueue ، سازمان زمان انتشار بلوک خود را به پنج روز افزایش داد ، و انتشار بلوک در واقع به 12 روز قبل از انتشار خودکار در سیستم مراقبت های بهداشتی افزایش یافت. مارکس گفت ، این بسیار مهم است ، زیرا دفاتر کار که به زمان نیاز دارند اکنون باند های بیشتری برای برنامه ریزی موارد و دسترسی بیماران به OR و نه تکمیل موارد دارند.
  • بهداشت داده / EHR. مارکس خاطرنشان کرد ، افزایش دید داده های ذخیره شده در EHR منجر به بهبود بهداشت EHR می شود که یک مزیت غیر منتظره بود.

“در نتیجه همه اینها ، ما توانسته ایم در سراسر سیستم برای اتخاذ یک سیاست بلوک در کل سیستم با اهداف قابل انعطاف با هم کار کنیم: هدف ما بهبود استفاده از بلوک ها از حدود 50٪ به 70٪ تا 1 ژانویه 2021 است و ما در مسیر درست هستیم. برای رسیدن به آنجا ، “او گفت. “این یک گام بزرگ به جلو برای ما خواهد بود.”

نکاتی برای دیگران

مارکس برای همتایان خود که ممکن است در حال کاوش در این نوع فن آوری باشند ، سه نکته دارد.

وی گفت: “ریاضیات کار می کند.” سیستم های مبتنی بر تجزیه و تحلیل قابل پیش بینی و یادگیری ماشین برای تصمیم گیری مراقبت های بهداشتی مبتنی بر “قواعد قبیله ای تعیین شده توسط کمیته ها” یا در روده ضروری است ، که احساس می کنند توسط تحلیلگران موقت حمایت می شوند تا یک رویکرد مبتنی بر داده که پیش بینی های مفیدی را انجام می دهد و اقدامات صحیحی را تجویز می کند. “

وی افزود: جراحی باید به سمت اتخاذ داده های عینی تر و ابزارهای قرن 21 برای تصمیم گیری های مهم عملیاتی و بالینی حرکت کند.

وی ادامه داد: “ترس از تغییر طبیعی است ، اما وضع موجود بدتر است.” “همه ما دیده ایم که برای صنایعی مانند خرده فروشی ، بانکداری ، خطوط هوایی ، حمل و نقل چه اتفاقی افتاده است – آن دسته از بازیکنانی که از داده ها استفاده می کنند ، برنده می شوند و سایر افرادی که عقب نیستند.”

وی گفت که بهداشت و درمان باید از نوآوری و تغییر استقبال کند و فرصتهای عالی برای کار با سازمانهایی که واقعا مشکلات بهداشتی دارند و برای حل آنها با رهبران همکاری می کنند وجود دارد. وی افزود ، شفافیت داده ها برخی از نگرانی های جراحان در مورد دسترسی را آرام می کند.

وی در پایان گفت: “و COVID-19 می تواند سرعت در تفکر و تصمیم گیری شما را افزایش دهد.” “پزشکی از راه دور مثالی عالی است که نشان می دهد چگونه چنین شوک هایی به سیستم می توانند سرعت استفاده از ابزارهای جدید را تسریع کنند. از این به نفع خود استفاده کنید و اقدام کنید.

وی افزود: “از آنجا که در واشنگتن هر اتفاقی بیفتد ، نرخ بازیابی هزینه افزایش نخواهد یافت و حجم جراحی کاهش نخواهد یافت.” “بنابراین همه ما به ابزاری نیاز داریم که به ما کمک کند کارهای کمتری انجام دهیم – افزایش دسترسی بیمار ، بهبود تجربه بیمار و کاهش هزینه های زایمان واحد.”

وی گفت ، بدون چنین ابزاری ، مدیران مراقبت های بهداشتی و پزشکان هر روز در تاریکی تیراندازی می کنند و تصمیمات غیربهینه را می گیرند.

توییتر: SiwickiHealthIT
به نویسنده ایمیل بزنید: [email protected]
Health IT News نشریه ای از رسانه HIMSS است.




منبع: gharb-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>