Международный журнал физической медицины и реабилитации
Открытый доступ

Абстрактный

Использование машинного обучения для прогнозирования пост-острой помощи и минимизации задержек, вызванных предшествующими

Авишек Чоудхури

Цель: Медицинское страховое покрытие пациента играет важную роль в определении выписки из отделения неотложной помощи (PAC). Процесс предварительного разрешения откладывает выписку из отделения неотложной помощи, увеличивает продолжительность пребывания в стационаре и влияет на здоровье пациента. В нашем исследовании реализована предиктивная аналитика для раннего прогнозирования выписки из отделения неотложной помощи, чтобы сократить отсрочки, вызванные предварительным разрешением, продолжительностью пребывания в стационаре и расходами на пребывание в стационаре.

Методология: Мы провели групповое обсуждение с участием 25 координаторов по уходу за пациентами (PCF) и двух дипломированных медсестер (RN) и извлекли 1600 записей о пациентах из первичной оценки состояния медсестер и выписных историй болезни.

Результаты: Алгоритм автоматического детектора взаимодействия хи-квадрат (CHAID) позволил заранее спрогнозировать выписку ПАУ, ускорил процесс оформления предварительного медицинского страхования, сократил продолжительность пребывания в стационаре в среднем на 22,22%. Модель показала общую точность 84,16% и площадь под кривой рабочей характеристики приемника (ROC) 0,81.

Вывод: Раннее прогнозирование решений о выписке из ПАУ может сократить процесс выдачи разрешений и одновременно минимизировать задержку в стационаре, вызванную длительностью пребывания в ПАУ по предыдущей медицинской страховке и связанными с этим расходами.