统一的卫生系统
用更完整的数据识别再入院的危险因素
我们的客户是一个统一的医疗系统，拥有100多个地点和11000名员工。
现有系统无法使用80%的数据
根据医疗质量和支付改革中心的说法，“对于社区来说，快速降低医疗成本和改善病人护理的最好方法之一是实施减少医院再入院的举措。”
美国卫生与公众服务部估计，可避免的住院费用占医疗保险费用的170多亿美元。为了帮助解决这些上升的费用，医院再入院减少计划调整医疗保险支付的医院高于预期的30天再入院率的目标临床条件，如心脏病发作、心力衰竭和肺炎。通过减少支付，医院和医疗保健提供者在经济上受到激励，以提高护理质量，并确定有很高再次住院可能性的患者或病例。
为了达到医院再入院减少计划设定的目标，这个统一的卫生系统需要一个更好的方法来预测患者再入院的倾向。不幸的是，由于数据是非结构化的，80%的数据对遗留系统是不可见的。在预测重新入学的诱因时，能够从这些数据中发现真知灼见是非常宝贵的。
在确定再入院指标后，卫生系统将处于更好的位置来制定行动计划，以改善临床医生和患者的参与。
可避免的再入院占全国医疗保险支出超过170亿美元
解锁数据有助于预测再入院情况
我们开发了一种预测模型解决方案，可以预测所有疾病和条件下的再入院情况。它还着眼于患者和家庭的心理社会需求，而不是传统的临床方法，这是主要的行业重点。通过将这些数据与大量非结构化和结构化医疗保健数据合并，我们客户的医疗保健提供商可以显著提高其再入院建模和预测的准确性。
该解决方案利用认知平台来发现预测再入院倾向的新证据，开创了证据的新时代。
解锁数据有助于预测基于分析的再入院率。结合我们的认知探索和内容分析平台以及医疗保健注释员的见解，数据用于分析来自EMR的医师笔记，以提取相关的上下文数据，并将该信息转换为结构化数据点。医疗保健注释员正在“阅读”这些非结构化信息，并进行了适当调整，以最佳地解释和转换组织的数据。分析结果作为结构化数据导出到数据仓库中，然后由预测建模工具与其他现有结构化数据一起使用，以开发预测性再读取模型。由此产生的再入院风险指标随后被纳入EMR系统，指示患者在护理点再入院的可能性。
结果
提供更好的护理，这就是它的意义所在
医疗保健系统在两个主要方面受益:改进的患者护理和增强的预测建模。
改善病人护理
卫生系统能够更好地确定哪些患者最需要干预措施，确定哪些干预措施最合适，并尽快开始干预过程。
早期干预使临床医生有更多的时间提供指导，增加患者和家庭成员的理解，并留出时间安排社区服务，以便在患者出院时做好准备。
最终，该解决方案旨在通过教育患者及其家属更好地管理自己的病情，同时协调社区内的各种服务，从而减少整个患者群体的再入院人数。
增强的预测建模
经过调整的认知医疗保健注释器有助于提取与患者心理社会因素相关的关键信息，如依从性和人口统计特征。
提取的社会心理因素被确定在10个预测再入院的因素中。
在解决方案之前，医疗服务提供者的再入院预测准确率为46%，明显低于其70%的目标。在实施认知预测模型后，这一比例跃升至71%。通过认知分析和非结构化数据的统计，该比率超过了目标，达到93%。
相关成功案例raybet98
