Cada cama es importante, y nunca más que durante una pandemia
Las organizaciones de atención de la salud se centran en proporcionar la mejor atención posible y, al mismo tiempo, en administrar los recursos de manera eficaz en los mejores momentos. Parte de ese proceso es limitar las readmisiones, en las que los pacientes vuelven al hospital después de ser dados de alta. Comprender qué podría causar una readmisión es crucial durante crisis como la de COVID-19, ya que la población de pacientes no se limita sólo a los que sufren del virus.
En este momento, los hospitales y los sistemas de salud están bajo una enorme presión para obtener recursos en todos los aspectos, ya sea por la escasez de equipos de protección personal (PPE), ventiladores, camas u horas de trabajo del personal. El hecho de poder comprender qué recursos se necesitan para los pacientes que no padecen el virus ayuda a los sistemas de salud a tener una mejor visión de dónde podrían necesitar solicitar materiales y apoyo de personal adicionales.
Una solución analítica moderna para las readmisiones hospitalarias
Qlik, Snowflake y DataRobot se han unido para crear una moderna plataforma analítica que permite el análisis en tiempo real necesario para predecir la readmisión del paciente, lo que, a su vez, ayuda a planificar la capacidad de aumento de COVID-19. Es una combinación de una plataforma de datos en nube, IA empresarial y aprendizaje automático para el modelado predictivo y la inteligencia empresarial procesable. Una demostración completa en vídeo de la solución se puede encontrar aquí: https://youtu.be/9wbddnaFtpk.
Plataforma de datos en la nube - Ejecutar análisis contra un sistema de procesamiento transaccional en línea (OLTP), especialmente un sistema de registros médicos electrónicos, no es la mejor práctica. Esto es especialmente cierto cuando se considera el modelado predictivo de aprendizaje automático. Además, los sistemas OLTP no siempre guardan datos históricos, lo que es muy relevante para predecir mejor qué condiciones influyen en la readmisión. El análisis predictivo que aprovecha el aprendizaje automático necesita un almacén de datos escalable como Snowflake para incorporar los datos históricos con la agilidad de mantenerlos actualizados con datos en tiempo real.
Construir un modelo predictivo - Hay cientos de parámetros que podrían ser un factor en la readmisión. Para entender los problemas subyacentes, se necesita un modelo predictivo como los que son posibles con DataRobot, el líder en inteligencia artificial empresarial y aprendizaje automático. Con el clic de un botón, DataRobot generó y probó dinámicamente 83 diferentes enfoques de modelado empresarial para encontrar el mejor modelo, todos sin código. Ese modelo se desplegó luego con un solo clic directamente desde DataRobot a Qlik para potenciar el análisis necesario para evaluar las necesidades actuales y futuras.
Analítica que crea inteligencia accionable con aprendizaje automático - Con Qlik leyendo los datos en vivo de Snowflake y ejecutando el modelo predictivo de DataRobot justo dentro de la aplicación Qlik, los responsables de la toma de decisiones en el sector sanitario tienen una ventana actualizada de su estado actual de atención, a la vez que obtienen un sentido basado en los datos de las estrategias que necesitan ejecutar para servir mejor a toda su población de pacientes. Dado que la analítica no es una actividad secundaria para los médicos, esta solución puede integrarse directamente en su flujo de trabajo existente, donde pueden tomar medidas.
El NHS aborda las readmisiones hospitalarias entre el aumento de COVID-19
"Hay tantas áreas en las que la ciencia de los datos puede ayudar a permitir una atención más eficaz, desde la gestión de la demanda de vida y capacidad, hasta la predicción de la duración de la estancia, la alineación en el momento del alta y la disminución de las demandas de atención para los pacientes que salen de los cuidados agudos. Por ejemplo, ser capaz de entender el riesgo de readmisión de nuestra población actual de pacientes es crucial para ejecutar eficazmente la previsión de la demanda no programada para gestionar una afluencia de pacientes en crisis", dijo Rob O'Neill, Jefe de Información de los Hospitales Universitarios del NHS de la Bahía de Morecambe. "La combinación de la ciencia de los datos y la analítica a través de una plataforma integrada de Qlik y DataRobot nos ayudará a comprender con mayor confianza nuestras necesidades actuales y a predecir qué recursos necesitaremos para ofrecer una atención completa a toda nuestra población de pacientes".
La solución de Qlik, Snowflake y DataRobot permite a organizaciones como el NHS profundizar en modalidades y departamentos específicos para obtener una clara comprensión del dónde, cómo y por qué de las tendencias de readmisión. Por ejemplo, los proveedores pueden recomendar a menudo una amplia gama de opciones después del alta, que van desde servicios de atención sanitaria a domicilio hasta la colocación temporal en un centro de enfermería especializada. Estos servicios pueden ser fundamentales para evitar la readmisión, pero para conservar los recursos es importante orientarlos adecuadamente. A continuación se examina la readmisión de pacientes para un hospital seleccionado dentro de un sistema de salud, seguida de una visión del subconjunto de pacientes que actualmente están en la UCI del sistema y han sido readmitidos en el pasado por dos condiciones seleccionadas.
Podemos ver que hay una tasa de readmisión muy alta para esta población. Ahora, aprovechando los datos en tiempo real de Snowflake y el modelo de predicción de DataRobot, podemos hacer una correlación cruzada directamente en Qlik para comprender y predecir con mucha más claridad cómo planificar en torno a las necesidades de atención actuales, la capacidad y la planificación de recursos.
Esta visibilidad da a los cuidadores de primera línea tanto la población objetivo en la que deben centrarse para los posibles problemas de readmisión, como las razones subyacentes relacionadas con cada paciente para centrar aún más el plan de atención. También cabe señalar que los pagadores de la atención de salud están muy interesados en evitar las readmisiones para mejorar la experiencia del paciente y reducir los costos. Pueden utilizar estas predicciones y visualizaciones específicas para proporcionar cuidados de seguimiento y gestión de la atención.
La pandemia de COVID-19 y sus condiciones cambiantes cada hora han hecho que los sistemas de atención médica sean capaces de tomar decisiones en tiempo real y al mismo tiempo predecir en la medida de lo posible los recursos que necesitarán para los posibles aumentos repentinos. Qlik, Snowflake y DataRobot están reuniendo un almacén de datos en tiempo real, un modelo predictivo de aprendizaje automático y una moderna inteligencia empresarial para ayudar a que los datos de readmisión formen parte de la solución para la atención relacionada con COVID-19. Para ver un vídeo de demostración completo de la solución, vaya a https://youtu.be/9wbddnaFtpk.
Comentarios para esta entrada
Sección en desarrollo...