Resultados de la Industria: Los modelos de riesgo de reingreso se han vuelto muy buenos para identificar pacientes que regresarán en 30 días. El problema más difícil es asegurar que esa información llegue a los equipos de atención adecuados a tiempo...
por Adam Crown
CASO DE USO
Inteligencia de Resultados Clínicos y Riesgo de Reingreso
Los reingresos hospitalarios son una de las métricas de calidad más seguidas en la atención médica. Son un indicador de la calidad de la atención, un motor de escrutinio regulatorio y una exposición financiera significativa bajo modelos de atención basados en el valor. La mayoría de los grandes sistemas de salud han invertido en modelos de riesgo de reingreso. La precisión predictiva de esos modelos ha mejorado sustancialmente en la última década.
La brecha no está en la predicción. Está en la traducción de la predicción a la intervención. Una puntuación de riesgo en un panel de salud poblacional no se dirige automáticamente al equipo de atención que necesita actuar sobre ella. Una señal de alerta de alto riesgo de alta en el EHR solo es útil si el coordinador de atención que gestiona las transiciones la ve, tiene el contexto para comprender qué está impulsando el riesgo y puede acceder a la información adicional del paciente necesaria para diseñar un plan de alta efectivo.
Los Directores Médicos en grandes sistemas de salud gestionan el rendimiento clínico de miles de encuentros con pacientes simultáneamente. La calidad de la atención a escala depende de que los datos fluyan a los tomadores de decisiones correctos en el momento adecuado. Cuando un CMO quiere comprender los patrones de reingreso, ese análisis requiere típicamente una solicitud de datos, tiempo de analista y un período de espera que no coincide con la velocidad de decisión clínica.
Tenemos la puntuación de riesgo. Lo que no siempre tenemos es la historia clínica que la explica, lo suficientemente rápido para que el equipo de atención haga algo al respecto antes de que el paciente se vaya a casa.
Databricks Genie permite a los líderes clínicos interactuar con sus datos de pacientes y resultados en lenguaje natural, dentro del marco de gobernanza que requiere la atención médica. Un CMO puede preguntar: '¿Cuál es nuestra tasa de reingreso a 30 días para pacientes con CHF dados de alta del servicio de cardiología en los últimos 90 días, y cómo se compara con nuestro rendimiento en el año anterior?' Esa pregunta surge de sus datos clínicos reales, con los controles de acceso apropiados en su lugar.
Cuando un CMO puede hacer preguntas sobre datos clínicos de forma conversacional y obtener respuestas basadas en registros de pacientes reales, gobernadas apropiadamente y devueltas a la velocidad de una conversación clínica, el paradigma de mejora de la calidad cambia. El reingreso que se predijo puede ser el que se previno, porque la información está llegando a las personas adecuadas lo suficientemente rápido.
DATABRICKS GENIE · DIFERENCIADORES CLAVE
Creado para sus datos, gobernado por sus reglas, respondible ante cualquier líder empresarial.
Vea Lo Que Genie Puede Hacer Por Su Equipo
Databricks Genie está disponible hoy. Vea cómo sus colegas de la industria lo están utilizando para reimaginar cómo acceden y actúan sobre sus datos.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.