Résultats sectoriels : Les modèles de risque de réadmission sont devenus très performants pour identifier les patients qui reviendront dans les 30 jours. Le problème le plus difficile est de s'assurer que cette information parvient aux bonnes équipes...
par Adam Crown
CAS D'USAGE
Intelligence des résultats cliniques et risque de réadmission
Les réadmissions hospitalières sont l'un des indicateurs de qualité les plus suivis dans le domaine de la santé. Elles sont un indicateur de la qualité des soins, un moteur de la surveillance réglementaire et une exposition financière importante dans les modèles de soins basés sur la valeur. La plupart des grands systèmes de santé ont investi dans des modèles de risque de réadmission. La précision prédictive de ces modèles s'est considérablement améliorée au cours de la dernière décennie.
Le problème ne réside pas dans la prédiction. Il réside dans la traduction de la prédiction en intervention. Un score de risque dans un tableau de bord de santé populationnelle ne parvient pas automatiquement à l'équipe de soins qui doit agir. Un indicateur de sortie à haut risque dans le DME n'est utile que si le coordinateur des soins gérant les transitions le voit, a le contexte pour comprendre ce qui motive le risque et peut accéder aux informations supplémentaires sur le patient nécessaires pour concevoir un plan de sortie efficace.
Les directeurs médicaux des grands systèmes de santé gèrent les performances cliniques de milliers de rencontres avec les patients simultanément. La qualité des soins à grande échelle dépend de la circulation des données vers les bons décideurs au bon moment. Lorsqu'un CMO souhaite comprendre les schémas de réadmission, cette analyse nécessite généralement une demande de données, du temps d'analyste et une période d'attente qui ne correspond pas à la vélocité de la décision clinique.
Nous avons le score de risque. Ce que nous n'avons pas toujours, c'est l'histoire clinique qui l'explique - assez rapidement pour que l'équipe de soins puisse agir avant que le patient ne rentre chez lui.
Databricks Genie permet aux responsables cliniques d'interagir avec leurs données de patients et de résultats en langage naturel, dans le cadre de gouvernance requis par le secteur de la santé. Un CMO peut demander : 'Quel est notre taux de réadmission à 30 jours pour les patients atteints d'ICC sortis du service de cardiologie au cours des 90 derniers jours, et comment cela se compare-t-il à nos performances de l'année précédente ?' Cette question émerge de vos données cliniques réelles, avec des contrôles d'accès appropriés.
Lorsqu'un CMO peut poser des questions sur les données cliniques de manière conversationnelle et obtenir des réponses basées sur des dossiers de patients réels, correctement gouvernées et renvoyées à la vitesse d'une conversation clinique, le paradigme d'amélioration de la qualité change. La réadmission qui a été prédite peut être celle qui est évitée, car l'information atteint les bonnes personnes assez rapidement pour agir.
DATABRICKS GENIE · DIFFÉRENCIATEURS CLÉS
Conçu pour vos données, gouverné par vos règles, répondant aux besoins de tout responsable d'entreprise.
Découvrez ce que Genie peut faire pour votre équipe
Databricks Genie est disponible dès aujourd'hui. Découvrez comment vos pairs de l'industrie l'utilisent pour réinventer la façon dont ils accèdent à leurs données et agissent sur celles-ci.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.