Vorhersage der Dauer von Aufenthalten in Krankenhäusern

Data Science Virtual Machines
Power BI
SQL Server

Lösungsidee

Wenn Sie möchten, dass wir diesen Artikel um weitere Informationen ergänzen, z. B. potenzielle Anwendungsfälle, alternative Dienste, Überlegungen zur Implementierung oder Preisempfehlungen, lassen Sie es uns über Feedback auf GitHub wissen!

Diese Lösung ermöglicht ein Vorhersagemodell für die Dauer von Aufenthalten in Krankenhäusern. Die Dauer von Aufenthalten ist als Anzahl der Tage ab dem Tag der Erstaufnahme bis zu dem Datum definiert, an dem der Patient aus dem Krankenhaus entlassen wird.

Aufbau

Architekturdiagramm Laden Sie eine SVG-Datei für diese Architektur herunter.

Bereitstellung

Eine Bereitstellungsanleitung und ausführlichere Informationen zur technischen Implementierung finden Sie im GitHub-Repository Vorhersage der Dauer von Aufenthalten in Krankenhäusern.

Übersicht

Diese Lösung ermöglicht ein Vorhersagemodell für die Dauer von Aufenthalten in Krankenhäusern. Die Dauer von Aufenthalten ist als Anzahl der Tage ab dem Tag der Erstaufnahme bis zu dem Datum definiert, an dem der Patient aus dem Krankenhaus entlassen wird. Die Vorhersage der Dauer von Aufenthalten in Krankenhäusern kann je nach Einrichtungen und Krankheiten sowie Besonderheiten selbst innerhalb desselben Gesundheitssystems erheblich variieren. Die fortschrittliche Vorhersage der Dauer von Aufenthalten in Krankenhäusern zum Zeitpunkt der Aufnahme kann die Qualität der Betreuung und die betriebliche Effizienz erheblich verbessern. Sie kann zudem die genaue Planung von Entlassungen unterstützen und somit verschiedene andere Maßnahmen, z. B. Wiederaufnahmen, reduzieren.

Geschäftliche Perspektive

Es gibt zwei unterschiedlich Typen von Geschäftskunden in der Krankenhausverwaltung, die von zuverlässigeren Vorhersagen der Aufenthaltsdauer profitieren können. Diese sind:

  • Der CMIO (Chief Medical Information Officer). Dieser ist das Bindeglied zwischen den Informatikern und Technikern einerseits und dem Gesundheitspersonal in einer Gesundheitseinrichtung andererseits. Zu seinen Pflichten gehört in der Regel die Verwendung von Analysesoftware, um festzustellen, ob die Ressourcen im Krankenhausnetzwerk angemessen zugeordnet wurden. Im Rahmen dessen muss der CMIO bestimmen können, welche Einrichtungen überfordert sind, und insbesondere, welche Ressourcen innerhalb dieser Einrichtungen möglicherweise gestärkt werden müssen, damit sie den Bedarf erfüllen können.
  • Die Pflegedienstleitung. Diese ist direkt mit der Betreuung der Patienten befasst. In dieser Rolle ist sie für die Überwachung des Zustands einzelner Patienten zuständig und trägt außerdem dafür Sorge, dass genügend Mitarbeiter verfügbar sind, um die speziellen Pflegebedürfnisse der Patienten zu erfüllen. Die Pflegedienstleitung muss auch die Entlassung der Patienten verwalten. Anhand der Vorhersage der Aufenthaltsdauer eines Patienten kann die Pflegedienstleitung bestimmen, ob die Mitarbeiterressourcen ausreichen, um die Entlassung eines Patienten durchzuführen.

Data Scientist-Perspektive

SQL Server Machine Learning Services ist ein Feature in SQL Server, das die Möglichkeit bietet, R-Skripts mit relationalen Daten auszuführen. Sie können Open-Source-Pakete und -Frameworks und die Microsoft R-Pakete für Predictive Analytics und Machine Learning verwenden. Die Skripts werden in der Datenbank ausgeführt, ohne dass Daten aus SQL Server oder über das Netzwerk verschoben werden.

Diese Lösung führt Sie durch die erforderlichen Schritte zum Erstellen und Optimieren von Daten, Trainieren der R-Modelle und Durchführen der Bewertung auf dem SQL Server-Computer. Die letzte bewertete Datenbanktabelle in SQL Server liefert die Vorhersage der Aufenthaltsdauer für jeden Patienten. Diese Daten werden dann in Power BI visualisiert. (In dieser Vorlage werden simulierte Daten verwendet, um das Feature zu veranschaulichen.)

Datenanalysten, die Lösungen testen und entwickeln, können bequem mit ihrer bevorzugten R-IDE auf ihrem lokalen Computer arbeiten, während sie den Computevorgang an die SQL Server-Instanz pushen. Die fertigen Lösungen werden durch Einbetten von Aufrufen an R in gespeicherten Prozeduren in SQL Server bereitgestellt. Diese Lösungen können dann mit SQL Server Integration Services und SQL Server-Agent weiter automatisiert werden.

Diese Lösung enthält den R-Code, der von einem Datenanalysten im R-Ordner benötigt wird. In ihm sind die gespeicherten Prozeduren (SQL-Dateien) enthalten, die im SQLR-Ordner bereitgestellt werden können. Klicken Sie auf die Schaltfläche „Bereitstellung in Azure“, um die Automatisierung zu testen. Daraufhin wird die gesamte Lösung in Ihrem Azure-Abonnement zur Verfügung gestellt.

Preise

Ihrem für die Bereitstellung verwendeten Azure-Abonnement werden für die in dieser Lösung verwendeten Dienste Nutzungsgebühren in Rechnung gestellt. Ausführliche Informationen zu Preisen finden Sie in der Preisübersicht für Azure.

Komponenten

Nächste Schritte