Przewidywanie długości pobytu i przepływu pacjentów

Usługa Machine Learning
Power BI
SQL Server

Pomysł na rozwiązanie

Jeśli chcesz, abyśmy rozszerzyli ten artykuł o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, GitHub opinie!

W przypadku osób, które działają w placówce opieki zdrowotnej, długość okresu od dnia przyjęcia pacjenta do stanu zdrowia. Jednak ta liczba może się różnić w różnych obiektach oraz w różnych stanach choroby i specjalizacjach, nawet w obrębie tego samego systemu opieki zdrowotnej, co utrudnia śledzenie przepływu pacjentów i odpowiednie planowanie.

To rozwiązanie platformy Azure ułatwia administratorom szpitali korzystanie z możliwości uczenia maszynowego w celu przewidywania czasu pozostawania w szpitalach w celu poprawy planowania pojemności i wykorzystania zasobów. Dyrektor ds. informacji medycznych może użyć modelu predykcyjnego, aby określić, które obiekty są przesłoone i które zasoby należy w tych obiektach wzmacniać, a kierownik linii medycznej może użyć go do określenia, czy istnieją odpowiednie zasoby personelu do obsługi zwolnienia pacjenta.

Możliwość przewidywania czasu trwania najechań pomaga szpitalom zapewnić opiekę medyczną wyższej jakości i usprawnić ich obciążenie operacyjne. Pomaga również dokładnie planować nachłonięcia, obniżając inne miary jakości, takie jak readmissions.

Architektura

Diagram architektury Pobierz format SVG tej architektury.

Składniki

  • SQL Server Machine Learning Services:przechowuje dane pacjentów i szpitali. Dostarcza trenowania i przewidywanych modeli oraz przewidywanych wyników użycia przy użyciu R.
  • Power BI udostępnia interaktywny pulpit nawigacyjny z wizualizacją, która używa danych przechowywanych w SQL Server do podejmowania decyzji dotyczących przewidywań.
  • Azure Machine Learning:Machine Learning projektowanie, testowanie, operationalize i zarządzanie rozwiązaniami analizy predykcyjnej w chmurze.

Następne kroki