Przewidywanie czasu pozostawania w szpitalach

Maszyny wirtualne Data Science Virtual Machine
Power BI
SQL Server

Pomysł na rozwiązanie

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

To rozwiązanie umożliwia model predykcyjny na okres pozostawania w szpitalach. Długość pozostawania (LOS) jest definiowana w liczbie dni od daty wstępnego wytłaniania pacjenta z dowolnego szpitala.

Architektura

Diagram architekturyPobierz format SVG tej architektury.

Składniki

Szczegóły rozwiązania

To rozwiązanie umożliwia korzystanie z modelu predykcyjnego długość okresu pozostawania w szpitalach. Długość okresu pozostawania (LOS) jest definiowana w ciągu kilku dni od daty wstępnego wyzłoszczenia pacjenta z dowolnego szpitala. Nawet w obrębie tego samego systemu opieki zdrowotnej mogą być bardzo różne losowe losy w różnych obiektach oraz w różnych stanach choroby i specjalizacjach. Zaawansowane przewidywanie losów w czasie wejścia może znacznie poprawić jakość opieki, a także wydajność obciążeń operacyjnych i pomóc w dokładnym planowaniu podzbierów, co obniża różne inne miary jakości, takie jak readmissions.

Perspektywa biznesowa

W zarządzaniu szpitalami istnieją dwaj różni użytkownicy biznesowi, którzy mogą oczekiwać skorzystania z bardziej niezawodnych przewidywań długości pozostawania. Są to:

  • Dyrektorzy ds. informacji medycznych (CMIO), którzy rozdzielają podział między specjalistami ds. informatyki/technologii i specjalistami ds. opieki zdrowotnej w organizacji opieki zdrowotnej. Ich obowiązki zwykle obejmują korzystanie z analizy w celu określenia, czy zasoby są odpowiednio przydzielone w sieci szpitali. W ramach tej części wielosekwowe we/wy musi być w stanie określić, które obiekty są przerzucane, a w szczególności jakie zasoby w tych obiektach mogą być wzmacniane w celu wyrównania takich zasobów z zapotrzebowaniem.
  • Menedżer linii opieki, który bezpośrednio uczestniczy w opiece nad pacjentami. Ta rola wymaga monitorowania stanu poszczególnych pacjentów, a także zapewnienia, że personel jest dostępny w celu spełnienia określonych wymagań dotyczących opieki nad pacjentami. Menedżer linii opieki musi również zarządzać chętną do opieki nad pacjentami. Możliwość przewidywania LOS pacjenta umożliwia menedżerom linii opieki zdrowotnej ustalenie, czy personel będzie odpowiedni do obsługi zwolnienia pacjenta.

Perspektywa analityka danych

SQL Server Machine Learning Services to funkcja w SQL Server, która umożliwia uruchamianie skryptów R z danymi relacyjnych. Do analizy predykcyjnej i uczenia maszynowego można używać pakietów i platform typu open source oraz pakietów języka Microsoft R. Skrypty są wykonywane w bazie danych bez przenoszenia danych poza SQL Server lub za pośrednictwem sieci.

To rozwiązanie przeprowadza przez kroki niezbędne do tworzenia i uściślania danych, trenowania modeli R i przeprowadzania oceniania na SQL Server wirtualnej. Końcowa tabela bazy danych z SQL Server zawiera przewidywaną losę dla każdego pacjenta. Te dane są następnie wizualizowane w Power BI. (W tym szablonie są używane symulowane dane, aby zilustrować tę funkcję).

Naukowcy zajmujący się danymi, którzy testują i opracowują rozwiązania, mogą wygodnie pracować z preferowanym przez siebie ideą JĘZYKA R na komputerze lokalnym, wypychając obliczenia do SQL Server. Ukończone rozwiązania są wdrażane w SQL Server przez osadzanie wywołań do R w procedurach składowanych. Te rozwiązania można następnie dodatkowo zautomatyzować za pomocą SQL Server Integration Services i SQL Server agenta.

To rozwiązanie zawiera kod R wymagany przez analityka danych w folderze R. Przedstawia on procedury składowane (pliki sql), które można wdrożyć w folderze SQLR. Kliknij przycisk Deploy to Azure (Wd wdrażaj na platformie Azure), aby przetestować automatyzację. Całe rozwiązanie zostanie udostępnione w ramach subskrypcji platformy Azure.

Wdrażanie tego scenariusza

Aby uzyskać instrukcje wdrażania i więcej szczegółowych informacji na temat implementacji technicznej, zobacz temat Predicting Length of Stay in Szpitale GitHub repo.

Cennik

Twoja subskrypcja platformy Azure używana na potrzeby wdrożenia spowoduje naliczenie opłat za zużycie usług używanych w tym rozwiązaniu. Aby uzyskać szczegółowe informacje o cenach, odwiedź stronę cennika platformy Azure.

Następne kroki