Förutsäga längden på flödet av patienter och patienter

Machine Learning
Power BI
SQL Server

Lösningsidé

Om du vill att vi utökar den här artikeln med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du berätta för oss GitHub Feedback!

För de som kör en sjukvårdsavdelning gäller längden på antalet dagar från patientantagning till vårdcentral. Antalet kan dock variera mellan anläggningar och över sjukdomstillstånd och sjukdomstillstånd, även inom samma sjukvårdssystem, vilket gör det svårare att spåra patientflöde och planera därefter.

Den här Azure-lösningen hjälper sjukhusadministratörer att använda maskininlärning för att förutsäga längden på sjukhusantagningar, för att förbättra kapacitetsplaneringen och resursutnyttjandet. En chief Medical Information Officer kan använda en förutsägelsemodell för att avgöra vilka anläggningar som är överbemannade och vilka resurser som ska stödjas i dessa anläggningar, och en vårdansvarig kan använda den för att avgöra om det finns tillräckligt med personalresurser för att hantera en patients frisläppning.

Potentiella användningsfall

Att kunna förutsäga längden på antagningen hjälper sjukhusen att tillhandahålla vård av högre kvalitet och effektivisera sin operativa arbetsbelastning. Den hjälper också till att planera korrekt för tömning, vilket sänker andra kvalitetsmått, till exempel läsbehörigheter.

Arkitektur

Arkitekturdiagram –Ladda ned en SVG för den här arkitekturen.

Komponenter

  • SQL Server Machine Learning Services:Lagrar patient- och sjukhusdata. Tillhandahåller träning och förutsagda modeller och förutsagda resultat för förbrukning med hjälp av R.
  • Power BI en interaktiv instrumentpanel med visualisering som använder data som lagras i SQL Server för att fatta beslut om förutsägelserna.
  • Azure Machine Learning:Machine Learning hjälper dig att utforma, testa, operationalisera och hantera prediktiva analyslösningar i molnet.

Nästa steg