Hastanelerde Kalma Süresini Tahmin Etme

Veri Bilimi Sanal Makineleri
Power BI
SQL Server

Çözüm Fikri

Olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma kılavuzu gibi daha fazla bilgiyle bu makaleyi genişletmemizi görmek için Geri Bildirim ile GitHub!

Bu çözüm, hastane girişleri için Kalma Süresi için tahmine dayalı bir model sağlar. Kalma Süresi (LOS), ilk kabul tarihi ile hastanın herhangi bir hastane tesisinden tedavi edildiği tarihe kadar olan gün sayısı olarak tanımlanır.

Mimari

Mimari Diyagramı Bu mimarinin SVG'lerini indirin.

Dağıtım

Dağıtım yönergeleri ve teknik uygulama hakkında daha fazla ayrıntı için lütfen Hastanelerde Kalma Süresini Tahmin GitHub bakın.

Genel Bakış

Bu çözüm, hastane girişleri için Kalma Süresi için tahmine dayalı bir model sağlar. Kalma Süresi (LOS), ilk kabul tarihi ile hastanın herhangi bir hastane tesisinden tedavi edildiği tarihe kadar olan gün sayısı olarak tanımlanır. Aynı sağlık sistemi içinde bile çeşitli tesislerde ve farklı hastalık koşulları ve uzmanlık alanlarında ÖNEMLI MIKTARDA LOS varyasyonu olabilir. Erişim zamanında gelişmiş LOS tahmini, bakım kalitesini ve operasyonel iş yükü verimliliğini önemli ölçüde geliştirebilir ve yeniden kullanımlar gibi diğer kalite önlemlerinin daha düşük olmasıyla sonuçlandırarak bakımlar için doğru planlamaya yardımcı olabilir.

İş Perspektifi

Hastane yönetiminde, Daha güvenilir Kalma Süresi tahminlerinden faydalanabilecek iki farklı işletme kullanıcısı vardır. Bunlar:

  • Bilişim/teknoloji ile bir sağlık kuruluşunda sağlık uzmanları arasındaki bölmeyi stratejik olarak benimser. Görevleri genellikle kaynakların bir hastane ağına uygun şekilde ayrılmış olup olmadığını belirlemek için analiz kullanmayı içerir. Bunun bir parçası olarak, CMIO'nun hangi tesislerin aşırı güvenlikle karşılanabileceklerini ve özellikle de bu tesislerin hangi kaynaklarının taleple yeniden hizalanabileceklerini belirleye bir şekilde sahip olması gerekir.
  • Hastaların bakımıyla doğrudan ilgili olan Bakım Hattı Yöneticisi. Bu rol, tek tek hastaların durumunun izlenmesini ve personelin hastalarının belirli bakım gereksinimlerini karşılamak için kullanılabilir durumda olmasını gerektirir. Bir Bakım Hattı Yöneticisinin hastalarının ihtiyaçlarını da yönetmesi gerekiyor. Bir hastanın LOS'ini tahmin etme becerisi, Care Line Managers'ın personelin bir hastanın serbest bırakma durumuyla başa çıkabilmeleri için yeterli olup olmadığını belirlemesini sağlar.

Veri Bilimci Perspektifi

SQL Server Machine Learning Services, R betiklerini ilişkisel SQL Server çalıştırma olanağı veren bir özelliktir. Tahmine dayalı analiz ve makine öğrenmesi için açık kaynak paketleri ve çerçeveleri ve Microsoft R paketlerini kullanabilirsiniz. Betikler, verileri ağ veya ağ üzerinden SQL Server taşımadan veritabanı içinde yürütülür.

Bu çözüm, verileri oluşturmak ve geliştirmek, R modellerini eğitmek ve veri makinesi üzerinde puanlama gerçekleştirmek için gereken SQL Server adım adım yol sunar. Bu bölümdeki son puanlı veritabanı SQL Server her hasta için tahmin edilen LOS'i verir. Bu veriler daha sonra Power BI. (Bu şablonda özelliği göstermek için simülasyon verileri kullanılır.)

Çözüm test eden ve geliştiren veri bilimcileri, tercih ettiği R IDE'yi yerel bilgisayarlarında rahatça kullanabilir ve işlem merkezi SQL Server. Tamamlanan çözümler, saklı yordamlara SQL Server R'ye eklemeler tarafından özel çözümlere dağıtılır. Bu çözümler daha sonra SQL Server Integration Services ve SQL Server aracıyla otomatik hale SQL Server olabilir.

Bu çözüm, R klasöründeki bir veri bilimcisi için gereken R kodunu içerir. SQLR klasöründe dağıtılabilir saklı yordamları (.sql dosyaları) gösterir. Otomasyonu test etmek için Azure'a Dağıt düğmesine tıklayın; çözümün tamamı Azure aboneliğinize dahil olur.

Fiyatlandırma

Dağıtım için kullanılan Azure aboneliğiniz, bu çözümde kullanılan hizmetler için tüketim ücretlerine neden olur. Fiyatlandırma ayrıntıları için Azure Fiyatlandırma Sayfasını ziyaret edin.

Bileşenler

Sonraki adımlar