您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

预测住院时间

Data Science Virtual Machine
Power BI
SQL Server

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

此解决方案为入院入院的"停留时间"启用预测模型。 从初始 (开始) 到患者从任何给定的医院设施入院的日期开始,以天数定义患者在 LOS 治疗期间的时间长度。

体系结构

体系结构关系图 下载此体系结构的 SVG。

部署

有关部署说明以及技术实现的详细信息,请参阅预测医院中停留时间GitHub存储库。

概述

此解决方案为入院入院的"停留时间"启用预测模型。 从初始 (开始) 到患者从任何给定的医院设施入院的日期开始,以天数定义患者在 LOS 治疗期间的时间长度。 即使在同一医疗保健系统中,各种设施、疾病状况和特殊性之间,LOS 也可能会显著变化。 在入院时进行高级 LOS 预测可以极大地提高护理质量以及运营工作负荷效率,并有助于准确规划离职,从而降低其他各种质量措施(如重新提交)。

业务透视图

医院管理中有两个不同的业务用户,他们期望从更可靠的"停留时间"预测中获益。 它们是:

  • 首席医疗信息官 (CMIO) ,他跨了医疗保健组织中信息学/技术和医疗保健专业人员之间的划分。 他们的职责通常包括使用分析来确定是否正在医院网络中正确分配资源。 作为这一部分,CMIO 需要能够确定哪些设施超用,具体而言,可能需要增加这些设施中的哪些资源才能按需调整此类资源。
  • 负责患者护理的 Care Line Manager。 此角色需要监测每个病人的状况,并确保护理人员能够满足病人的具体护理要求。 Care Line Manager 还需要管理患者治疗。 通过预测患者 LOS 的能力,护理线经理可以确定员工资源是否足以处理患者释放。

数据科学家透视

SQL Server 机器学习服务是 SQL Server中的一项功能,它提供使用关系数据运行 R 脚本的功能。 可以使用开源包和框架以及 Microsoft R 包进行预测分析和机器学习。 脚本在数据库中执行,而不将数据移动到 SQL Server 外部或是在网络上移动。

此解决方案逐步完成创建和优化数据、训练 R 模型以及对虚拟机执行评分SQL Server步骤。 结果中的最终评分数据库SQL Server为每位患者提供预测的 LOS。 然后,此数据在Power BI。 (模板中将模拟数据用于演示 feature.)

测试并开发解决方案的数据科学家可以从本地计算机上的首选 R IDE 方便地工作,同时将计算推送到SQL Server。 通过将对 R 的调用嵌入到存储SQL Server,将已完成的解决方案部署到存储过程。 然后,可以使用 SQL Server Integration Services 和 SQL Server 代理进一步自动化这些解决方案。

此解决方案包括数据科学家在 R 文件夹中所需的 R 代码。 它显示了可在 SQLR 文件夹中 (.sql) 存储过程。 单击"部署到 Azure"按钮以测试自动化,整个解决方案将在 Azure 订阅中可用。

定价

用于部署的 Azure 订阅将对此解决方案中使用的服务产生消耗费用。 有关定价详细信息,请访问 Azure 定价页

组件

后续步骤