当前位置:大数据业界动态 → 正文

数字化转型案例:Kaiser Permanente通过预测分析来降低患者死亡率

责任编辑:cres 作者:Thor Olavsrud |来源:企业网D1Net  2019-09-11 10:04:24 原创文章 企业网D1Net

托管护理联盟的预警监测系统开始使用预测分析来识别未来12小时内有恶化风险的患者。
 
在医疗保健领域,能否进行早期干预可能就是生与死的区别。医疗保健巨头Kaiser Permanente医疗集团已经将这一原则运用到了医院工作的流程工具当中,该工具将得到预测分析的支持,用于识别可能迅速恶化的非重症监护室的患者。
 
总部位于加州奥克兰的综合管理保健联盟拥有1200多万名健康计划成员,雇佣了217000多人,其中包括近60000名护士和23000名医生。它在8个州和哥伦比亚特区设有39个医疗中心和690个医疗设施。
 
“住院但不在重症监护室的病人有时会在医院病情恶化,而不得不意外地转到重症监护室。这些病人的预后比直接住进重症监护室的病人通常会差得多,”北加州Kaiser Permanente医院研究部研究科学家兼地区主任Gabriel Escobar博士说。
 
Escobar团队的科学文献和直接分析显示,需要意外转移到重症监护室的非重症监护室患者仅占医院总人口的2%至4%,但却占所有医院死亡人数的20%。他们的住院时间也比其他病人平均长10到12天。
 
前瞻性护理的预测分析
 
2006年,Kaiser Permanente的研究部门开始更密切地关注这个问题。其研究人员分析了几十年来由该机构的集成模型及其电子健康系统产生的医疗信息。
 
作为该流程的一部分,该团队(还包括Kaiser Permanente医疗集团医院运营部、Kaiser基金会医院质量和患者护理服务部、Kaiser Permanente医疗连接部和护理交付技术服务部的成员)开发了一个专有的基于Linux的系统,该系统可以应用算法来监控患者数据,并为高恶化风险评分(可能在未来12小时内恶化)的非重症监护室患者生成警报。该团队随后验证了这一概念证明,并开发了一个新的运营模型,并于2013年开始在其临床和运营工作流程中实施。截至2019年1月,该工作流程被重新称为高级警报监控系统(AAM),并已在Kaiser Permanente医疗集团北加州地区的所有21家医疗机构全面运行。
 
Kaiser Permanente医疗中心执行副总裁兼首席信息官Dick Daniels说:“AAM系统可以综合并分析生命统计数据、实验室结果和其他变量,为医疗外科和过渡医疗单位的成人医院患者生成每小时的恶化风险评分。远程医院团队可以每小时评估一次风险评分,并在检测到潜在恶化时通知医院的快速反应团队。快速反应小组将对患者进行床边评估,并与住院医师一起校准治疗过程。”
 
Kaiser Permanente医疗集团因此获得了CIO 100 IT优秀奖,它利用了三种预测性分析模型来分析给定患者电子健康记录中的70多个因素,以生成综合风险评分。
 
Escobar博士说:“我们与我们的电子健康记录系统和IT人员一起定义了我们第一批算法的性能特征。”。
 
然后,该团队还利用了人口统计信息、生命体征、最近入院时收集的实验室结果以及电子记录中的其他数据来建立模型。
 
“我们经过了严格的回应和验证。我们探索了每个参数及其联系,”Escobar说。“我们让临床医生参与观察每一个病例,然后对特征和阈值分析进行审查,以确保阈值是有意义的。”
 
Daniels说Escobar博士的团队综合了北加州650,000名住院病人和20,000名病情恶化病人的数据。这个过程花了七到八年。
 
Daniels说:“我们花了大约五年的时间来完成电子病历后端的初始映射和预测模型的开发。”他指出,当时还没有人从他们的电子病历系统中提取这些数据。“然后,我们又花了两到三年的时间来将这些模型转换成可以在操作上使用的实时网络服务应用程序。”
 
Daniels补充道,预测分析工具只有在确保信息被使用的过程中才能发挥作用,因此AAM团队花费了大量时间来开发和实施工作流,使医疗保健团队能够尽可能高效地响应警报。
 
患者病情恶化的早期预警使Kaiser Permanente医疗响应团队有足够的时间来进行干预,以便在危机之外进行思考和行动,这反过来又使他们能够以一种更加统一和综合的方式做出响应,以便在临床和医院层面提供医疗服务。在该项目开始运作的头两年,它帮助卫生系统将死亡率降低了20%。Kaiser Permanente表示,该程序的未来迭代版本还可能会集成人工智能。

关键字:大数据 预测分析

原创文章 企业网D1Net

数字化转型案例:Kaiser Permanente通过预测分析来降低患者死亡率 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2019 京ICP备09108050号-6

^