После того, как специалисты по обработке данных оценили модель, и есть уверенность, что она будет работать, модель подвергают окончательной проверке допуская к ней пользователей. Сначала это может быть в тестовой среде для ограниченной группы. Затем результаты применяют для повсеместного использования.
В бизнес-сценарии у модели может быть много заинтересованных сторон, например:
- заказчик решения,
- маркетолог,
- разработчик приложения,
- ИТ-администратор.
Поэтому ещё на подготовке к развёртыванию решения вся бизнес-группа должна усвоить знания, как разрабатывать и управлять программой снижения риска повторной госпитализации. Бизнес-аналитики интерпреретируют результаты модели так, чтобы клинический персонал мог понять, как выявлять пациентов с высоким риском и подобрать подходящие меры для вмешательства.
Цель программы
заключалась в том, чтобы снизить вероятность повторного обращения пациентов в течение 30 дней после выписки.
На стадии бизнес-требований была поставлена задача — разработать приложение, которое обеспечивало бы автоматизированную оценку риска застойной сердечной недостаточности в режиме, близком к реальному времени.
- Оно должно быть простым для использования медицинским персоналом, и запускаться через браузер, чтобы каждый сотрудник имел к нему доступ на планшете, который мог носить с собой.
- Данные о пациенте должны собираться на всём протяжении его пребывания в больнице и автоматически подготавливаться в формате, необходимом для модели.
- Каждый пациент должен оцениваться перед выпиской. Врачи будут иметь самую актуальную оценку риска для каждого пациента, что поможет им выбрать, каким пациентам нужно наметить вмешательство.
Развёртывание решения
должно проводиться совместно с обучением медицинского персонала. Кроме того, процессы отслеживания и мониторинга пациентов, получающих вмешательство, должны быть отлажены в сотрудничестве с ИТ-разработчиками и администраторами баз данных, чтобы результаты могли пройти стадию обратной связи, а модель со временем дорабатывалась.
В дальнейшем модель может быть применена для оценки рисков по другим заболеваниям. В частности, данная модель была успешно применена для пациентов с сахарным диабетом. Как и в случае с застойной сердечной недостаточностью, для создания модели риска использовалась классификация дерева решений.
Решение развёрнутое через приложение Cognos даёт карту обзора риска госпитализации по всей стране с интерактивным анализом прогнозируемого риска по различным состояниям пациентов и другим характеристикам.
Оно выводит интерактивный сводный отчет о риске по популяции пациентов в данном узле модели, чтобы врачи могли понять комбинацию условий для каждой подгруппы пациентов. В отчёте содержится подробная информация об отдельном пациенте, в том числе прогнозируемый риск пациента и сведения о его истории болезни, а также краткое резюме для врача.
Продолжение следует...
