从NASA到医疗保健:实时数据分析(任务控制)正在重塑医疗保健服务


作者Jessica Schlicher,医学博士,MBA;Matthew T. Metsker, PA-C, MPAS, MHA, FHM, CMPE;Hitul沙女士;和Haluk Demirkan博士

摘要

这是一个在华盛顿州最大的医疗服务提供商之一实施数据和分析支持的任务控制的案例研究。使用数据分析和人工智能,CHI-Franciscan(华盛顿州最大的医疗机构之一)能够更有效地协调患者护理,提高所有患者的安全性。这个案例研究证明了有形的证据,从定量和定性分析的投资回报为这样一个大型项目。

介绍

由于医学实践和社会的变化,一场医疗保健革命正在发生。这些因素包括成本增加;与医疗保健支出占经济比例较低的其他国家相比,印度表现不佳;不断变化的人口和疾病;新的工具、技术和解决方案;医疗保健服务的变化;增强患者的自主权和自主性;强调结果;以及职业角色的改变。今天,医疗保健提供者面临着许多复杂而独特的挑战,同时也面临着改善患者护理体验的机遇。

协调患者护理是每个大型医疗保健组织需要的最复杂和最重要的服务之一。1这涉及故意组织和管理患者护理活动,在所有与患者的护理相关的所有参与者之间及时分享及时的信息,并及时做出正确的决定。患者的需求和偏好必须提前了解。使用实时数据馈送监控条件,必须智能地使用该信息,以提供对患者的安全,适当和有效的护理。

在本文中,我们讨论了数据分析在华盛顿州最大的医疗服务提供商之一的人工智能任务控制中的成功实施。

虽然护理协调的必要性是明确的,但有许多因素会阻碍或促进护理协调工作:

  • 目前的医疗保健系统和电子病历经常是断开连接的。
  • 专家可能对以前的检查和治疗缺乏足够的信息。
  • 在医疗服务提供者之间共享医疗记录对于协调医疗至关重要,但无缝数字交换的承诺仍远未实现。

数据分析和人工智能智能医疗保健系统,加上电子健康记录(ehr)、患者实时数据流和紧急移动解决方案,证明了提供高度自动化、智能和可持续医疗保健服务的空前潜力。2

从NASA到医疗保健:使命控制

灵感来自于美国国家航空航天局,2019年气方济会修士推出任务控制中心,第一个在华盛顿州,只有第五届全球使用人工智能(AI)和先进的分析来增强其服务,协调和优化病人护理,提高能力为更多的病人服务在八的急症护理医院。这个拥有1300张床位的卫生系统是该州最大的卫生系统之一,每年接待近32.5万人次的急诊和超过30万的住院天数。CHI-Franciscan是美国第二大非营利医疗组织“共同精神健康”的一部分。

该任务控制中心与GE医疗保健公司合作,利用先进的机器学习(ML)和人工智能算法收集和利用数据,以:

  • 协调整个卫生系统的病人护理和资源。
  • 简化护理交付。
  • 允许护理团队主动解决问题。
  • 降低患者风险,改善健康结果。

CHI-Franciscan任务控制的核心功能包括:

  • 在医院内外运送病人
  • 第一时间把病人放在合适的床上
  • 追踪护理延误以消除它们
  • 为所有工厂提供合适的员工

该中心有一个18屏的视频墙,12个数据分析瓷砖或应用程序,提供来自每家医院的可操作的实时数据。例如,有一个名为“护理进展”(Care Progression)的贴图,它扫描并检测落后于计划的护理活动。这种磁砖能及时提示响应,并有助于在通知工作人员之前避免错误警报。

众所周知,入院后在急诊科等待时间较长的患者,其死亡风险较高。3.任务控制分析实时数据并解决潜在的延迟,以减少患者在急诊科或麻醉后护理病房等待床位的时间。从经济上讲,医院拥挤与未被发现和丢失病例率直接相关。4.

协作智能的价值:值班医生+任务控制

CHI-Franciscan任务控制中心成功的关键因素之一是一个叫做值班医生(PoD)的项目。每天,中心都有一位执业医师领导提供积极的临床领导。在启动任务控制中心之前的12个月里,CHI-Franciscan努力招募了一个由医院、急诊医学和外科专业的领导人组成的团队,担任PoD的角色。核心招聘标准包括:

  • 对医务人员、同事和护理人员的高度信任
  • 10年临床工作经验,现一线医务主任优先考虑
  • 系统视角和操作经验
  • 愿意承担风险,提倡最高质量的临床护理
  • 能够在新的部门和变化的氛围中成为一名优秀的教练

在启动时,他们招募了14名医生,其中12人平均分配给急诊医生和医院医生;心血管和普外科服务部门的负责人排在最后两个位置。10人是服务线和医务主任领导。

由于技术和卫生服务做法的迅速变化,继续教育也很关键。前三个月进行了培训,以确定团队的正确标准工作,目的是防止丢失病例,提高患者安全性,减少延误,并平衡系统能力。截至2020年11月,该团队在项目的前16个月进行了第14次标准工作。日常PoD程序标准工作为:

  • 系统意识。医生使用当前和历史容量数据对每家医院未来一天的容量进行预测。这项工作是与任务控制中心的工作人员合作完成的,包括安置病人、转移中心和护理人员。在接下来的24小时内,团队就当天的计划达成了一致。
  • 系统通信。从这个预测中,在验证了数据的正确性和团队的输入后,医生通知所有医院可用的系统资源和预测的赤字。
  • 预防失败的案例。医生作为临床资源和促进者,改善医务人员和同事之间的沟通。
  • 算法的期待.PoD传达现在正在发生的事情以及在未来24小时内将要发生的事情。他们利用学院关系促进额外的直接录取。
  • 确定每个病人安置小组在整个值班期间的最大需求.这加快了出院,获得降级,并减少了登机护理延误。
  • 对转入三级医院和正规医院的所有转院进行专家临床审查确保临床适宜性;促进等效替代计划(例如,专家可以通过远程医疗在发送设施为患者看病,而不是将所有需要咨询的患者转移到第三设施)。
  • 重新路由。医生积极地扫描全院的急诊部,以确定哪些病人有资格在既有能力又预计有空间的地方住院。我们注意预测他们医院的需求,以免使过度拥挤的情况恶化。
  • 候选名单上的评论。医生的工作是确保患者及时入院,防止丢失病例。
  • 临终关怀服务便利化。当病人要求转院时,如果病人有机会讨论治疗目标,医生可以在尚未发生的情况下协助转院。
  • Covid-19特定任务包括:
    • 引导关键资源分类团队钻头(抽象患者数据,仅在资源分配由于稀缺而成为必要时使用)。
    • 病人的评论。所有收治的COVID-19患者每天都进行复查,以协助在其指定的冠状病毒医院进行转院/队列安排。
    • 促进专业咨询,以降低通过转移Covid-19患者造成的风险。
    • 为COVID-19阳性和阴性患者的熟练护理设施出院提供便利。
    • 作为专家回答来自床位安置和转移中心关于隔离、测试、床位安置和负压房间管理的问题。

在不到一年的时间里

根据任务控制中心提供的信息,值班医生小组用医疗记录编号记录他们的日常干预,以便量化和验证其影响。为了保持数据完整性,采用了一套标准化的纳入标准;未纳入不符合这些标准的干预措施,以防止丢失病例,创造三级能力和战略床位,并提高患者安全性。

几乎不可能采用标准技术来管理医疗保健服务。当然,GE的任务控制技术需要对CHI-Franciscan的流程进行干预和定制。在实施的第一年,除了上述标准工作外,每个医生都被要求领导一个与资源能力相关的项目。这些项目的例子包括:

  • 当一家社区医院的核医学设备被召回时,三级急诊科医务主任(也是PoD)临时将其急诊科的一部分用于压力测试,以防止许多额外的患者(未计入官方指标)外移。
  • 系统心血管服务线医师主任(也称为PoD)在程序性患者实验室程序后的当天出院中实施了最佳实践。在整个卫生系统中观察到这些患者的同一天出院率显著增加。
  • 系统普通外科局长(也是POD)审查了丢失的手术案件,以确定机会并向他的小组带来反馈。
  • 在患者不再需要其第三级护理中心时,编写和实施系统转账以创造三级空间。
  • 医师领导者,包括神经外科和心脏病学的主管,要求使命控制联系他们,白天或黑夜,如果案件在其服务线上会丢失。

由于成功地共同开发、执行和管理任务控制,在不到一年的时间里,我们看到下列改进*:

  • 仅通过额外的录取和防止丢失病例,这个由医生驱动的项目在第一年的运营中创造了相当于74%的劳动力成本的贡献利润。
  • 当考虑到从其全部的三级中心转移和重新航线所产生的额外三级能力时,如果该能力被完全利用,该能力创造的贡献边际估计为360万美元,项目总投资回报为12:1。
  • 为任务控制编写并验证一种独特的能力算法,该算法在他们的日常操作中使用,在预测第三站点“明天的需求”时,被发现准确率在1.9%以内。
  • 一年中的前六个月减少了20%的病例减少了20%。
  • 每天早上5点的登机人数平均减少了54%。该数据来自两个独立的数据集,包括转移中心容量数据审计和急诊科护士人员配置数据。
  • 平衡的系统容量。自从任务控制中心启动以来,我们已经能够实现从最繁忙的医院到有住院病人能力的较小地点的占用率的重大转变。
  • 从核心临床服务角度来看,POD介入了142名关键患者安全案例,突出了对复杂综合卫生系统的最前沿的医生领导(见表1).

*注:关于丢失病例、寄宿数据和住院人数:仅包括2019-2020财年前6个月的数据,因为在COVID-19大流行之后,住院人数急剧下降,无法可靠地将随后的变化归因于任务控制中心的干预。

领导团队在这个项目中不得不进行两大挑战,需要迫切地解决项目目标。招聘是一项挑战,需要在发布前一年的全年投资(时间)。已经被要求在整个领导地位和对整个组织受到高度信任的医生休息。定期听取候选人的会议需要了解他们对患者安全和系统能力的持续深入关切,并呈现它们的事实,即这种角色是改善患者护理的真正机会。第二个挑战是关于过程的。标准工作通常是已知的,但在计划的整个初始月份必须改变。我们的团队需要看看应该做些什么并改变以满足这些挑战。积极教练和教导特派团控制(患者放置,转移中心和人员组合)的其他团队成为核心竞争力。我们发现,成功的医生必须是熟练的促进者和谈判者,倡导患者在不传统上涉及医生的地区(如护士人员身上)。

经验教训

Chi Franciscan并不是唯一一个拥有特派团控制的卫生系统 - 其他卫生系统包括约翰霍普金斯和俄勒冈州卫生科学大学。匹兹堡大学医疗中心的Smartroom Technology是另一个样本分析和支持AI的智能医疗保健系统。这包括两个主要组成部分:患者屏幕,让患者识别他们的护理人员,参见一天的活动列表(预定的实验室测试等),以及访问教育材料;和一个看护人屏幕,使临床医生能够获得基本信息,包括过敏和药物治疗方案。该系统还允许护士和助手在触摸屏上快速记录生命体征和完整的基本任务。该系统足够智能,以向不同类别的提供商提供不同的患者数据。例如,负责转动患者的助手将被告知患者对乳胶过敏,并提醒床轨道。5.

任何智能医院(例如,任务控制)都要处理三个领域:操作、临床任务和以病人为中心。通过使用楼宇自动化系统和智能资产维护和管理解决方案,以及改善移动资产、药品、医疗设备、用品和消耗品库存的内部物流,以及对人员流动(员工、患者和访客)的控制,可以实现运营效率。当患者流动瓶颈得到解决时,可以提高效率,允许更多的患者通过系统“处理”,并允许以更低的成本获得更多的收入机会。

当我们看到许多科技巨头在过去几年里在医疗保健领域下了大赌注,并经历了巨大的失败(如微软HealthVault、谷歌Health、苹果手表和IBM Watson Oncology),同时试图颠覆一个极其复杂的行业,这使得人们对于共同开发和实施像任务控制这样的解决方案来管理医疗保健服务感到紧张。

主要的学习可以总结如下:

  • 雇佣有医疗保健知识和经验的最好的技术提供者。
  • 雇佣最受临床信任和最有影响力的,组织和操作上识字的,口头上清楚的医生可能。可以提高患者护理效率和安全性,但必须由影响者来掌舵,以确保新的流程确保患者的安全。
  • 雇佣那些愿意忍受和适应变化的人。愿意改变标准工作以适应不断变化的需求。特派团控制中心的所有COVID-19相关工作都是在大流行演变的同时开展的。
  • 聘请具有医疗保健知识的数据科学工程和科学专家。6.
  • 雇佣并培养那些抱着“不惜一切代价”的态度来提供最好的医疗服务的医生。
  • 相互学习。CH-Franciscan非常幸运地拥有一个由注册护士、协调员和任务控制人员组成的经验丰富且值得信任的团队,拥有深厚的临床、关系和操作知识。

限制

与所有案例研究和行动研究一样,本研究的一个局限性是对单一医疗组织的检查。全球有许多医疗组织正在研究类似的数据和分析医疗保健信息管理解决方案。根据他们提供的健康服务类型和大小,每个组织可能有不同的需求。当然,这个项目的成功取决于收集,商店和分析数据以支持权利和及时决策的人员,正确的流程和技术。AI是一个不断增长的区域,可以在医疗保健中决策。

结论

许多医疗服务提供商正在研究各种数据和分析解决方案,以提高其医疗服务的效果。这是为数不多的从定量和定性分析中为这样一个大型项目的投资回报提供切实证据的研究之一。通过实时数据协调患者护理,并能够快速做出决策,为医疗保健服务带来了巨大的价值。

作者传记

Jessica Schlicher, MD MBA, (jessica.schlicher@commonspirit.org)是弗吉尼亚梅森方济会健康中心虚拟医院和任务控制中心的医学主任。

Matthew T. Metsker, PA-C, MPAS, MHA, FHM, CMPE, (matthew.metsker@commonspirit.org)是弗吉尼亚梅森·弗朗西尼斯卫生卫生的特派团执照司司长。

MS . Hitul Shah, (hitul.shah@commonspirit.org)是维吉尼亚梅森弗朗西斯健康中心任务控制中心的高级行动分析师。

哈鲁克·德米坎博士,(haluk@uw.edu.)是位于塔科马的华盛顿大学服务创新和商业分析的米尔加德教授。

笔记

1.Fenton, Susan H.和Smith, Diann H. <健康信息管理中的循证操作管理:一个案例研究>健康信息管理的视角1、no . 16, collect。2019年10月。

2.Demirkan Haluk。智能医疗保健系统框架:更加面向服务、工具化、互联和智能化。2013年9月/ 10月:38-45。

3.Chalfin, Donald B, Trzeciak, Stephen, Likourezos A, et al. <急诊科向重症监护室延迟转移危重症患者的影响>关键护理医学35、第六期(2007):1477-1483。

4.Bair, Aaron E, Song, Wheyming T., Chen, Yi-Chun, and Morris, Beth A. <住院病人住院对ED效率的影响:离散事件模拟研究>。医学系统杂志34, 5号(2010年10月):919-929。

5.Cerrato,保罗。“病房变得更智能。”信息周/ 2011年10月19日。https://www.informationweek.com/healthcare/clinical-information-systems/hospital-rooms-get-smart/d/d-id/1100822

6.多尔泽尔,黛安,麦克劳德,亚历山大。大数据技能:弥合医疗保健领域数据科学理论与实践的鸿沟健康信息管理的视角.2021年冬天。

发布:

留下一个回复