Big data is being increasingly applied to improve patient experience and outcome globally. პაციენტის გამოცდილება და შედეგზე უკვე დიდწილად უგულვებელყოფილია ჯერჯერობით ძირითადად იმიტომ, რომ საავადმყოფოები სჯეროდა, რომ ეს საჭირო დაკავშირება unemotionally და ობიექტურად თავისი პაციენტების მკურნალობა და ailments. მაგრამ საავადმყოფოებში არიან იმაში, რომ პაციენტის მკურნალობის სცილდება ფიზიკური დაავადებების. ეს არის, თუ როგორ პაციენტის ემოციურად გრძნობს რამდენიმე რამ, როგორიცაა ქცევის, სახის გამოხატვის, მისვლა, სისუფთავის, ბილინგის გამოცდილება და თანაგრძნობა გამოცდილი საავადმყოფოში. ასეთი ფაქტორები ქმნიან პაციენტის გამოცდილება და საავადმყოფოები ცდილობთ რაოდენობრივად პაციენტის გამოცდილება სახით დიდი მონაცემები. რამდენიმე გამოყენების შემთხვევაში ადასტურებს, რომ ეფექტურობის დიდი მონაცემების გაუმჯობესების პაციენტის გამოცდილება და შედეგს.
რას პაციენტის გამოცდილება და შედეგს ნიშნავს?
პაციენტის გამოცდილება საავადმყოფოში არ უკავშირდება მხოლოდ ხარისხის სუფთა მკურნალობა, არამედ საერთო ემოციური გამოცდილება, რომელიც მოიცავს, მაგრამ არ შეიძლება იყოს შეზღუდული განმუხტვის დანიშვნები, მისვლა და მეგობრული პერსონალი, დროულობის, თანაგრძნობა და სისუფთავის. პაციენტებს შეუძლიათ ჯილდო ქულით ეფუძნება მისი საერთო ემოციური გამოცდილება საავადმყოფოში. დიდი მონაცემები ტექნოლოგია შეუძლია ხელში ემოციური გამოცდილება სახით მონაცემების. გამოსახულების ქვემოთ აჩვენებს, რომ ფართო სპექტრი ემოციები და განიცდის პაციენტს შეიძლება არ მიტაცებული სახით მონაცემები სხვადასხვა შემცველები როგორიცაა სოციალური მედია საიტებზე.
პაციენტის გამოცდილება
მონაცემები პაციენტის გამოცდილება შეიძლება sourced სხვადასხვა წყაროდან, როგორც ნაჩვენებია სურათზე ქვემოთ.
მონაცემთა წყარო
ქვემოთ მოყვანილი ხუთი ძლიერი გზა დიდი მონაცემები გამოიყენება გააუმჯობესოს პაციენტის გამოცდილება და შედეგს.
კლივლენდის კლინიკის გზა
კლივლენდის კლინიკის მნიშვნელოვნად გაუმჯობესდა მისი პაციენტის გამოცდილება დახმარებით ანალიტიკა. უკან 2009, კლინიკაში არ მიუღიათ მაღალი ქულა პაციენტის კმაყოფილების ინდექსი. რა თქმა უნდა, განვაცხადო,, რომ ჰქონდა ბევრი შედეგები. So, აღმასრულებელი დირექტორი დოქტორი. Cosgrove გადაწყვიტა მკვეთრად გაუმჯობესების სამედიცინო მომსახურება დაყრდნობით ანალიტიკა. აქციოს ხედვა შევიდა რეალობა, კლინიკაში დაქირავებული Dr. ჯეიმს Merlino როგორც მთავარი ოფიცერი. Dr. Merlino დაქირავებული მესამე მხარის სააგენტო ჩაატაროს ხარისხობრივი და რაოდენობრივი კვლევა, თუ რა პაციენტებს ელოდებიან კლინიკა. დასკვნები ანალიტიკა იყო განსხვავებული, რაც კლინიკაში ეგონა, რომ პაციენტებს ელოდებიან კლინიკა. პაციენტები, ანალიტიკა გამოვლინდა, ელოდებიან და პატივისცემა, ნათელი და თანმიმდევრული კომუნიკაციის და ბედნიერი საავადმყოფოს თანამშრომლები. ეს მოლოდინები დაკავშირებული ემოციური მდგომარეობის პაციენტებს. პაციენტები სურდა ჩვენება შეშფოთება და თანაგრძნობა საავადმყოფოს პერსონალი. აღსანიშნავია, რომ კვლევის გარეთ ფირმა შეიძლება რაოდენობრივად ხელში პაციენტთა გრძნობები და მიწოდება მათ, როგორც ანალიტიკა.
წვდებიან დიდი მონაცემთა
წვდებიან არის პირველი მნიშვნელოვანი ნაბიჯი გაუმჯობესების პაციენტის გამოცდილება და არსებობს ბევრი გზა უნდა გააკეთოს, რომ. პირველ რიგში, მონაცემები უნდა გამოიყენოთ სხვადასხვა წყაროდან, როგორც ნაჩვენებია გამოსახულებები ზემოთ. After that, მონაცემები შეიძლება ანალიზი, რათა გაირკვეს, პაციენტის გრძნობების მიმართ საავადმყოფოები. For example, სოციალური მედია და ნახვა დისკუსიები შეიძლება გამოავლინოს, რომ პაციენტებს, როგორც წესი, გრძნობენ ბევრი აღშფოთება დროს ბილინგის inefficiencies კონკრეტული საავადმყოფოში. Advanced ანალიტიკა შეიძლება რაოდენობრივად ეს მერყეობს ემოციები. ანალიტიკა ძრავები მოძებნოთ საიტებზე, როგორიცაა Twitter, რათა გაირკვეს, trending თემები ჯანდაცვისა და ანალიზი შინაარსი. მნიშვნელოვანია, რათა დადგინდეს ყველაზე მნიშვნელოვანი საკითხი გონებაში პაციენტებს - ეს შეიძლება იყოს ხელმისაწვდომობა ავტოსადგომით, სიცხადის კომუნიკაცია, უწმინდური სველი წერტილები და კიდევ არეული ბილინგის counters.
იდენტიფიცირება trending და ცხელი თემები
იდეა არის იდენტიფიცირება Trending თემები და მივანიჭოთ რეიტინგები მათ უნდა ნიშნავდეს სერიოზულობით და მნიშვნელობა. For example, დადებითი გამოხმაურება შეიძლება მიენიჭოს მწვანე ფერის და უარყოფითი კავშირი შეიძლება მიეცეს წითელი ფერის. Advanced ანალიტიკა შეუძლია მომტანი საიმედო რეიტინგები ასეთი კავშირი. ასეთი კავშირი შეიძლება ასევე ძვირფასი მასალების საავადმყოფოების შექმნათ ძირითადი მაჩვენებლები (KPI). უპირატესობა ამ მიდგომის შეკრების და ანალიზის მონაცემები არის, რომ ეს ხდება შედარებით სწრაფად, როდესაც შედარებით ტრადიციული მეთოდით კვლევების.
შექმნა სამოქმედო გეგმები და მიზნები
გამოვლენის შემდეგ trending და ცხელი თემები, შემდეგი ნაბიჯი არის იდენტიფიცირება კომპლექტი ცვლადები, რომლებიც გარკვეულ როლს თამაშობენ პაციენტის უკმაყოფილება. ცვლადები კომპლექტი პარამეტრების დანიშნული ღირებულებები, რომელიც აშკარად, ცვლილება დროთა განმავლობაში. In this context, მაგალითები ცვლადები შეიძლება იყოს ბილინგის შეცდომები, ელოდება დროს გამოძიება დეპარტამენტები, ნაკლებობა პროცესი, ცუდი დამოკიდებულება პაციენტებს და სირთულის აღების დანიშვნები. მას შემდეგ, რაც ცვლადები განსაზღვრული, საავადმყოფოში გადაწყვიტოს, თუ რა წარმოადგენს მისაღები ცვლილება ცვლადი ღირებულებები. For example, საავადმყოფოში ვერ მიზანში შეზღუდოს ბილინგის შეცდომები 1% საერთო რაოდენობის გადასახადები გამომუშავებული თვეში. მონაცემთა მეცნიერების ასევე შეუძლია გონივრულად შეფასებისას გავლენა ცვლილება ცვლადი ღირებულებების პაციენტის გამოცდილება.
შემცირება readmissions
პავლე Muller, მთავარი Software მახარებელი საათზე HP, საავადმყოფოს მიმღებ ამერიკის შეერთებულ შტატებში წარმოადგენს დაახლოებით 30% წლიური ჯანდაცვის ღირებულება და 20% ყველა საავადმყოფოს მიმღებ მოხდეს 30 დღის ხარჯი. Muller დაფიქსირდა, "სხვა სიტყვებით, ჩვენ პოტენციურად აძლევდა ხალხს წასვლა გარეშე მთლიანად მოგვარდება მათი საკითხები. უკეთესი გამოყენებით დიდი მონაცემების ტექნოლოგია შეიძლება ჰქონდეს ძალიან რეალური გავლენა, მაგალითად, ჯანდაცვის შედეგების თქვენს ახლობლებს. "ცხადია,, შემცირების საავადმყოფოში readmissions შეიძლება მნიშვნელოვნად გააუმჯობესებს პაციენტის შედეგს. მაგრამ როგორ შეიძლება დიდი მონაცემები პოტენციურად დაეხმაროს შეამციროს readmissions? გასაღები იმაში მდგომარეობს, წვდომის და ანალიზის სამედიცინო და ჯანდაცვის მონაცემებით, პაციენტები და განვითარებადი გეგმებს შესაბამისად. თუ პაციენტი აღდგეს ფარგლებში 30 დღის, რაღაც, ალბათ წავიდა არასწორი პოსტ-განმუხტვის ზრუნვა. So, ზუსტი ანალიზი უნდა გაკეთდეს შესაძლო რისკები, ქმედებები, საგანგებო სიტუაციების, მედიკამენტები, ისტორია დაავადებების და ა.შ..
შემცირება თავიდან აცილება ხარჯები
მისი თქმით, Muller, სამედიცინო შეცდომები ერთ ერთი ყველაზე დიდი წვლილი შეაქვს თავიდან აცილება სამედიცინო ხარჯები, ამერიკის შეერთებული შტატები, რომელიც შეიძლება იყოს როგორც მაღალი, როგორც 17.6% მშპ-ს. სამედიცინო შეცდომები, როგორიცაა sponge დარჩა კუჭის ოპერაციის შემდეგ ან ჭარბი წამყვანი ინფექციით შეიძლება მართოს up ღირებულება საავადმყოფოებში წარმოეშვას და დაზღვევის ხარჯები. არაეფექტურობა პროცესში არაპირდაპირ შეუწყობს უმაღლესი ხარჯები. ეს ცხადია, არაეფექტურობა და შეცდომები შეიძლება ხელი შეუწყოს არსებითად პაციენტის უკმაყოფილება და შეამციროს პაციენტის შედეგს ქულა. დიდი მონაცემები ანალიტიკა, ერთად სწორი ტექნიკა, შეიძლება გამოამჟღავნონ პრობლემების ობიექტური ფორმით,. Deaths გამო შეცდომები და გულგრილობა შეიძლება მართოს პაციენტების დაშორებით საავადმყოფოში. სწორი ანალიზის აკონტროლებს churn.
Summary
პაციენტის გამოცდილება და შედეგს უკვე უგულვებელყოფილია კომპონენტების მკურნალობა ხანგრძლივი დრო და ეს საბოლოოდ მიღების ყურადღებას იმსახურებს. დიდი მონაცემები, სავარაუდოდ, არის საუკეთესო გზა მივმართო საკითხი. However, საავადმყოფოები ასევე უნდა განიხილოს პერსპექტივა ძალიან ბევრი დაყრდნობა მონაცემები. Statistics, მისი საუკეთესო, შემიძლია გითხრათ, მხოლოდ ნაწილი ამბავი. გამოწვევაა მიღების მისი აქტი ერთად, გამოსული სამოქმედო გეგმა გენერირებული საწყისი მონაცემები პრაქტიკაში. არსებობს კიდევ ერთი პერსპექტივა ასევე: შეიძლება ინვესტიციების დიდი მონაცემები ანალიტიკა ასევე მართოს up საავადმყოფოში გადასახადები? ეს შეიძლება იყოს სხვა ფართობი პაციენტის გამოცდილება. ეს იქნება საინტერესო, თუ რამდენად საავადმყოფოები ითამაშოს გაწონასწორებული.
