ข้อมูลขนาดใหญ่จะถูกนำมาใช้มากขึ้นเพื่อปรับปรุงประสบการณ์ของผู้ป่วยและผลทั่วโลก. ประสบการณ์ของผู้ป่วยและผลที่ได้รับความสนใจมากนักเพื่อให้ห่างไกลโรงพยาบาลส่วนใหญ่เป็นเพราะเชื่อว่ามันจำเป็นในการเชื่อมต่ออย่างปราศจากความรู้สึกและอคติกับผู้ป่วยและการรักษาโรค. แต่โรงพยาบาลจะตระหนักว่าการรักษาผู้ป่วยที่นอกเหนือไปจากโรคทางกาย. มันเป็นเรื่องของวิธีการที่ผู้ป่วยเกี่ยวกับอารมณ์ความรู้สึกหลายสิ่งเช่นพฤติกรรม, การแสดงออกทางสีหน้า, approachability, การรักษาความสะอาด, ประสบการณ์การเรียกเก็บเงินและการเอาใจใส่ที่มีประสบการณ์ในโรงพยาบาล. ปัจจัยดังกล่าวถือเป็นประสบการณ์ของผู้ป่วยและโรงพยาบาลกำลังพยายามที่จะหาจำนวนประสบการณ์ของผู้ป่วยในรูปแบบของข้อมูลขนาดใหญ่. กรณีการใช้งานหลายคนเป็นพยานถึงความมีประสิทธิภาพของข้อมูลขนาดใหญ่ในการปรับปรุงประสบการณ์ของผู้ป่วยและผล.
ประสบการณ์ของผู้ป่วยและผลหมายความว่าอะไร?
ประสบการณ์ของผู้ป่วยกับโรงพยาบาลไม่ได้เชื่อมต่อเพียงเพื่อคุณภาพของการรักษาทางการแพทย์ที่บริสุทธิ์ แต่ยังมีประสบการณ์ทางอารมณ์โดยรวมที่มี, แต่อาจจะไม่ถูก จำกัด ให้ความสะดวกในการนัดหมาย, approachability และเป็นมิตรของพนักงาน, ทันเวลา, ความเห็นอกเห็นใจและความสะอาด. ผู้ป่วยสามารถคะแนนที่ได้รับรางวัลบนพื้นฐานของประสบการณ์ทางอารมณ์ของเขาหรือเธอโดยรวมที่มีโรงพยาบาล. เทคโนโลยีข้อมูลขนาดใหญ่สามารถที่จะจับภาพประสบการณ์ทางอารมณ์ในรูปแบบของข้อมูล. ภาพด้านล่างแสดงให้เห็นว่าความหลากหลายของอารมณ์และประสบการณ์ที่ผู้ป่วยสามารถมีถูกจับในรูปแบบของข้อมูลในสื่อต่างๆเช่นเว็บไซต์สื่อสังคม.
ประสบการณ์ของผู้ป่วย
ข้อมูลเกี่ยวกับประสบการณ์ของผู้ป่วยสามารถที่มาจากแหล่งที่มาที่แตกต่างกัน, ดังแสดงในภาพด้านล่าง.
แหล่งข้อมูล
รับด้านล่างเป็นห้าวิธีที่มีประสิทธิภาพข้อมูลขนาดใหญ่จะถูกใช้ในการปรับปรุงประสบการณ์ของผู้ป่วยและผล.
วิธีที่คลีฟแลนด์คลินิก
คลีฟแลนด์คลินิกอย่างมีนัยสำคัญปรับปรุงประสบการณ์ของผู้ป่วยด้วยความช่วยเหลือของการวิเคราะห์. ย้อนกลับไปใน 2009, คลินิกไม่ได้รับการได้รับคะแนนสูงสุดในดัชนีความพึงพอใจของผู้ป่วย. จำเป็นต้องระบุ, ที่มีจำนวนมากของผลกระทบ. So, ซีอีโอดร. คอสโกรฟตัดสินใจที่จะปรับปรุงการให้บริการผู้ป่วยอย่างรวดเร็วโดยอาศัยการวิเคราะห์. ที่จะเปิดวิสัยทัศน์เป็นจริง, คลินิกได้รับการว่าจ้างดร. เจมส์ Merlino กับประธานเจ้าหน้าที่ประสบการณ์. ดร. Merlino ได้รับการว่าจ้างหน่วยงานบุคคลที่สามเพื่อดำเนินการศึกษาเชิงปริมาณและคุณภาพในสิ่งที่ผู้ป่วยที่คาดว่าจะมาจากคลินิก. ผลการวิจัยจากการวิเคราะห์มีความแตกต่างจากสิ่งที่คิดว่าคลินิกผู้ป่วยที่คาดว่าจะมาจากคลินิก. ผู้ป่วย, การวิเคราะห์พบว่า, คาดว่าเคารพ, การสื่อสารที่ชัดเจนและสอดคล้องกันและเจ้าหน้าที่ของโรงพยาบาลที่มีความสุข. ความคาดหวังเหล่านี้ถูกเชื่อมต่อกับสภาวะอารมณ์ของผู้ป่วย. ผู้ป่วยที่ต้องการการแสดงผลของความกังวลและความเอาใจใส่จากเจ้าหน้าที่ของโรงพยาบาล. มันมีความหมายว่าการศึกษาโดย บริษัท ภายนอกเชิงปริมาณสามารถจับความรู้สึกของผู้ป่วยและส่งพวกเขาการวิเคราะห์.
ข้อมูลเชิงลึกที่ดึงดูดจากข้อมูลขนาดใหญ่
ดึงดูดข้อมูลเชิงลึกที่เป็นขั้นตอนแรกที่สำคัญต่อการปรับปรุงประสบการณ์ของผู้ป่วยและมีหลายวิธีที่จะทำเช่นนั้น. ก่อนอื่น, ข้อมูลความต้องการที่จะเข้าถึงได้จากแหล่งที่มาที่แตกต่างกัน, ดังแสดงในภาพดังกล่าวข้างต้น. หลังจากนั้น, ข้อมูลที่สามารถนำมาวิเคราะห์เพื่อหาความรู้สึกของผู้ป่วยที่มีต่อโรงพยาบาล. For example, สื่อและเว็บไซต์สังคมการอภิปรายสามารถเปิดเผยว่าผู้ป่วยมักจะรู้สึกมากของความโกรธที่ไร้ประสิทธิภาพการเรียกเก็บเงินของโรงพยาบาลโดยเฉพาะอย่างยิ่ง. การวิเคราะห์ขั้นสูงสามารถวัดปริมาณช่วงเหล่านี้ของอารมณ์. เครื่องมือ Analytics สามารถค้นหาเว็บไซต์เช่น Twitter เพื่อหาหัวข้อที่มีแนวโน้มในการดูแลสุขภาพและการวิเคราะห์เนื้อหา. มันเป็นสิ่งสำคัญในการระบุปัญหาที่สำคัญที่สุดในจิตใจของผู้ป่วย - มันอาจจะเป็นความพร้อมของที่จอดรถ, ขาดความชัดเจนในการสื่อสาร, ห้องอาบน้ำที่ไม่สะอาดและแม้กระทั่งการเรียกเก็บเงินเคาน์เตอร์วุ่นวาย.
ระบุได้รับความนิยมหรือร้อนหัวข้อ
ความคิดที่จะระบุหัวข้อที่ได้รับความนิยมและกำหนดจัดอันดับให้พวกเขามีความหมายความรุนแรงหรือความสำคัญ. For example, ข้อเสนอแนะในเชิงบวกที่อาจจะได้รับรางวัลสีเขียวและความคิดเห็นเชิงลบจะได้รับสีแดง. การวิเคราะห์ขั้นสูงที่มีความสามารถในการสร้างการจัดอันดับความน่าเชื่อถือจากความคิดเห็นดังกล่าว. ข้อเสนอแนะดังกล่าวยังสามารถให้วัสดุที่มีคุณค่าสำหรับโรงพยาบาลที่จะสร้างตัวบ่งชี้ประสิทธิภาพ (KPI). ประโยชน์ด้วยวิธีการของการรวบรวมและวิเคราะห์ข้อมูลนี้ก็คือว่ามันเกิดขึ้นค่อนข้างรวดเร็ว, เมื่อเปรียบเทียบกับวิธีการแบบดั้งเดิมของการสำรวจ.
การสร้างแผนปฏิบัติการและเป้าหมาย
หลังจากระบุได้รับความนิยมหรือร้อนหัวข้อ, ขั้นตอนต่อไปคือการระบุชุดของตัวแปรที่มีบทบาทในความไม่พอใจของผู้ป่วยได้. ตัวแปรที่เป็นชุดของพารามิเตอร์ที่มีค่าที่ได้รับมอบหมายที่เห็นได้ชัด, เปลี่ยนแปลงตลอดเวลา. ในบริบทนี้, ตัวอย่างของตัวแปรที่อาจจะมีข้อผิดพลาดในการเรียกเก็บเงิน, รอเวลาที่หน่วยงานสืบสวน, ขาดกระบวนการ, ทัศนคติที่ไม่ดีต่อผู้ป่วยและความยากลำบากในการนัดหมายการซัก. หลังจากตัวแปรที่จะมีการระบุ, โรงพยาบาลสามารถตัดสินใจเกี่ยวกับสิ่งที่ถือว่าได้รับการยอมรับการเปลี่ยนแปลงในค่าตัวแปร. For example, โรงพยาบาลสามารถกำหนดเป้าหมายที่จะ จำกัด ข้อผิดพลาดในการเรียกเก็บเงิน 1% ของจำนวนเสียงทั้งหมดของตั๋วเงินที่เกิดขึ้นในเดือน. วิทยาศาสตร์ข้อมูลยังมีความสามารถในการประเมินที่เหมาะสมผลกระทบของการเปลี่ยนแปลงของค่าตัวแปรเกี่ยวกับประสบการณ์ของผู้ป่วย.
ลด readmissions
อ้างอิงกับพอลมุลเลอร์, ศาสนาซอฟท์แวหัวหน้า HP, รับสมัครโรงพยาบาลในประเทศสหรัฐอเมริกาเป็นประมาณ 30% ของค่าใช้จ่ายด้านการดูแลสุขภาพรวมประจำปีและ 20% ทุกโรงพยาบาลเกิดขึ้นภายใน 30 วันของการปล่อย. มุลเลอร์ตั้งข้อสังเกต, "กล่าวอีกนัยหนึ่ง, เราอาจปล่อยให้คนไปโดยไม่ได้รับการแก้ไขปัญหาของพวกเขาอย่างสมบูรณ์. ดีกว่าการใช้เทคโนโลยีขนาดใหญ่ข้อมูลที่อาจมีผลกระทบจริงมาก, เช่น, ในผลการดูแลสุขภาพของคนที่คุณรัก. "เห็นได้ชัดว่า, ลด readmissions โรงพยาบาลอย่างมีนัยสำคัญสามารถปรับปรุงผลผู้ป่วย. แต่วิธีการที่จะได้ข้อมูลขนาดใหญ่ที่อาจช่วยลด readmissions? สำคัญอยู่ในการเข้าถึงและวิเคราะห์ข้อมูลทางการแพทย์และสุขภาพของผู้ป่วยและการพัฒนาแผนตาม. หากผู้ป่วยได้รับการรักษาซ้ำภายใน 30 วัน, สิ่งที่ได้ส่วนใหญ่อาจจะหายไปอย่างผิดปกติกับการดูแลหลังปล่อย. So, วิเคราะห์ที่ถูกต้องต้องทำเกี่ยวกับความเสี่ยงที่เป็นไปได้, การปฏิบัติ, สถานการณ์ฉุกเฉิน, ยา, ประวัติความเป็นมาของการเจ็บป่วยและอื่น ๆ.
ลดค่าใช้จ่ายที่หลีกเลี่ยงได้
ตามที่มุลเลอร์, ผิดพลาดทางการแพทย์เป็นหนึ่งในผู้ให้ที่ยิ่งใหญ่ที่สุดที่จะหลีกเลี่ยงได้ค่ารักษาพยาบาลในประเทศสหรัฐอเมริกาซึ่งอาจจะสูงถึง 17.6% ของ GDP. ข้อผิดพลาดทางการแพทย์เช่นฟองน้ำที่เหลืออยู่ในกระเพาะอาหารหลังการผ่าตัดหรือยาเกินขนาดที่นำไปสู่การติดเชื้อสามารถขับรถขึ้นไปโรงพยาบาลต้องเสียค่าใช้จ่ายและค่าใช้จ่ายการประกัน. ความไร้ประสิทธิภาพในกระบวนการทางอ้อมนอกจากนี้ยังนำไปสู่ต้นทุนที่สูงขึ้น. นี้ไปโดยไม่บอกว่าไร้ประสิทธิภาพและข้อผิดพลาดสามารถมีส่วนร่วมอย่างมากไม่พอใจของผู้ป่วยและลดผลคะแนนของผู้ป่วย. วิเคราะห์ข้อมูลขนาดใหญ่, รวมกับเทคโนโลยีที่เหมาะสม, สามารถสัมผัสปัญหาในลักษณะที่มีวัตถุประสงค์. เสียชีวิตเนื่องจากข้อผิดพลาดและความประมาทของผู้ป่วยสามารถขับรถออกไปจากโรงพยาบาล. การวิเคราะห์ที่ถูกต้องสามารถควบคุมการปั่น.
Summary
ประสบการณ์ของผู้ป่วยและผลที่ได้รับการละเลยองค์ประกอบของการรักษาเป็นเวลานานและเป็นที่สุดที่ได้รับความสนใจมันสมควร. ข้อมูลขนาดใหญ่มากที่สุดน่าจะเป็นวิธีที่ดีที่สุดเพื่อแก้ไขปัญหา. However, โรงพยาบาลยังต้องพิจารณามุมมองของความเชื่อมั่นมากเกินไปในข้อมูล. Statistics, ดีที่สุดของมันแล้ว, สามารถบอกได้เพียงส่วนหนึ่งของเรื่องราว. ความท้าทายคือการได้รับการกระทำของตนร่วมกัน, โดยการวางแผนปฏิบัติการสร้างขึ้นจากข้อมูลในทางปฏิบัติ. มีมุมมองอื่นยังเป็น: สามารถลงทุนในการวิเคราะห์ข้อมูลขนาดใหญ่ยังขับรถขึ้นค่ารักษาพยาบาล? ที่สามารถเป็นพื้นที่ของประสบการณ์ของผู้ป่วยอีก. มันจะน่าสนใจเพื่อดูว่าโรงพยาบาลเล่นการกระทำสมดุล.
