Architektura řešení: Předpověď délky pobytu a toku pacientů pomocí analýz zdravotnictví

Pro lidi provozující zdravotnická zařízení je délka pobytu (počet dní od přijetí pacienta do jeho propuštění) velmi důležitá. Toto číslo se však může lišit mezi zařízeními a u různých stavů onemocnění a specializací, a to dokonce i v rámci stejného systému zdravotnictví. Kvůli tomu je těžší sledovat tok pacientů a odpovídajícím způsobem plánovat.

Toto řešení Azure pomáhá vedení nemocnic využít sílu strojového učení k předvídání délky hospitalizace a vylepšení plánování kapacity a využití prostředků. Vedoucí pracovník resortu zdravotnictví v oblasti IT může pomocí prediktivního modelu určit, která zařízení jsou přetížená a které prostředky v těchto zařízeních posílit. Ředitel úseku péče se pomocí něj může rozhodovat, jestli bude k dispozici dostatek personálu pro vyřízení propuštění pacienta.

Schopnost předvídat délku pobytu a dobu přijetí pomáhá nemocnicím poskytovat kvalitnější péči a zefektivnit provozní úlohy. Pomáhá také přesně plánovat propouštění, a díky tomu snižovat další měřítka kvality, jako jsou opětovná přijetí.

Nasadit do Azure

Nasazení této architektury do Azure s použitím následující předem sestavené šablony

Nasadit do Azure

Zobrazit nasazené řešení

Power BI SQL Database Machine Learning

Pokyny k implementaci

Produkty/popis Dokumentace

SQL Server R Services

Ukládá data o pacientech a nemocnicích. Poskytuje trénovací a prediktivní modely a předpokládané výsledky pro využití v R.

Power BI

Power BI poskytuje interaktivní řídicí panel s vizualizací, která se při předpovědích rozhoduje na základě dat uložených na SQL Serveru.

Machine Learning Studio

Machine Learning umožňuje jednoduše navrhnout, testovat, zprovoznit a spravovat prediktivní analytická řešení v cloudu.

Související architektury řešení