Lösungsarchitektur: Prognostizieren der Länge des Aufenthalts und des Patientenflusses mit Analysen des Gesundheitswesens

Für die Betreiber einer Gesundheitseinrichtung ist die Länge des Aufenthalts – die Anzahl von Tagen zwischen der Einlieferung und der Entlassung eines Patienten – von großer Bedeutung. Die Anzahl kann jedoch je nach Einrichtung und nach Erkrankung und Fachgebiet variieren, sogar im selben Gesundheitssystem. So ist es schwer, den Patientenfluss nachzuverfolgen und entsprechend zu planen.

Diese Azure-Lösung hilft der Krankenhausverwaltung dabei, Machine Learning dazu einzusetzen, die Länge von Krankenhausaufenthalten zu prognostizieren, um so die Kapazitätsplanung und den Einsatz von Ressourcen verbessern zu können. Der Informationsmanager einer medizinischen Einrichtung kann ein Prognosemodell beispielsweise dazu verwenden zu bestimmen, welche Einrichtungen überbesteuert sind und welche Ressourcen innerhalb dieser Einrichtungen gestärkt werden müssen. Ein Pflegemanager mit Linienverantwortung kann dieses Modell z.B. verwenden, um zu bestimmen, ob es ausreichend Personal für die Entlassung eines Patienten gibt.

Wenn bei der Einlieferung eines Patienten bereits die Länge seinen Aufenthalts prognostiziert werden kann, kann das Krankenhaus eine bessere Versorgungsqualität gewährleisten und seine betriebliche Auslastung optimieren. Zudem können Entlassungen so angemessenen geplant werden, wodurch Qualitätsmaßnahmen wie Wiedereinlieferungen gesenkt werden.

In Azure bereitstellen

Verwenden Sie die folgende vorgefertigte Vorlage, um diese Architektur in Azure bereitzustellen

In Azure bereitstellen
Power BI SQL Database Machine Learning

Implementierungsleitfaden

Produkte Dokumentation

SQL Server R Services

Speichert Patienten- und Krankenhausdaten. Bietet Training und Prognosemodelle sowie Prognoseergebnisse für die Erfassung mit R.

Power BI

Power BI bietet ein interaktives Dashboard mit Visualisierungen, die in SQL Server gespeicherte Daten verwenden, um Entscheidungen bezüglich der Vorhersagen zu treffen.

Machine Learning Studio

Mit Machine Learning können Sie ganz einfach Predictive Analytics-Lösungen in der Cloud entwerfen, testen, operationalisieren und verwalten.

Zugehörige Lösungsarchitekturen