Navigation überspringen

Prognostizieren der Aufenthaltsdauer in Kliniken

Diese Lösung implementiert ein Predictive-Modell für die Dauer von Klinikaufenthalten. Die Aufenthaltsdauer ist dabei definiert als Anzahl von Tagen vom Aufnahmedatum bis zum Datum der Entlassung des Patienten aus einer beliebigen Klinikeinrichtung.

Beschreibung

Hinweis: Wenn Sie diese Lösung bereits bereitgestellt haben, klicken Sie hier, um sich Ihre Bereitstellung anzeigen zu lassen.

Geschätzte Bereitstellungszeit: 30 Minuten

Vorläufige Zustimmung (erforderlich): Vor der erstmaligen Bereitstellung dieser VM müssen Sie die Nutzungsbedingungen des virtuellen Data Science-Computers in Ihrem Azure-Abonnement annehmen. Klicken Sie hier, um den Nutzungsbedingungen zuzustimmen.

Übersicht

Diese Lösung implementiert ein Predictive-Modell für die Dauer von Klinikaufenthalten. Die Aufenthaltsdauer ist dabei definiert als Anzahl von Tagen vom Aufnahmedatum bis zum Datum der Entlassung des Patienten aus einer beliebigen Klinikeinrichtung. Die Aufenthaltsdauer kann sogar innerhalb desselben Gesundheitssystems abhängig von Einrichtung, Erkrankung und Fachgebiet erheblich schwanken. Die erweiterte Vorhersage der Aufenthaltsdauer zum Zeitpunkt der Aufnahme kann die Betreuungsqualität ebenso verbessern wie die effiziente Disposition der Arbeitsauslastung im Betrieb. Zudem führt eine minutiöse Planung der Entlassungen zu einer Senkung verschiedener weiterer Qualitätskennzahlen wie beispielsweise erneuter Aufnahmen.

Geschäftliche Perspektive

In der Klinikverwaltung gibt es zwei verschiedene geschäftliche Benutzer, die voraussichtlich von zuverlässigen Vorhersagen der Aufenthaltsdauer von Patienten profitieren werden. Es sind dies:

  • Der Chief Medical Information Officer (CMIO). Er ist das Bindeglied zwischen den Informatikern und Technikern einerseits und dem Gesundheitspersonal in einer Gesundheitseinrichtung andererseits. Zu seinen Pflichten gehört normalerweise die Verwendung von Analysesoftware, um festzustellen, ob die Ressourcen im Kliniknetzwerk angemessen zugeordnet wurden. Im Zuge dessen muss der CMIO ermitteln können, welche Einrichtungen überlastet sind, und insbesondere, welche Ressourcen in diesen Einrichtungen Hilfe benötigen, um den aktuellen Bedarf bewältigen zu können.
  • Der Leiter der Pflege. Er ist direkt mit der Betreuung der Patienten befasst. In dieser Rolle ist er für die Überwachung des Zustands einzelner Patienten zuständig und trägt außerdem dafür Sorge, dass genügend Mitarbeiter verfügbar sind, um die speziellen Pflegebedürfnisse der Patienten zu erfüllen. Der Leiter der Pflege muss zudem die Entlassung der Patienten verwalten. Dank seiner Fähigkeit, die Aufenthaltsdauer eines Patienten prognostizieren zu können, kann er ermitteln, ob die Personalressourcen für die Erledigung der Patientenfreigabe angemessen sind.

Data Scientist-Perspektive

Mit SQL Server R Services wird R auf demselben Computer ausgeführt, der auch die Datenbank hostet – so kommt Compute direkt zu den Daten. Enthalten ist ein Datenbankdienst, der außerhalb des SQL Server-Prozesses ausgeführt wird und sicher mit der R-Runtime kommuniziert.

Diese Lösung beschreibt exemplarisch die Schritte zum Erstellen und Verfeinern von Daten, zum Trainieren der R-Modelle und zum Durchführen von Bewertungen auf dem SQL Server-Computer. Die fertige Datenbanktabelle in SQL Server enthält die prognostizierte Aufenthaltsdauer für jeden Patienten. Diese Daten werden dann in Power BI veranschaulicht. (Zur Illustration des Features werden in dieser Vorlage Simulationsdaten verwendet.)

Data Scientists, die Lösungen testen und entwickeln, können in der gewohnten Umgebung ihrer R-IDE auf ihrem Clientcomputer arbeiten und alle Computevorgänge dem SQL Server-Computer überlassen. Die fertigen Lösungen werden dann auf SQL Server 2016 durch Einbetten von R-Aufrufen in gespeicherte Prozeduren bereitgestellt. Mithilfe von SQL Server Integration Services und dem SQL Server-Agent lassen sich diese Lösungen nachfolgend noch weiter automatisieren.

Bei der vorliegenden Lösung ist der vom Data Scientist benötigte R-Code im R-Ordner enthalten. Er zeigt die gespeicherten Prozeduren (SQL-Dateien) an, die im SQLR-Ordner bereitgestellt werden können. Ebenfalls vorhanden ist ein PowerShell-Skript (PS1-Datei), das die Ausführung des SQL-Codes automatisiert. Klicken Sie auf die Schaltfläche „Bereitstellen“, um die Automation zu testen. Daraufhin wird die gesamte Lösung in Ihrem Azure-Abonnement bereitgestellt.

Preise

Für die mit dieser Lösung verwendeten Dienste fallen Kosten an, mit denen das Azure-Abonnement belastet wird, das Sie für die Bereitstellung verwenden. Diese Kosten liegen bei ca. $1.15 pro Stunde für die Standard-VM.

Achten Sie darauf, Ihre VM-Instanz zu beenden, wenn Sie sie nicht verwenden. Durch Ausführung der VM fallen höhere Kosten an.

Löschen Sie daher die Lösung, wenn Sie diese nicht verwenden.

Haftungsausschluss

©2017 Microsoft Corporation. Alle Rechte vorbehalten. Alle Informationen werden im vorliegenden Zustand bereitgestellt und können sich ohne Vorankündigung ändern. Microsoft leistet weder ausdrücklich noch stillschweigend Gewähr hinsichtlich der hier zur Verfügung gestellten Informationen. Zur Erstellung der Lösung wurden Drittanbieterdaten verwendet. Sie sind dafür verantwortlich, die Rechte Dritter zu berücksichtigen. Hierzu zählen u.a. das Beschaffen relevanter Lizenzen, die zur Erstellung ähnlicher Datensätze benötigt werden, und das Erfüllen der jeweiligen Lizenzbedingungen.

Zugehörige Lösungsarchitekturen

Population Health Management für das Gesundheitswesen

Population Health Management (PHM) ist ein wichtiges Tool, das von Anbietern aus dem Gesundheitswesen immer häufiger eingesetzt wird, um die eskalierenden Kosten zu verwalten und zu steuern. Der wesentliche Aspekt von Population Health Management ist die Verbesserung der öffentlichen Gesundheit auf der Basis von Daten. Nachverfolgung, Überwachung und Benchmarking sind die drei Säulen des PHM. Ihr Zweck besteht darin, klinische und Gesundheitsergebnisse zu verbessern und gleichzeitig die Kosten zu verwalten und im Griff zu behalten.