Hopp over navigasjon

Forutsagt lengde på sykehusopphold

Denne løsningen gir deg en prediktiv modell for lengden på sykehusopphold. Oppholdslengden defineres av antall dager fra første innleggelse til datoen hvor pasienten utskrives fra enhver sykehusfasilitet.

Beskrivelse

Merk: Hvis du allerede har distribuert denne løsningen, kan du klikke her for å vise distribusjonen.

Estimert klargjøringstid: 30 minutter

Påkrevd foreløpig avtale: Du må godta brukervilkårene til Data Science Virtual Machine på Azure-abonnementet ditt før du distribuerer denne virtuelle maskinene for første gang. Klikk her for å godta disse vilkårene.

Oversikt

Denne løsningen gir deg en prediktiv modell for lengden på sykehusopphold. Oppholdslengden defineres av antall dager fra første innleggelse til datoen hvor pasienten utskrives fra enhver sykehusfasilitet. Det kan finnes en betraktelig variasjon på oppholdstider på tvers av forskjellige fasiliteter og forskjellige sykdommer og spesialitetsområder, selv innenfor samme helsepleiesystem. Avansert prognose av oppholdstid ved innskriving kan være til stor hjelp med å forbedre pleiekvaliteten i tillegg til at den kan forbedre arbeidseffektiviteten og hjelpe med nøyaktig planlegging for utskrivninger og reduserer andre kvalitetsfaktorer slik som reinnleggelser.

Forretningsperspektiv

Det finnes to forskjellige forretningsbrukere i sykehusadministrasjon som kan forvente foredeler fra mer pålitelige prognoser for oppholdstid. Disse er:

  • Medisinske informasjonssjefer, som dekker gapet mellom IT/teknologi og helsepleiere i en helseorganisasjon. Deres oppgaver består vanligvis av å bruke analyse for å avgjøre om ressurser tilordnes riktig i et sykehusnettverk. Som en del av dette må de være i stand til å avgjøre hvilke fasiliteter som overbrukes og spesifikt hvilke ressurser ved disse fasilitetene som må økes for å kunne balansere disse ressursene etter behovet.
  • Omsorgssjefer, som er direkte involvert med omsorgen av pasientene. Denne rollen krever overvåkning av statusen til de individuelle pasientene i tillegg til å påse at ansatte kan møte de spesifikke pleiebehovene til pasientene. En omsorgssjef må også administrere utskrivingen av pasientene. Egenskapen til å forutsi en pasients oppholdstid gjør en omsorgssjef i stand til å avgjøre om personalressursene er tilstrekkelige for å behandle utskrivingen av en pasient.

Perspektivet til dataforskere

I denne løsningen bringer SQL Server R-tjenester databehandlingsressurser til dataene ved å kjøre R på datamaskinen som drifter databasen. Det inkluderer en databasetjeneste som kjører utenfor SQL Server-prosessen og kommuniserer sikkert med R-kjøretiden.

Denne løsningen går igjennom de nødvendige trinnene for å opprette og raffinere data, opplære R-modeller og utføre scoring på SQL Server-maskinen. Den endelige scorede databasetabellen i SQL Server gir en forutsagt oppholdstid for hver pasient. Disse dataene blir så visualisert i PowerBI. (Simulerte data brukes i denne malen for å illustrere funksjonen.)

Dataforskere som tester og utvikler løsninger kan jobbe behagelig fra sine foretrukne R IDE på deres klientmaskiner, mens de skyver databehandlingen til SQL Server-maskinen. De fullførte løsningene distribueres til SQL Server 2016 ved å bygge inn oppkall til R i lagrede prosedyrer. Disse løsningene kan deretter automatiseres videre med SQL Server Integration Services og SQL Server-agent.

Denne løsningen inkluderer R-kode som behøves av en dataforsker i R-mappen. Den viser de lagrede prosedyrene (.sql-filer) som kan distribueres i SQLR-mappen. Et PowerShell-skript (.ps1-fil) som automatiserer kjøringen av SQL-koden medleveres også. Klikk på Distribuer-knappen for å teste automatiseringen, hele løsningen blir deretter tilgjengelig i Azure-abonnementet ditt.

Priser

Azure-abonnementet som brukes for distribusjonen blir belastet for forbruk av tjenestene som brukes i denne løsningen, omtrent $1.15/timer for den standard virtuelle maskinen.

Påse at du stopper VM-forekomsten når du ikke bruker løsningen aktivt. Kjøring av den virtuelle maskinen vil påløpe høyere kostnader.

Slett løsningen hvis du ikke bruker den.

Ansvarsfraskrivelse

©2017 Microsoft Corporation. Med enerett. Denne informasjonen gis «som den er» og kan endres uten varsel. Microsoft gir ingen garantier, uttrykkelig eller underforstått, i forbindelse med informasjonen som oppgis her. Tredjepartsdata ble benyttet for å generere løsningen. Du er ansvarlig for å respektere andres rettigheter, inkludert anskaffelse og overhold av relevante lisenser for å opprette lignende datasett.

Relaterte løsningsarkitekturer

Population Health Management for helsepleie

Population Health Management er et viktig verktøy som blir brukt av stadig flere helsepleieleverandører for å administrere og kontrollere de eskalerende kostnadene. Formålet med Population Health Management er å bruke data for å forbedre helseresultater. Sporing, overvåkning og testing av ytelse er de tre hovedsøylene til Population Health Management som er rettet mot å forbedre kliniske og helse-resultater samtidig som kostnadene kontrolleres og reduseres.