De verblijfsduur in ziekenhuizen voorspellen

Door deze oplossing is een model mogelijk waarmee de verblijfsduur bij ziekenhuisopnamen kan worden voorspeld. De verblijfsduur wordt gedefinieerd door het aantal dagen vanaf de initiële opnamedatum tot en met de datum waarop de patiënt wordt ontslagen uit een bepaalde ziekenhuisafdeling.

Beschrijving

Opmerking: als u deze oplossing al hebt geïmplementeerd, klikt u hier om de implementatie te bekijken.

Geschatte inrichtingstijd: 30 minuten

Vereiste voorafgaande overeenkomst: u moet de Gebruiksvoorwaarden van de Data Science Virtual Machine van uw Azure-abonnement accepteren voordat u deze VM voor het eerst gaat implementeren. Klik hier om akkoord te gaan met deze voorwaarden.

Overzicht

Door deze oplossing is een model mogelijk waarmee de verblijfsduur bij ziekenhuisopnamen kan worden voorspeld. De verblijfsduur wordt gedefinieerd door het aantal dagen vanaf de initiële opnamedatum tot en met de datum waarop de patiënt wordt ontslagen uit een bepaalde ziekenhuisafdeling. Er kan een groot verschil bestaan tussen de verblijfsduren in verschillende faciliteiten en met betrekking tot verschillende ziektebeelden en specialismen, zelfs binnen één zorgsysteem. Door op het moment van opname een geavanceerde voorspelling van de verblijfsduur te doen, kunnen de kwaliteit van de zorg en de efficiëntie van de operationele werkbelasting aanzienlijk worden verbeterd. Ook is zo’n voorspelling nuttig voor een nauwkeurige planning voor het ontslaan van patiënten. Al deze factoren leiden tot minder andere kwaliteitsmaatregelen zoals een nieuwe opname.

Vanuit het perspectief van een bedrijf

Er zijn twee verschillende zakelijke gebruikers in het ziekenhuismanagement die kunnen profiteren van betrouwbaardere voorspellingen van de verblijfsduur. Dit zijn:

  • De CMIO (Chief Medical Information Officer), die de kloof tussen informatica-/technologiemedewerkers en zorgprofessionals in een zorginstelling overbrugt. Tot hun taken behoren doorgaans het gebruik van analysegegevens om te bepalen of bronnen op de juiste manier in een ziekenhuisnetwerk worden toegewezen. Als onderdeel hiervan moet de CMIO kunnen bepalen welke faciliteiten te hoog worden belast en met name welke bronnen bij die faciliteiten mogelijk moeten worden versterkt om dergelijke bronnen af te stemmen op de vraag.
  • De Care Line Manager, die rechtstreeks betrokken is bij de zorgverlening aan patiënten. Het is de taak van deze functie om de status van individuele patiënten te bewaken, alsmede ervoor te zorgen dat er personeel beschikbaar is om aan de specifieke zorgeisen van hun patiënten te voldoen. Een Care Line Manager moet ook het ontslag van hun patiënten beheren. Wanneer Care Line Managers in staat zijn om de verblijfsduur van een patiënt te voorspellen, kunnen zij bepalen of de personele middelen voldoende zijn om het ontslag van een patiënt te kunnen verwerken.

Vanuit het perspectief van de datawetenschapper

SQL Server R Services brengt de rekenkrachtbronnen voor de gegevens door R uit te voeren op de computer waarop de database wordt gehost. Het omvat een databaseservice die buiten het SQL Server-proces wordt uitgevoerd en die veilig met de R-runtime communiceert.

In deze oplossing krijgt u stapsgewijze instructies voor het maken en verfijnen van gegevens, het trainen van R-modellen en het uitvoeren van beoordelingen op de SQL Server-machine. In de uiteindelijk beoordeelde databasetabel in SQL Server staat een voorspelde verblijfsduur voor elke patiënt. Deze gegevens worden vervolgens gevisualiseerd in Power BI. (In deze sjabloon worden gesimuleerde gegevens getoond om de functie te illustreren.)

Datawetenschappers die oplossingen testen en ontwikkelen, kunnen gemakkelijk werken vanaf hun R IDE op hun clientmachine en tegelijkertijd het computerwerk naar de SQL Server-machine doorsturen. De voltooide oplossingen worden geïmplementeerd naar SQL Server 2016 door oproepen naar R te integreren in opgeslagen procedures. Deze oplossingen kunnen vervolgens verder worden geautomatiseerd met SQL Server Integration Services en SQL Server-agent.

Deze oplossing omvat de R-code die een gegevenswetenschapper nodig heeft in de R-map. U ziet de opgeslagen procedures (.sql-bestanden) die in de SQLR-map kunnen worden geïmplementeerd. Ook is een PowerShell-script (.ps1-bestand) beschikbaar waarmee de SQL-code automatisch kan worden uitgevoerd. Klik op de knop Implementeren om de automatisering te testen. De gehele oplossing wordt dan beschikbaar gesteld in uw Azure-abonnement.

Prijzen

Bij uw Azure-abonnement dat voor de implementatie is gebruikt worden verbruikskosten in rekening gebracht voor de services die in deze oplossing zijn gebruikt, circa $1.15 per uur voor de standaard-VM.

Zorg ervoor dat u het gebruik van uw VM-exemplaar stopt wanneer u de oplossing niet actief gebruikt. Voor het uitvoeren van de VM worden hogere kosten berekend.

Verwijder de oplossing als u deze niet gebruikt.

Vrijwaring

© 2017 Microsoft Corporation. Alle rechten voorbehouden. Deze informatie wordt als zodanig geleverd en kan zonder kennisgeving worden gewijzigd. Microsoft biedt geen garanties, expliciet of impliciet, met betrekking tot de hier verstrekte informatie. Gegevens van derden zijn gebruikt om de oplossing te genereren. U bent verantwoordelijk voor het respecteren van de rechten van anderen, inclusief het aanschaffen en naleven van relevante licenties om vergelijkbare gegevenssets te maken.

Gerelateerde architecturen voor oplossingen

Population Health Management voor de gezondheidszorg

Population Health Management is een belangrijk hulpmiddel dat steeds vaker in de gezondheidszorg wordt ingezet om de alsmaar stijgende kosten te beheren en in de hand te houden. Bij Population Health Management draait het erom gegevens te gebruiken om medische resultaten te verbeteren. Volgen, bewaken en benchmarken zijn de drie hoekstenen van Population Health Management, gericht op het verbeteren van klinische en medische resultaten en het beheren en verlagen van de kosten.