Architektura rozwiązania: Przewidywanie długości pobytu i przepływu pacjentów przy użyciu funkcji analizy danych opieki zdrowotnej

Dla osób prowadzących placówkę opieki zdrowotnej liczy się długość pobytu, czyli liczba dni od przyjęcia pacjenta do jego wypisania. Ta liczba może się jednak różnić w zależności od placówki oraz warunków chorób i specjalności, nawet w obrębie jednego systemu opieki zdrowotnej, co utrudnia śledzenie przepływu pacjentów i odpowiednie planowanie.

To rozwiązanie platformy Azure pomaga administratorom szpitali wykorzystywać moc uczenia maszynowego do przewidywania długości pobytu pacjentów przyjmowanych do szpitali w celu usprawnienia planowania obłożenia i wykorzystania zasobów. Dyrektor placówki ds. IT może za pomocą modelu predykcyjnego określać, które jednostki są przeciążone i które zasoby należy zwiększyć w tych jednostkach, a kierownik ds. opieki może przy użyciu tego modelu określać, czy zasoby związane z personelem są wystarczające do wypisywania pacjentów.

Możliwość przewidywania długości pobytu w momencie przyjmowania pacjentów ułatwia szpitalom zapewnianie opieki wyższej jakości oraz usprawnianie obsługi obciążenia operacyjnego. Dzięki niej można również dokładnie planować wypisywanie pacjentów i obniżać w ten sposób wartości innych miar jakości, np. liczby ponownych przyjęć.

Wdrażanie na platformie Azure

Użyj poniższego wstępnie utworzonego szablonu, aby wdrożyć tę architekturę na platformie Azure

Wdrażanie na platformie Azure
Power BI SQL Database Machine Learning

Wytyczne dotyczące implementacji

Produkty Dokumentacja

Usługi R Services programu SQL Server

Przechowuje dane pacjentów i szpitali. Zapewnia szkolenie oraz dostęp do przewidywanych modeli i wyników do użycia z językiem R.

Power BI

Usługa Power BI udostępnia interaktywny pulpit nawigacyjny z funkcją wizualizacji, która korzysta z danych przechowywanych w programie SQL Server w celu ułatwienia podejmowania decyzji związanych z prognozami.

Machine Learning Studio

Usługa Machine Learning pomaga łatwo projektować, testować i operacjonalizować rozwiązania do analizy predykcyjnej w chmurze, a także nimi zarządzać.

Powiązane architektury rozwiązań