解决方案体系结构:使用医疗保健分析预测住院天数和患者流量

对于经营医疗保健机构的人,住院天数(患者入院到出院的天数)十分重要。然而,即使在相同的医疗保健系统中,如果机构以及病情和科室不同,此数字也会有所不同 - 这使得跟踪患者流量并据此制定计划更加困难。

此 Azure 解决方案可帮助医院管理人员借助机器学习功能预测院内住院室的住院天数,改进容量计划和资源利用。首席医疗信息官可使用预测模型确定哪些机构负担过重,以及这些机构内支持哪些资源;护理部经理可使用该模型确定是否配有足够的人员来治疗患者。

在入院时即可预测住院天数有助于医院提供更高质量的护理并简化运营工作。这还将有助于准确安排出院,降低其他质量测量值(如患者再入院)。

部署到 Azure

使用下列预建模板将此体系结构部署到 Azure

部署到 Azure
预测住院天数和患者流量 | Microsoft Azure 显示 1 个图标通过双向箭头与另外 2 个图标连接的关系图。中间的图标表示 SQL 数据库,它是解决方案存储患者和医院数据的位置。存储左侧是机器学习,它有助于在云中运行预测分析。右侧是 Power BI,它提供一个交互式仪表板并直观显示 SQL Server 中存储的数据。 Power BI SQL Database Machine Learning

实施指南

产品 文档

SQL 数据库

存储患者和医院数据。使用 R 提供培训与预测模型以及针对占用情况预测的结果。

Power BI

Power BI 提供一个可视化的交互式仪表板,它将使用 SQL Server 中存储的数据对预测作出决策。

机器学习

机器学习有助于用户在云中轻松设计、测试、实施和管理预测分析解决方案。

相关解决方案体系结构

Anomaly detection with machine learning

Microsoft Azure’s IT Anomaly Insights can help automate and scale anomaly detection for IT departments to quickly detect and fix issues.

了解更多