数据分析

美国卫生与公众服务部的未来:从数据导航到行动

卫生与公众服务部(HHS)各机构获得的数据集的数量和规模都在不断增加，这是前所未有的。人们的假设是，信息越多越好。然而，只有当组织能够利用这些数据集采取“下一步最佳行动”时，这才是正确的:帮助机构和案例管理者以最低的成本、改善的结果和及时的方式提供护理的决策。

为此，HHS机构需要重新思考他们如何收集，分析和使用他们的越来越多的数据收集。该信息可以包括：

• 超过3000个结构化数据集作为美国健康数据倡议。
• 来自索赔、电子健康记录、实验室报告、处方和健康报销安排的人口健康数据。
• 数据来源包括人口普查、调查、重要记录和客户关系管理系统。
• 非结构化的个案工作者和护理管理笔记。
• 连接设备生成的患者健康信息。

这经济合作与发展组织认为数据分析是向数字政府过渡的重要组成部分，也是各机构获得更好见解的途径。一个数字政府中心报告发现，最受欢迎的数字工具是仪表板或门户网站（使用79％），企业数据仓库（51％）和数据挖掘（34％）。

但是，并非所有机构都能够实现所需的福利。只有14％的受访者CDG的调查表示，他们的政府的分析能力是有效的。其余的兴奋剂额定有点有效或中性。

虽然分析仍然是HHS的优先事项，但他们的努力需要超越数据挖掘和智能。目标应该是实时决策，可以定义和提供正确的护理干预和策略。

数据的挑战

产生和传播下一个最佳行动需要机构以最高的分析成熟度来运作，这不是一项容易的任务。下图概述了标准的分析成熟度模型，代理机构在每个级别上可以产生的洞察类型，以及他们面临的挑战。

如何：您有效管理数据生命周期，监控数据质量并满足目标吗？

挑战:多种数据的聚合和集成，这些数据具有不同的格式和大小。

什么隐藏的关系必须是机构知道创建360度的客户端视图？

挑战:由于缺乏普通语言来解释，由于缺乏通用语言而不一致，不准确和压倒性的报告不一致什么(上图)。

为什么是不是发生的事情？什么是造成障碍？

挑战:通过适当的数据挖掘和统计关联来研究和发现以前未知的事实的低效技术。

谁（或者什么）如果未解决今天的问题，则会受到影响最大的影响？

挑战:缺乏熟练的数据专家，无法产生快速的洞察来帮助组织看到未来。

哪一个应采取行动，什么时候，减轻未来的风险？

挑战:无法快速构建AI模型来分析见解，并为利益相关者提出行动建议。

最失败的大多数分析项目通常是不灵活的分析系统和低效数据管理的结果。有关患者，医生和其他利益相关者的信息通常在筒仓中提供。代理商难以用语组合和协调不同的数据集以创建集成的纵向记录。这种缺乏数据标准化和互操作性将数据湖泊变为数据沼泽。

因此，难以或无法获得实时，可靠和准确的信息以产生相关的见解和建议。这会影响机构的提高分析成熟度的能力，解锁数据的力量并生成下一个最佳行动。

超越洞察力的行动

在自动化和云计算等技术的支持下，先进的数据科学可以帮助机构重新构想分析计划。下图展示了使用新兴技术构建的模块化数据和分析解决方案如何使机构能够在其分析成熟度的每个阶段应对挑战，并成功地生成下一个最佳行动。

组件:数据管理器

能力和见解:无论格式和类型如何，都是数据的集成。自动化主数据管理和数据母带。

组件:数据解释器

能力和见解:自动协调数据以创建客户的完整配置文件。

组件:数据分析仪

能力和见解:自动化数据分析，用于深入了解根本原因或揭示隐藏信息。

组件:数据预测器

能力和见解:基于机器学习的建模来预测未来的状态。

组件:数据洞察力发电机

能力和下一个最佳行动：ai分析来自先前阶段的信息并建议采取行动。

此过程始于创建一个更灵活的数据存储，包括临床，财务，行政，社会决定因素和天气信息。理想情况下，不需要预先提取，转换，装载工具。和自动化的主数据管理将加速数据协调和标准化。

这使得能够通过将过去与现在的目前相结合，为每个患者，提供者和组成的完整视图创建数据集。这使得机构能够为患者，看护人，朋友，家庭和社会和人口统计和社会和人口群体提供对患者的整体理解。

数据预测器分析这些信息，以了解关系如何在一段时间内影响患者，以及它们将如何影响他们的未来。这就为每个病人建立了一个广泛的轮廓。通过使用人工智能(AI)模型，医生、病例管理人员或机构可以利用这些新信息采取进一步行动。

向着更好的结果前进

标记的假设案例，一个78岁的糖尿病患者入学，讨论了国家医疗补助计划，显示了如何在这个新系统中使用数据。Mark的标准数据包括他的病历，医生访问，索赔，护理管理说明，实验室报告和处方历史。原子能机构还拥有Mark的健康的社会决定因素，例如他的饮食习惯，运输，照顾者支持，护理计划参与和其他信息。数据被干净地聚合以创建质量患者记录。

更高级别的分析发现，Mark是缺少医生的约会，而不是按时重新填写他的处方，并没有与他的案例经理联系。结果，他经常访问急诊室。马克家附近没有超市，公共交通不足。因此，这限制了他对新鲜农产品的进入，并导致他经常吃饭。此外，Mark没有社区支持系统。

案例经理可以分析这些因素，并对Mark进行更详细的分析。通过预测模型，他很可能会被归入风险较高的类别。基于人工智能的分析将为案例经理提供提供针对性干预所需的信息。这些措施包括预约营养学家，为马克提供食品资源项目，帮助他更好地管理饮食，安排交通，使他不会错过医疗预约，以及制定一致的推广计划，以确保马克的护理差距得到跟踪和弥合。

利用数据的完整力量

下一代数据科学模型将允许HHS代理商通过三相转换方法解锁其数据的全部功率[见下图]。它将产生放大和赋予医疗保健专业人员的见解和建议，并最终提高结果。

该方法还为美国卫生和公众福利部机构采用其他新兴技术奠定了基础，这些技术包括数字化身、对话人工智能、自主计算、增强现实和虚拟现实。其结果可以是改善各成员的参与，从而使利益攸关方在优化公共资金的同时，变得更富有成效并产生成功的结果。

阶段1

节省投资

过程简化:深度健康智能，更容易管理患者。

增强的决策提供者和护理管理者能够预测高危病例和隐藏因素并采取行动。

阶段2

扩大经验

智能路线风险的患者更优先考虑并路由纠正护理支持。

控制中心交叉代理合作更加简化以迅速行动。

智能仪表盘提供商和护理经理可以获得实时更新，其中包含下一个最佳动作

第3阶段

启用业务

最终结果护理管理生产力和健康结果已大大提高。

该方法还为美国卫生和公众福利部机构采用其他新兴技术奠定了基础，这些技术包括数字化身、对话人工智能、自主计算、增强现实和虚拟现实。这促进了各成员的参与，使利益相关方在优化公共资金的同时，变得更有生产力并交付成功的结果。