Машинное обучение помогает выявлять пациентов отделения неотложной помощи, у которых могут быть социальные потребности, связанные со здоровьем
Решение социальных потребностей пациентов, связанных со здоровьем, таких как нестабильность жилья, отсутствие продовольственной безопасности, транспортные барьеры и финансовые трудности, важно для улучшения результатов в области здравоохранения, но может быть сложным. Недавнее исследование Института Регенстрифа и Школы общественного здравоохранения Ричарда М. Фэрбенкса при Индианском университете в Индианаполисе изучает наилучший подход к прогнозированию вероятной потребности в одной или нескольких социальных услугах, связанных со здоровьем.
Чтобы выявить пациентов отделения неотложной помощи, которым требуются эти услуги, исследователи сравнили использование машинного обучения для извлечения соответствующей информации из электронной медицинской карты пациента (ЭМК) с проведением скрининговых опросов, заполняемых пациентами, для выявления пациентов отделения неотложной помощи, которым, вероятно, потребуются услуги для удовлетворения социальных потребностей , связанных со здоровьем, в течение следующих 30 дней.
Они обнаружили, что прогностическая модель машинного обучения, использующая несколько надежных источников данных электронных медицинских карт, включая данные о расписании и клинические заметки, превзошла модель скринингового опросника в прогнозировании будущей потребности в социальных услугах, связанных со здравоохранением.
«Сравнение эффективности скрининговых обследований и прогностических моделей при выявлении пациентов, нуждающихся в социальных услугах, связанных со здоровьем, в отделении неотложной помощи» опубликовано в журнале PLOS ONE .
«Доступ к информации является ключевым условием эффективного лечения и предоставления этого лечения», — сказал старший автор исследования Джошуа Вест, доктор философии, магистр общественного здравоохранения, научный сотрудник Regenstrif и профессор политики и управления в области здравоохранения в Школе общественного здравоохранения Фэрбанкса.
«Тенденция в здравоохранении США направлена на помощь в решении социальных потребностей пациентов, связанных со здоровьем. Эффективное предоставление пациентам услуг начинается с поиска пациентов, которые нуждаются в помощи и хотят ее получить. Скрининговые обследования являются распространенным способом достижения этой цели. Однако обследования сталкиваются со множеством проблем. В частности, пациенты и врачи уже заполняют множество опросов и анкет при каждом посещении. Это исследование пыталось выяснить, насколько эффективно использование существующих данных и прогностических моделей.
«Мы надеемся разработать инструменты, которые можно будет интегрировать в системы электронных медицинских карт, чтобы сделать процесс выявления и удовлетворения социальных потребностей, связанных со здоровьем, более простым и эффективным для всех».
Хотя модель машинного обучения лучше справилась с прогнозированием будущих потребностей, обе модели продемонстрировали предвзятость. Обе модели лучше идентифицировали белых, неиспаноязычных пациентов с социальными потребностями, связанными со здоровьем, чем пациентов других рас и этнических групп с такими потребностями.
« Отделение неотложной помощи — это прекрасное место для проверки социальных потребностей, связанных со здоровьем, поскольку многие пациенты, которые туда обращаются, относятся к числу наиболее уязвимых и с большой вероятностью могут остаться без внимания из-за отсутствия комплексной медицинской страховки, транспортных барьеров, финансовой нестабильности или отсутствия врача, который мог бы вылечить их астму или что-то еще, что привело их в отделение неотложной помощи», — сказала первый автор исследования и исследователь в области здравоохранения Елена Мазуренко, доктор медицины, доктор философии, магистр наук, научный сотрудник Института Регенстрифа и доцент кафедры политики и управления здравоохранением в Школе общественного здравоохранения Фэрбанкса.
«Пациенты отделений неотложной помощи очень уязвимы и, как известно, имеют более высокие социальные потребности, связанные со здоровьем, по сравнению со средней популяцией пациентов, получающих первичную медицинскую помощь .
«Мы знаем, что в настоящее время многие из этих пациентов — лица с социальными потребностями, связанными со здоровьем, — не идентифицированы, и многие из них являются представителями расовых и этнических меньшинств или других уязвимых групп . Хотя их клинические потребности удовлетворяются, они часто в конечном итоге снова и снова возвращаются в отделение неотложной помощи, поскольку их социальные потребности не были удовлетворены».
Помимо пользы для ухода за пациентами, сбор информации о социальных потребностях, связанных со здоровьем, становится все более необходимой для поставщиков медицинских услуг из-за требований к качеству отчетности со стороны Центров по услугам Medicare и Medicaid (CMS) и других организаций, включая Объединенную комиссию — крупнейший орган по установлению стандартов и аккредитации в сфере здравоохранения в США.