【独家】医疗预测分析的十大步骤

面对有限的预算以及对效率和服务越来越高的要求，医疗服务支付者和提供者如何开展分析工作呢?本文列出了进行医疗预测分析的十大步骤。

关注数据，事先考虑

预测分析是利用临床数据的强大工具。如果有效利用，通过准确评估和控制人口健康风险等削减成本，提高效率，最大化地实现收益。然而，如果在昂贵的平台上投资，而未做培训分析员培训、聘用数据科学家和经验丰富的建模师方面的预算，就可能导致收益不佳的局面。

成功的战略

现成的解决方案启动成本较低，停工期较短，云系统降低了硬件的花销。然而，未能制定智能数据编制和管理计划，或未构建明确的启动运行系统战略，将使持续收益和预期投资回报化为乌有。

广泛的数据挖掘，改善预后

各大公司应落实分析框架，收集不同来源的数据——内部和组合数据、社交媒体和其它非结构化数据源——来解决最复杂的分析问题、制定针对医疗服务的解决方案。

复杂数据变得更简单

数据的复杂性不应该使医院感到复杂。据了解，接下来我们提到的三阶段模式结构简单，包含预试验、开发和全面实施。采用三阶段模式可最大程度地获得预测分析平台投资收益。然而，仍需要注意人们对“大数据”的大肆吹捧。

第一阶段：预试验

在预试验阶段，聘用数据科学家、建模师和分析员研究如何充分利用公司的数据。他们应该通过静态数据和交互式可视化分析展示系统的可行性。

收集数据和流程管理的多样性能够解决固有的复杂的分析，制定针对医疗服务的解决方案，淘汰人工系统，最大程度地降低人为错误，转变效率，确保运行的成功。

该方法的最佳模式是云模式，因为它具备非侵入性、低成本和灵活性的特点。在预试验阶段，这是最有效的工具。

第二阶段：投资、测试和验证

一旦试点方案就位，就需要传播数据元，实施分析，实现持续收益。预试验阶段还将确定“热点”，需要做进一步的分析。

在一次与客户接触的过程中，我们发现专业护理中心的撤销导致了较高的再入院率，成为额外分析和降低成本的一个有趣的问题。

还有一次，我们发现医院获得性感染的高发病率无偿成本。通过有力的统计分析通常可以确定，大部分医疗系统没有负责调查此事的内部员工。

任何实施工作都应包括常规仪表板，可根据预期模型，更新、关注干预措施的效果、趋势信息。另外，还提供了调整预测模型和算法的机会，反映出数据和趋势的变化，提高模型的准确率，充分利用资源。

预试验计划应把可重复性和可重复性作为主要目标进行设计，这样就可以在这个阶段将新用例运用到分析基础构架上。

第三阶段：运行

在这个阶段，将实施有力的、可持续的数据整合和分析解决方案架构。可采用云或在线模式，可进行可扩展、实时数据聚合、临床工作流程整合和重点关注干预措施的战略。

照护管理的移动支持也是强有力的工具，可随时随地灵活持续访问数据。

在这个阶段，分析结构可以缩放和优化，为全公司的各个部门提供服务，具有多种功能。

降低医疗服务提供者的花费

一旦就位，预测分析将为医疗服务提供者提供所需的数据，应对降低补助、提高责任感。采纳这些见解，医疗服务提供者可以降低成本、提高收益、在影响运行之前预测并解决潜在问题。

寻求建立可信赖医疗组织的医疗服务提供者需要一个有力的分析平台管理人口健康、最大程度地获得奖励。由于无需进行硬件、软件的前期投资，没有昂贵的人力资本，现购现付的云模式满足了上述要求。

深刻了解支付者的个别风险

支付行业正在快速地将群体保险模式转变为个人消费者模式。通过使用内部和外部的数据资源评估个人健康风险，支付者可以提高收入、控制成本、达到健康计划成员的风险评分标准。

依照奥巴马医改计划，将吸引个人成员参与交互，支付者将更有动力了解个人使用各种外部数据资源和预测模型划分和管理人口健康的风险因素。

注种数据分析能力

随着数据资源的持续膨胀，是否具有较强的现场或云数据整合和数据管理能力，是分析方案持续成功的关键。

原文标题：10 steps toward predictive analytics

原文作者：Paddy Padmanabhan