您所在的位置:首页 > 资讯中心 > 国际 >  【独家】大数据降低二次入院率的美国实践(1)
时间:2014-11-24 11:09 作者:佚名 来源:中国数字医疗网

【独家】大数据降低二次入院率的美国实践(1)

    [导读]二次入院会影响医院来年的保险赔付额度,因此美国的医院正绞尽脑汁降低患者二次入院率。本文遴选三家典型医院的二次入院患者干预项目,分析他们的建模实施方式,为国内医院提供参考。

    标签:BI二次入院

    内容导航:
     第 1 页:住院患者综合分析项目:找出潜在目标  第 2 页:心力衰竭项目:试点驱动增长
     第 3 页:慢性阻塞性肺病项目:将数据化为行动  第 4 页:电子病历是分析基础
     第 5 页:怎么开始?

    从2012年开始,美国医保只为三类疾病的患者提供30天内二次入院免罚,这三类疾病包括:心力衰竭、心脏病发作以及肺炎。此外选择性髋关节与膝关节置换术和肺病患者也同样免罚。其他疾病患者在30天内二次入院都会造成医保赔付额度下降,这样的处罚足够让医疗机构负责人头皮发麻。

    2610所医院明年的医保赔付额度将会降低,他们要为二次入院付出沉重代价。去年,几乎18%的住院医保患者在一个月内二次入院,虽然比例降低,但这仍然涉及了两百万人次患者以及260亿美元住院费用。报告分析认为,其中有170亿美元来自潜在可避免的二次入院患者。

    医院现在被迫关注患者出院后的情况,许多医院在尝试用先进技术改善患者出院后的跟踪随访。匹兹堡大学医学中心(UPMC)Todd Pollock 表示:“我们正努力探索如何对紧要患者定向干预。”当患者尚在医院病床上时,区别就已经开始了。

    住院患者综合分析项目:筛选目标患者

    UPMC从电子病历中提取信息计算风险评分,这些信息包括临床数据、检验数据等。然后患者基于风险评分被分类,分为二次入院低风险、二次入院中度风险以及二次入院高风险人群。

    迄今为止,用这种方式处理信息被证明比“随意掷币略胜一筹”。然而,从UPMC健康计划中添加门诊患者数据能够帮助提高其性能。Pollock说:“使用这两套数据能让你更加提高二次入院高风险患者的预测准确性。”UPMC保险业务分部首席分析员、医学博士Pamela Peele 表示,UPMC对两百万会员健康计划拥有整合的交付与财政系统,所以在住院患者方面,他们有能力看到UPMC环境中的治疗过程,以及规划中的护理支出计划。

    如果会员今天入院,健康计划就能预计该会员再入院的可能性。她表示:“我们正在利用患者过去的医疗服务消费情况来预测再入院可能。这在行业内是个不同寻常的模式。”

    当患者正在走出院手续,治疗管理系统现在就有两种来源的信息。Peele说,看似不同的模型表现同样优异,如果医院模型说患者风险很高,“我们要对这些人引起注意,并调动我们的资源为其服务。”

    Pollock表示,健康计划把用于将高风险评分的资源转化为服务,医院着手强化干预的试点项目,项目包括出院电话随访、强化协同用药、确保患者能负担药物并理解出院指导。

    Pollock表示,决定试点项目的根本原因是这一项目能帮助UPMC整合“患者得到的服务”。“我们需要些确定的经验来改善这种治疗模式的转换。我们三分之一的患者七天之内又回来了。我们正使用新术语‘失败转换’,来摆脱‘二次入院’,。”

    Peele表示,他们已经了解到出院后的跟踪随访是至关重要的。“谈及再入院率,那些出院后立马获得跟踪服务的患者相比那些没有被跟踪的患者来说,显然存在非常明显的区别。”UPMC正在对跟踪的最佳时机进行建模。结果显示患者是否在五天之内获得跟踪服务,能影响再入院率。“我们将此信息推送给下属医疗机构,因为出院计划能关注促使患者回到医院随诊。”健康计划将此视为一项质量标准。

    共5页: 1 [2][3][4][5]下一页 [查看全文]
    • 这篇文章对您是否有用?
    • 非常有用 有用 一般
    相关热词搜索: BI二次入院
    网友热评【独家】大数据降低二次入院率的美国实践(1)
    更多评论>>
    验证码: 点击图片可刷新验证码

    • 聚焦

    点击排行

    本月 本周 24小时