研究人员使用人工智能分析患者的满意度
宾州州立大学的一个研究小组称，患者满意度可以决定患者返回医院接受进一步治疗的可能性、遵守出院指示的可能性以及整体健康状况，但人工智能(AI)可能能够提高满意度和健康结果。
在与盖辛格的合作中，研究人员将人工智能应用到机器学习算法中，基于历史数据生成有用的推荐健康记录病人离开的原因的护理数据医院满意的或不满意的这项研究发表在电子和电子工程师协会的《生物医学和健康信息学杂志》上。
该团队包括2019年秋季宾夕法尼亚州立大学博士获得者刘宁工业工程现在是微软的数据科学家;Soundar Kumara, Allen E. Pearce和Allen M. Pearce工业工程教授，刘先生的博士导师;以及盖辛格的斯蒂尔健康创新研究所商业智能和高级分析主管埃里克·s·赖希。Reich也是宾夕法尼亚州立大学的校友，他于2002年获得了Smeal商学院的经济学学士学位，毕业时是Schreyer荣誉学者。
“病人的医疗就像一个旅程，”刘说。“他们需要在整个住院期间与不同服务单位的多个卫生专业人员互动。对于医护人员来说，了解每个患者群体的需求是很重要的，比如那些接受手术、癌症治疗或急诊的患者。我们想知道对每个群体来说什么是最重要的，我们如何从我们收到的数据中解读这一点?”
匿名病人满意度本研究使用的数据集收集于2009年至2016年。数据集包含电子健康记录数据，包括医院服务和临床信息的各种视角，以及患者满意度调查的结果，该调查询问了有关医院护理和服务的问题，以及他们在护理后的满意度。研究人员实施的机器学习框架将原始数据转化为人工智能可以解读的信息，并将其作为有用的、可操作的物品传达给人类用户。
结果显示，与护士和医生的礼貌和尊重以及卫生专业人员和患者之间的沟通相关的变量显著影响患者的整体医院体验。根据研究人员的说法，在以患者为中心的沟通中，及时和帮助解决患者的担忧或投诉是最重要的组成部分，并且与提高患者满意度高度相关。疼痛管理质量也是满意度的关键:患者接受主动和有效的疼痛护理往往更满意。
库马拉说:“医院的一个关键绩效指标是病人的满意度。”“所以，问题就变成了，‘我们如何分析和解释为什么病人会这样评价一家医院?’”在医院的环境中，数据的可解释性变得至关重要。这项工作的主要影响在于我们开发的用于解释机器学习方法结果的人工智能模型。这件作品是这个领域的第一批作品。”
刘教授解释说，许多机器学习系统提供的结果都没有解释它们是如何推导出答案的。对于本研究，所提出的方法提供了对数据和模型结果的解释，使其他人更好地理解和信任他们所给出的结果。
研究人员称，该模型的高可解释性可能使其对各个行业都有价值，而不仅仅是医疗保健。
“如果你申请信用卡被拒绝了，信用卡公司必须告诉你原因，”刘说。“对于我们的模型，它必须告诉我们它是如何得到答案的。这使得其他人更容易理解这些数据，使其成为医院和卫生保健系统的一个强大工具。这有助于他们实施改变，提高从上到下各个层次的病人满意度。”
Reich说，患者满意度已被证明与更大的依从性和治疗依从性密切相关，从而导致改善健康结果。他指出，通过鼓励病人参与治疗，并通过病人调查提供反馈，医院将能够改善他们提供的治疗。
Reich说:“我认为这项工作将促进未来世界结合先进分析技术对患者满意度的研究。”“卫生保健系统可以使用这些结果来驱动有针对性的提高病人满意度,我们知道如果患者一组特定的特点越来越膝盖替换,那么我们相信这些三大项目要确保病人有着非常积极的经验。发现患者背后的关键驱动因素满意度是提高以病人为中心的医疗质量的关键发起者"
用户评论