智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業(yè)軟件
回放
BAUER減速機BF90-04/D16LA4-TF/ZKS100B9HA
BAUER,減速機,BF90-04/D16LA4-TF/ZKS100B9HA品牌
其他品牌
這種自動化終也可能幫助醫(yī)療機構根據自己的研究和數據進行自我完善。
在過去幾年里，包括醫(yī)療保險與救助中心在內的公共和私人醫(yī)療保健投資者已經走向了以價值為基礎的購買模式，在這種模式下，醫(yī)療服務從業(yè)者通過他們所取得的成果而不是提供的服務量來獲得評估和薪水。質量測量項目提供了一個非常客觀的工具，可以評估和追蹤從業(yè)者的績效，并推動改進，從而取得更好的病人恢復結果或者降低醫(yī)療成本。
為了使這一愿景成為現實，醫(yī)療保健投資者需要確保質量測量是有效的，可靠的，并且基于強大的科學證據。為了開發(fā)每一個測量，研究人員必須找出并評估就每個主題都發(fā)表出來的相關研究，這一過程被稱為環(huán)境掃描。
這意味著通過國家醫(yī)學圖書館，以及其他圖書館(包含數百萬個現存文件，而且數量還在日益增長的語料庫)提供的政策文件，研究結果和摘要信息搜索關鍵字。然后，研究人員必須評估所有返回的文章，以為測量開發(fā)找到相關，可靠和有用的文章。這一過程中，每一個測量都需要數百個人力。
這就是機器學習可以大顯身手之處。使用機器學習和自然語言處理的算法可以加速審查科學研究，可以使大型知識數據庫能夠幫助研究人員和臨床醫(yī)師，而且這數據庫對他們來說都是可用的。
質量測量有幾種不同的類型。美國衛(wèi)生健康研究與質量機構(AHRQ)明確了以下三種測量類型：
①結構性測量著眼于組織的系統(tǒng)，能力和流程，例如從業(yè)者與患者的比例，實體設施和設備，他們對員工和培訓項目的專業(yè)知識。
?、谶^程測量側重于提供的護理，其中包括治療，預防性服務，診斷和醫(yī)護人員為保持或改善患者的健康而采取的其他行動。
?、劢Y果測量側重于服務或治療對患者健康狀況的影響，如發(fā)病率，死亡率，并發(fā)癥或治療條件的改善/惡化。
在結構-過程-結果模式中，做出的假設是有效的結構能夠帶來良好的過程，良好的過程增加了積極結果的可能性。測量開發(fā)人員在設計質量測量并確定合適目標時，他們會尋找這些證據鏈接。
大部分質量測量——特別是與結果和過程相關的測量——可以分為標準化分子式。這些測量用百分比表示，分母是目標人群，分子是測量焦點(我們要測量的過程或結果)。
例如：
測量焦點=急診次數
目標人群=哮喘患者
在這個例子中，我們用一段時間內的急診數量除以在醫(yī)護人員照料下的哮喘病患總數，以此確定在那段時間內急診室中哮喘患者的比例到底是多少。
然后，這一測量定義了變革觀(或質量構造)，即醫(yī)護人員所采取的旨在改變分子式中分子的行動。對于哮喘患者而言，這可能是為了更好的長期維持而開出藥物。對于結果測量而言，質量測量提供了一種預測，當采取某種行動時(在這種情況下開出特定的藥物)，結果將會有積極的變化(即急診次數有所減少)。
過程測量具有相似的結構，但是，它是試圖衡量醫(yī)護人員實施被定義為佳實踐的流程的程度。護士為頭部創(chuàng)傷患者提供合適的出院須知的時間比例是多少？現在，50歲以上的患者在結腸鏡檢查中的比例是多少？
精心設計的質量測量為醫(yī)護人員提供了循證目標，以評估其績效，并幫助他們確定改進機會。測量開發(fā)人員使用現有的證據基礎來制定合適的目標，并確保測量支持基于有效研究的佳實踐。
質量測量的高度結構化格式使他們成為機器學習的理想目標。機器學習是人工智能的一種類型，這種人工智能使用分類算法對大量的數據進行分類以及檢測模式。自然語言處理使得算法能夠“讀取”和“理解”以自然(人類)語言編寫的文檔。計算機程序一起使用這兩種方法，它被設計用于從科學文獻中提取知識。
這正是機器學習加快醫(yī)療質量測量發(fā)展過程的方式。該程序并不是進行簡單的關鍵字搜索，而是掃描文檔的內容，以確定哪些文檔與回答當前問題相關。
對于測量發(fā)展而言，它必須搜索包含醫(yī)療測量要素的文檔：例如過程或結果，目標人群和變更動因或機會。有價值的文檔不僅包含以上三種要素，還包括能讓研究人員得出有效結論的定量實證：例如，“當II型糖尿病患者每日增加30分鐘的有氧運動(變更動因)時，患者(目標人群)減少了(變更方向)他們血糖升高30%的天數。”
使用關鍵詞搜索來查找這些相關性會反饋許多關于目標人群的文章，通過這些文章，測量開發(fā)人員必須進行手動搜索，然后制定指導方針。人工智能可以大大加快環(huán)境掃描這一部分的過程，通過確定更有針對性的一組文獻，并提供有關文章的測量開發(fā)人員的摘要信息，會將研究時間從幾個月或幾年縮短到幾天或者幾個小時。
為了解決測量發(fā)展的問題，利用基于本體的類別和原理的程序可以應用于構建一個能夠提取意義的知識庫。被稱為“三元組”的原理可以使程序能夠在可用于測量開發(fā)的數據中找到聯系。例如，“對于在醫(yī)院的患者來說(目標人群)，醫(yī)院護理人員洗手(變更動因)會降低葡萄球菌的傳播(結果)。”
對于測量開發(fā)人員而言，這些程序可以快速地對相關文獻的正文進行整理，并創(chuàng)建一個客觀事實數據庫。然后，開發(fā)人員可以利用本體論來確定這些事實之間的關系，并將其映射到質量測量的基本結構上。
測量開發(fā)人員仍需審查所提取的知識，評估結論，做好實際測量的編寫工作。但是，利用人工智能進行環(huán)境掃描可以將測量開發(fā)中費力的部分簡化為人力完成這一過程所需的一小部分時間。通過與機器學習的合作，行業(yè)不僅可以使測量發(fā)展的更快，而且還可以確保測量是以可用的佳證據為基礎。
(原標題：機器學習如何推進醫(yī)療服務質量測量的發(fā)展 本文來源于healthdatamanagement.com，作者Nancy McMillan；由億歐編譯。)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
