Valere于2017年3月世界杯葡萄牙vs加纳即时走地加入Health Catalyst,担任高级主题专家。在加入HC之前,Valere在Pascal Metrics担任客户服务经理。她曾在两家儿童医院,儿童国家医疗中心和莱利儿童医院担任儿科血液学/肿瘤学护士。Valere拥有普渡大学理学学士学位和马里兰大学学院工商管理硕士学位
医疗保健中的弹性意味着组织随时准备应对任何规模的中断,而不牺牲医疗质量或患者和员工的安全。卫生系统通过将高可靠性原则融入其文化、工作流程和流程来保持复原力。这些高可靠性组织(HROs)不会将可靠性作为一个短期项目或清单;相反,他们将这些原则嵌入到从高层领导开始的每一次互动和行动中。正如卡尔·威克和凯瑟琳·苏特克利夫在他们的系列书《管理意外事件》中所解释的那样,作为一种实践而不是计划的可靠性方法的结果,人力资源经理“即使遇到许多意想不到的事件,也很少失败”。
在过去的几十年里,医疗保健机构一直在努力提高患者的安全,但是伤害仍然以不可接受的速度发生。尽管医疗保健行业已做出努力(主要是监管)以减少对患者的伤害,但这些措施往往没有与卫生系统质量改善努力相结合,可能不会减少不良事件。这在很大程度上是因为它们未能将监管数据与改进措施结合起来,从而未能将患者伤害信息转化为可采取行动的见解。
充分整合临床、成本和操作数据,结合预测分析和机器学习对提高患者安全至关重要。利用这一方法的工具将识别风险,并建议跨连续护理的干预措施。
卫生系统可以利用机器学习的预测潜力来改善结果,降低成本,挽救生命。然而,机器学习本身并不能产生在临床环境中可操作的见解,而一线临床医生需要在护理点上可访问和有意义的信息。精心设计的机器学习可视化洞察是一种强大的方式,可以为临床用户提供他们需要的信息,以及他们何时和如何需要这些信息,以支持明智的决策。
机器学习可视化的设计框架解决了关于谁将使用决策支持洞察力以及如何使用的三个关键问题:
1.人员:目标用户是谁?
2.上下文:它们在什么上下文或环境中工作?
3.活动:他们做什么活动?