人工智能可以促进卫生公平

卫生公平是质量的核心，人工智能可以提供帮助

由于新冠肺炎在有色人种社区的感染率和发病率不成比例，支付方和提供者正在重新将公平作为一项首要战略优先事项。^2、3尽管20多年来公平一直是质量的核心维度，但由于个人特征(如种族、民族、主要口语、地理位置、性取向和社会经济地位)的不同，护理提供的质量仍然常常不同。

人工智能增强的卫生技术改善了以数据为依据的决策，有可能大幅改善卫生公平结果。寻求使用人工智能改善护理的组织必须对数据源进行批判性评估，发现数据中的偏差，并测试算法偏差。如果使用不当，算法会增加差异，加剧健康不平等。有了适当的目标、数据和技术，人工智能可以作为一种工具，系统地理解和加强卫生公平。

提高数据的可靠性是增加卫生公平的必要条件

ChristianaCare致力于实现卫生公平，并确立了减少卫生差距的目标。该组织面临着几个挑战，包括在注册点收集的个人特征数据不一致，多个源系统对特征进行了不同的分类和存储，分类方案随着时间的推移而变化。不可靠的数据造成了混乱，限制了对不同群体的结果进行评估的能力，并使评估结果在群体内的传播变得困难。ChristianaCare需要一个解决方案，使其能够利用其数据来理解和改善医疗公平。

利用预测分析提高卫生公平

为了提高数据的一致性和实用性，ChristianaCare将其数百个注册点的个人特征数据收集标准化，并将历史数据映射到当前的标准。该组织使用了健康催化剂世界杯葡萄牙vs加纳即时走地^®数据操作系统(DOS™)平台和一套健壮的分析应用程序作为组世界杯厄瓜多尔vs塞内加尔波胆预测织的个人特征数据的单一“真相来源”。

该组织利用其数据平台上18个月的历史数据、符合企业数据标准的主人数据和人工智能(AI)进行了股权分析。世界杯厄瓜多尔vs塞内加尔波胆预测ChristianaCare创造了对6个公平维度的7个条件下的9种不同衡量方法的评估能力，包括年龄、种族、民族、性别、语言和邮政编码。该组织进行了单变量和多变量分析，对每个结果和公平方面进行了全面分析，在仪表板中可视化数据，并创建了一个独特的统计数据，用于测量、比较和跟踪卫生公平。

结果

通过利用其数据平台和人工智能，Christia世界杯厄瓜多尔vs塞内加尔波胆预测naCare现在可以评估其卫生公平重点，并对患者的护理和结果提供有价值的见解。ChristianaCare已确定:

• 改善卫生公平的具体机会。
  • 年龄:因慢性阻塞性肺疾病和心力衰竭(HF)而再次入院。
  • 种族和性别:高频重新接纳。
  • 种族和地理:在威尔明顿部分地区对黑人/非裔美国患者进行COVID-19检测。
• 应该进一步调查的机会。
  • 种族:脓毒症的死亡率。
• 目前可监测的卫生公平领域。
  • 糖尿病患者糖化血红蛋白的控制。
  • 接受高血压治疗的患者血压高于130/80或140/90。

ChristianaCare正在努力克服COVID-19检测方面的差异，通过在威尔明顿一些服务不足的社区将虚拟初级保健和COVID-19检测结合起来的创新诊所，增加获得医疗服务的机会。

“卫生公平和人工智能是相互关联的。技术和人工智能需要帮助减少健康差异，而不是加剧它们。与Health Catalyst世界杯葡萄牙vs加纳即时走地的合作使我们能够制定一个卫生公平分析框架，支持我们努力减少性别、种族、族裔、地理、语言、性取向、付款人或社会经济地位等个人特征对我们社区卫生结果的影响。”

- Ed Ewen，医学博士，战略信息管理中心临床数据与分析主任

接下来是什么

ChristianaCare计划对各种医疗保健过程和结果进行分析，使该组织能够进一步确定改善卫生公平的机会。通过将分析整合到改进团队的工作中，它正在组织、实践和提供者层面上完善卫生公平目标的框架、期望和沟通计划。

参考文献

1. 奥伯迈耶，Z.等人(2019)。医疗保健中的算法偏差:前进的道路。健康事务博客．从检索https://www.healthaffairs.org/do/10.1377/hblog20191031.373615/full/
2. APM研究实验室。(2021)。冠状病毒的颜色:美国按种族和民族划分的COVID-19死亡人数从检索https://www.apmresearchlab.org/covid/deaths-by-race
3. 疾病控制和预防中心(2020)。按种族/族裔分列的COVID-19住院和死亡人数。从检索https://www.cdc.gov/coronavirus/2019-ncov/covid-data/investigations-discovery/hospitalization-death-by-race-ethnicity.html