人工智能驱动的基准测试将数据转化为洞察力，提高组织效率

医疗保健组织拥有大量可用的数据。需要将数据转换为更好的决策，包括组织重点、资源分配、设定和推动适当的目标，以优化性能。除了重要的数据集成和转换之外，最优的领导决策需要广泛的视角和前沿的分析。

在此之前，INTEGRIS Health拥有大量的数据，但缺乏它想要驱动性能的洞察力。通过利用一个强大的分析平台，INTEGRIS Health现在拥有世界杯厄瓜多尔vs塞内加尔波胆预测更全面、更好集成的数据，并结合它所需要的前沿分析，以做出关键的领导决策和推动日常绩效。

医疗保健组织可获得无限的数据

医疗保健组织比以往任何时候都可以访问更多的数据，但往往缺乏改进所需的可操作的见解。想要提高绩效的组织必须将数据转化为知识，并将前沿分析整合到日常运营中。¹

改进性能需要的不仅仅是大量的数据

INTEGRIS Health有一个医疗保健基准测试工具，但该工具未能将数据转化为可用于改进操作和结果的知识。基于价值的护理措施的数据延迟高达一年，限制了组织做出基于数据的决策的能力。

当INTEGRIS Health获得更健壮的数据时，很难确定如何最好地使用数据进行改进。现有的数据使得从噪声中辨别信号具有挑战性。结果，组织经常被迫跟进所有数据，而不是专注于特定的机会领域。

INTEGRIS Health被数据淹没，但缺乏对性能和改进机会的洞察。它需要一个解决方案来整合来自不同系统的信息，为有针对性的改进提供及时的数据，并针对对等体和其他定制队列对性能进行基准测试。

医疗保健基准测试揭示了改进的机会

INTEGRIS Health利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，包括世界杯厄瓜多尔vs塞内加尔波胆预测Touchstone^®套房和医疗保健。AI™，在其不同的系统中建立单一的真相来源，并获得对性能的强大洞察。Touchstone是一种基准测试资产，它使用人工智能主动识别组织何处表现良好，何处表现不佳，以便组织确定优先级并推动改进。

INTEGRIS Health使用风险调整基准来了解组织内部和相对于同行的性能，执行机会分析，确定改进优先级，分配资源，并在日常操作中推动改进目标。该组织使用Touchstone中的评分系统将INTEGRIS健康系统及其11家医院与类似类型的组织和定制队列进行比较。

该组织现在集成了数据、分析和机器学习驱动的算法，以识别真正的机会，以提高基于价值的护理测量性能、患者安全和死亡率。INTEGRIS Health首次获得及时、可操作的数据，以解决质量问题。有效的医疗保健基准测试揭示了优势和机会，并发现了一些令人惊讶的见解。例如，心衰再入院一直是改善的高优先目标，但INTEGRIS Health与同行基准相比表现良好。相比之下，败血症再入院一直被忽视，现在已成为一个焦点。

该组织对临床医生进行基准测试，以促进病例审查的分诊，并进行临床医生与临床医生之间的比较，以识别差异，使组织能够确定具体的改进机会。这些临床医生与临床医生之间的比较还可以识别出表现优异的人员，并帮助确定可以在整个组织中推广的最佳实践，以加速改进。由Touchstone提供的及时、透明和具体的数据为INTEGRIS Health提供了提高临床文件和编码以及绩效报告准确性和可信度的机会。

结果

通过使用DOS、Touchstone和医疗保健。AI, INTEGRIS Health已经在其不同的系统中建立了一个单一的真相来源，获得了对性能的强大洞察。将前沿分析技术融入到日常运营中已经改变了该组织。

• 高级领导拥有为组织有效开发战略课程所需的综合数据和分析。
• 现在，它对自己的绩效有了深刻的理解，对质量有了统一的看法，使组织能够专注于改善结果和组织绩效的机会。组织不是对延迟的性能数据做出反应，而是积极地追求改进。
• 数据刷新速度比INTEGRIS Health以前快50倍，基准测试本身也更具有适应性和更详细。
• 利用Touchstone进行基准测试提高了INTEGRIS Health数据科学家的能力，以支持更好的重点、资源分配和目标设定。
• 通过淘汰第三方基准测试工具，该组织每年节省了50万美元。

“使用DOS和Touchstone已经改变了我们的组织。这些数据和分析正是我们的CEO、CMO和CNE设定组织方向所需要的。我们已经有效地从数据中分离出信号和噪音，能够清楚地看到组织需要往哪里走。”

- Benjamin Mansalis，医学博士，INTEGRIS Health的首席信息官

接下来是什么

INTEGRIS Health通过部署Health Catalyst CORUS，进一步加快了其数据固有的能力世界杯葡萄牙vs加纳即时走地^®Suite是一种制造风格的、基于作业的成本计算解决方案，它提供了真实成本的全面视图，使组织能够发现更多的机会来改善结果和组织绩效。

参考文献

1. 金斯伯格，P.， loera - bruust, A.，勃兰特，C.和杜拉克，A.(2018)。数据分析在医疗保健中的机遇和挑战。布鲁金斯学会。从检索https://www.brookings.edu/research/the-opportunities-and-challenges-of-data-analytics-in-health-care/