机器学习提高了风险预测的准确性，提高了运营效率

医疗保险和医疗补助服务中心(CMS)的再入院处罚是医疗保健组织的一个重大问题，每年有超过2500家医院受到处罚，导致CMS扣缴了超过5亿美元的款项。

对于韦斯特切斯特医疗中心健康网络(WMCHealth)来说，医院再入院带来的不仅仅是经济后果。护理经理必须使用多个系统和耗时的人工流程来识别最近出院的有再入院风险的患者。这些流程限制了护理管理团队的效率，因为护理管理人员浪费了宝贵的时间来搜索患者记录，以确定工作量的优先级并选择正确的干预措施。

为了解决这个问题，WMCHealth的数据分析团队和网络成员Bon Secours慈善健康系统(BSCHS)利用人工智能和机器学习开发了一个更准确的再入院风险预测模型，使护理经理能够更有效地利用他们的时间协调和参与患者。

住院再入院代表着重大的经济责任

在全国范围内，每年有2500多家医院面临CMS的再入院处罚，CMS扣留了超过5亿美元的款项。¹虽然CMS的医院再入院减少计划到2014年将CMS的再入院支出减少了90亿美元，但在2013年至2016年期间，医院再入院率平均只下降了0.1%，医院再入院率仍然是一个挑战。²

许多机构和emr使用LACE指数(住院时间、入院敏锐度、查尔森共病指数和前六个月急诊就诊次数)来预测哪些患者再入院风险最高。该指数是根据2002年10月至2006年7月间加拿大11家医院收治的4812名患者的数据编制的。^3.虽然LACE指数被广泛使用，但它是根据没有严重合并症的加拿大中年患者的数据开发的。因此，批评者质疑LACE指数适用于更广泛患者人群的有效性。^4、5

BSCHS是纽约哈德逊河谷下游的三家医院卫生系统，也是WMCHealth的成员之一。自2014年以来，WMCHealth已经从一个单一的三级护理医院和创伤设施发展成为一个拥有1700张床位的医疗保健系统，在哈德逊河谷的6200平方英里的8个校区拥有10家医院。考虑到再入院的财务影响，以及对LACE指数在患者人群中预测再入院发生的准确性的担忧，WMCHealth审查了其流程，看看在哪些方面可以改进。

手工工作流程阻碍患者参与、风险评估

为了应对与有效管理不断增长的慢性疾病患者相关的挑战，BSCHS的护理经理将试图确定最近出院的患者中哪些再入院风险最高，与患者接触以协调护理。

由于护理管理人员必须使用的多个系统，以及需要耗时的手动流程来识别最近出院的有再入院风险的患者，因此识别风险的工作变得复杂。因此，护理经理的效率较低，他们花时间搜索患者记录，以确定工作量的优先级，并为患者选择正确的干预措施。

为了寻求更有效的流程，BSCHS尝试自动化患者识别，生成每日工作报告;然而，该报告并没有提供出院患者的完整信息。有一个风险评分功能，但它更能反映死亡率(重点是合并症)，而不是BSCHS试图确定的再入院风险。此外，通用算法未能考虑BSCHS患者群体的特征。

BSCHS需要一种不同的机制来识别有再入院风险的患者，因为其劳动密集型流程效率低下，并对护理经理的患者参与机会产生了负面影响。

再入院风险预测得益于机器学习和分析

BSCHS和WMCHealth数据分析团队与Health Catalyst合作，使用Health Cataly世界杯葡萄牙vs加纳即时走地st^®数据操作系统(DOS™)平台，催化剂。世界杯厄瓜多尔vs塞内加尔波胆预测Ai™和医疗保健。Ai™开发了一个更准确的再入院风险预测模型，使其护理经理能够优化他们花在协调护理和与正确患者接触上的时间。

这个新的解决方案整合了54,000名出院患者和6,000名住院患者出院后30天内再入院的历史数据，以训练机器学习平台，并确定对BSCHS患者群体有重要意义的特定变量。世界杯厄瓜多尔vs塞内加尔波胆预测

该团队使用一个开源机器学习包来比较在许多超参数上调整的几种算法，从而得出最终的预测模型，该模型是使用随机森林算法开发的。

在通过机器学习算法运行医院的历史数据后，团队使用分析平台利用账单和临床数据进行试验，以验证模型对不同患者群体的预测，这也确保了跨子群体的效用。世界杯厄瓜多尔vs塞内加尔波胆预测在最终的再入院风险预测模型中，包含24个变量。

当团队确信风险预测尽可能准确时，风险评分将作为Health Catalyst社区护理高级应用程序的一部分提供给护理经理。世界杯葡萄牙vs加纳即时走地

分析应用程序使BSCHS护理经理能够通过创建一个新的减少再入院模块来填补慢性和预防性护理的关键空白，在应用程序和工作流程中为护理经理提供有价值的信息，他们通常使用这些信息来完成他们的工作。护理经理可以很容易地访问最近出院患者的列表，以及他们的再入院风险评分。

为了使患者名单和风险评分更具可操作性，BSCHS将其与EMR数据配对，该数据还通知护理经理有关干预措施。护理经理现在能够在单个可视化中查看出院列表、风险评分和支持数据元素。

结果

通过利用其分析平台，配合机器学习算法，BSCHS已经建世界杯厄瓜多尔vs塞内加尔波胆预测立了一个最能反映其患者群体的知识渊博和准确的模型。这导致:

• 风险预测模型在30天内识别高风险和低风险患者再入院的准确率提高了17%。这是由于真阳性(实际再入院被正确地归类为“高风险”)增加了8%，假阳性(实际非再入院被错误地归类为“高风险”)减少了30%。
  • 准确性的提高与BSCHS现有的EMR风险模型和LACE指数有关。机器学习模型的预测准确率为72%，而LACE和EMR的准确率分别为62%和61%。这种差异归因于两个因素:机器学习模型比其他两个模型使用了更多的变量，并且它更好地反映了BSCHS患者群体的特征。其他风险模型使用通用算法，这些算法没有针对特定人群的数据进行训练。
  • 使用模型训练期间未使用的三个月的回顾性数据，机器学习模型正确地分类了比LACE模型多432个放电，比EMR模型多460个放电。
• 出院清单和风险评分，为护理经理提供客观数据，他们可以使用这些数据来确定日常患者外展的优先级。护理经理在与初级保健提供者和专家的对话中利用高风险和中等风险患者的信息。因此，随访预约发生得更快，通常在七天之内，并且患者与所需的服务联系起来，以防止不必要的急诊和再入院。
• 每年节省1327个小时。护理经理现在可以花更多的时间与合适的患者在一起，而不必在与他们接触之前花费数小时进行手动图表检查。

“预测分析使我们的团队能够更聪明、更高效地工作，并为我们的患者提供更有针对性的外展服务和结果。”

——玛丽·p·莱希医学博士
邦塞克斯慈善医疗系统首席执行官

接下来是什么

WMCHealth计划将风险预测信息的使用扩展到其他地点，并进一步改进机器学习模型。该团队还打算将健康数据的社会决定因素纳入预测模型，继续改善人口健康管理和患者结果。

参考文献

1. 顾问委员会。(2017)。今年将有2573家医院面临重新入院的处罚。你的是其中之一吗?
2. 卡斯泰鲁奇，M.(2017)。CMS再入院项目的结果让医院和专家质疑其目的．现代医疗保健。
3. 加拿大医学协会杂志。(2010)。预测早期死亡或再入院的新工具．《科学日报》。
4. Cotter, P. E.， Bhalla, V. K.， Wallis, S. J. & Biram, R. W.(2012)。预测再入院:LACE指数在英国老年人口中的表现不佳．年龄老化，41(6), 784 - 789。
5. 棕褐色,Y。,低,L . L。杨,Y。,k h & Lee(2013)。新加坡医疗患者先前验证的再入院预测指数的适用性:一项回顾性研究．BMC健康服务研究，13, 366年。