Udvikling, implementering og evaluering af et socialt engagementstøttesystem

Sociale drivere af sundhed (SDOH) er de største faktorer, der påvirker vores helbred og velvære, men er vanskelige for sundhedssystemer at tackle. På trods af nye modeller, der giver incitamenter til sundhedsplaner og udbydere til at nå ud over klinisk pleje for at forbedre patientens sundhedsresultater, mangler eksisterende datainfrastrukturer relevant information til støtte for sådanne interventioner. Det første problem er en identifikation; Udbydere, der er underkodet sociale behov i eksisterende skemaer og tilknyttede dataindsamlingsmetoder, såsom sociale skærme, er ikke almindelige, standardiserede eller let deles. Det andet problem er en mangel på engagement mellem enkeltpersoner og sociale tjenester, hvilket er især frustrerende, da der er mange evidensbaserede praksis, som samfundsbaserede organisationer (CBO'er) bruger til at imødekomme sociale behov. Uden præcis information om, hvem der har brug for social støtte, og hvordan man maksimerer deres engagement med CBO'er, har udbydere og forsikringsselskaber begrænset evne til at implementere interventioner, der fjerner barrierer for at pleje og udligne sundhedsresultater på tværs af sårbare befolkninger.

Vores projekt vil anvende en præcisionsmedicinsk tilgang til identifikation af og engagement med Medicaid -modtagere med sociale behov. Efterforskerne har samarbejdet med en administreret plejeorganisation, der koordinerer fordele for over 250.000 Maryland Medicaid -medlemmer. De har lanceret et populationsdækkende socialt screeningsprogram for at tilføje medlemsrapporterede sociale behov til deres eksisterende kliniske data. Undersøgere vil forbedre deres sundhedsinformationsteknologi (IT) infrastruktur med et sæt maskinlæringsmodeller til risikoidentifikation, et engagementstøttesystem for at maksimere medlems brug af sociale understøttelser og en kontinuerlig kvalitativ og kvantitativ forbedringsproces for at etablere et læringssundhedssystem. Vi vil udføre dette arbejde gennem følgende mål:

AIM 1: Udvikle og implementere et sæt maskinlæringsmodeller, der bruger flere datakilder på individuelt og samfundsniveau til at forudsige, hvilke medlemmer der bruger akuttafdelingen til at opfylde sociale eller ikke-presserende behov i modsætning til behandlingen af ​​presserende medicinske tilstande. Disse modeller identificerer personer, hvis sociale behov driver upassende udnyttelse, så enkeltpersoner med høj risiko får forbedrede opsøgende tjenester for at lette afslutningen af ​​en omfattende vurdering af sociale behov. Efterforskerne vil analysere disse vurderinger for at afgøre, om vores modeller fører til vurdering af personer med en højere socialt behovsprofil.

AIM 2: Udvikle og implementere et engagementstøttesystem, der identificerer og viser egenskaberne for medlemmer, der forhindrer dem i at samarbejde med en CBO. Dette system vil bruge kunstige intelligensteknikker til at identificere karakteristika for personer, der historisk har frigivet fra social service -rørledningen, før de modtager sociale tjenester og foreslår potentielle strategier for at øge engagementet. Undersøgere vil anvende modellerne på nyligt vurderede medlemmer og præsentere forudsagte individer med høj risiko på planens samfunds sundhedsarbejdere gennem deres eksisterende IT -platform, hvilket giver dem mulighed for proaktivt at adressere medlemmers barrierer for adgang til tjenester. Undersøgere vil analysere engagementsucces (dvs. om et medlem, der blev henvist til tjenester, der blev modtaget hjælp fra en CBO) for at afgøre, om vores støttesystem øgede sandsynligheden for succes.

AIM 3: Implementere en kontinuerlig kvalitativ og kvantitativ forbedringsproces, der identificerer tilbagevendende temaer og frigørelsespunkter i tilfælde, hvor medlemmer ikke var i stand til at gennemføre deres relevante sociale intervention. Disse fund vil blive analyseret af forskerteamet for at identificere potentielle taktikker til at tackle engagementbarrierer, og resulterende henstillinger til stigende engagement vil blive forplantet gennem systemet enten ved opdateringer til den sundheds IT -infrastruktur eller personaleuddannelsessessioner. Gennem dette mål vil efterforskerne opbygge et læringssundhedssystem, hvor teamet konstant raffinerer engagementsmetoder under hele projektet.

Undersøgelsesteamet er godt positioneret til at udvikle en social behovsinterventionsprotokol og vil omfatte strenge evalueringer for at vurdere virkningerne af vores intervention på de deltagende medlemmers sundhedsmæssige og sociale resultater af deres demografiske og geografiske egenskaber. Sammen vil disse mål hjælpe med at informere den næste generation af værdibaserede plejeparadigmer ved at identificere og imødekomme sociale behov og krympe forskelle i sundhedsresultater på tværs af en stor befolkning med høj risiko.