Die Entwicklung, Implementierung und Bewertung eines Social Engagement -Unterstützungssystems

Social Trivers of Health (SDOH) sind die größten Faktoren, die unsere Gesundheit und unser Wohlbefinden beeinflussen, sind jedoch schwierig für Gesundheitssysteme. Trotz neuer Modelle, die Anreize für Gesundheitspläne und Anbieter bieten, über die klinische Versorgung hinaus zu erreichen, um die Ergebnisse der Patientengesundheit zu verbessern, fehlen vorhandenen Dateninfrastrukturen relevante Informationen, um solche Interventionen zu unterstützen. Das erste Problem ist die Identifizierung; Die Anbieter unterteilen den sozialen Bedürfnissen in bestehenden Schemata und Zusatzdatenerfassungsmethoden wie soziale Bildschirme nicht üblich, standardisiert oder leicht zu teilen. Das zweite Problem ist ein Mangel an Engagement zwischen Einzelpersonen und sozialen Diensten, was besonders frustrierend ist, da es viele evidenzbasierte Praktiken gibt, die Community-basierte Organisationen (CBOs) verwenden, um die sozialen Bedürfnisse zu befriedigen. Ohne genaue Informationen darüber, wer soziale Unterstützung benötigt und wie sie ihre Beschäftigung mit CBOs maximieren können, können Anbieter und Versicherer nur eine begrenzte Fähigkeit haben, Interventionen einzusetzen, die Hindernisse für die Versorgung beseitigen und die Gesundheitsergebnisse über gefährdete Bevölkerungsgruppen hinweg ausgleichen.

Unser Projekt wird einen Präzisionsmedizinansatz für die Identifizierung und Auseinandersetzung mit Medicaid -Empfängern mit sozialen Bedürfnissen anwenden. Die Ermittler haben sich mit einer Managed Care -Organisation zusammengetan, die die Leistungen für über 250.000 Mitglieder von Maryland Medicaid koordiniert. Sie haben ein bevölkerungsweites soziales Screening-Programm gestartet, um den von Mitgliedern gemeldeten sozialen Bedürfnissen zu ihren bestehenden klinischen Daten hinzuzufügen. Die Ermittler werden ihre IT -Infrastruktur (Health Information Technology) mit einer Reihe von maschinellen Lernmodellen für die Risikoidentifikation, ein System zur Unterstützung des Engagements, um die Verwendung sozialer Unterstützung durch das Mitglied durchschnittlich des Mitglieds durchschnittlich und ein kontinuierlicher qualitativer und quantitativer Verbesserungsprozess zur Einrichtung eines Lerngesundheitssystems zu verbessern. Wir werden diese Arbeit über die folgenden Ziele erledigen:

AIM 1: Entwickeln und bereitstellen Sie eine Reihe von Modellen für maschinelles Lernen, die Datenquellen auf Einzelperson- und Gemeinschaftsebene verwenden, um vorherzusagen, welche Mitglieder die Notaufnahme nutzen, um den sozialen oder nicht dringenden Bedürfnissen im Gegensatz zur Behandlung von dringenden medizinischen Bedingungen zu erfüllen. Diese Modelle werden Personen identifizieren, deren soziale Bedürfnisse eine unangemessene Nutzung vorantreiben, sodass Personen mit hohem Risiko verbesserte Outreach-Dienste erhalten, um den Abschluss einer umfassenden Bewertung der sozialen Bedürfnisse zu erleichtern. Die Forscher werden diese Bewertungen analysieren, um festzustellen, ob unsere Modelle zur Bewertung von Personen mit einem höheren sozialen Bedarfsprofil führen.

Ziel 2: Entwickeln und bereitstellen Sie ein System zur Unterstützung des Engagements, das die Eigenschaften von Mitgliedern identifiziert und zeigt, die sie daran hindern, sich mit einem CBO zu beschäftigen. Dieses System wird künstliche Intelligenztechniken einsetzen, um Merkmale von Personen zu ermitteln, die historisch von der Pipeline für soziale Dienstleistungen entnommen sind, bevor sie soziale Dienste erhalten, und potenzielle Strategien zur Steigerung des Engagements vorzuschlagen. Die Ermittler werden die Modelle auf neu bewertete Mitglieder anwenden und über ihre bestehende IT -Plattform den Community Health Workers des Plans vorausgesagt, sodass Personen mit hohem Risiko proaktiv proaktiv anwenden, um die Hindernisse der Mitglieder für den Zugriff auf Dienstleistungen proaktiv anzugehen. Die Ermittler werden den Erfolg des Engagements analysieren (d. H. Ob ein Mitglied, das auf Dienste verwiesen wurde, von einem CBO unterstützt), um festzustellen, ob unser Unterstützungssystem die Erfolgswahrscheinlichkeit erhöht.

AIM 3: Implementieren Sie einen kontinuierlichen qualitativen und quantitativen Verbesserungsprozess, der wiederkehrende Themen und Ablehnungspunkte in Fällen identifiziert, in denen Mitglieder ihre relevanten sozialen Interventionen nicht abschließen konnten. Diese Ergebnisse werden vom Forschungsteam analysiert, um potenzielle Taktiken zur Bekämpfung von Engagementbarrieren zu identifizieren, und die daraus resultierenden Empfehlungen zur zunehmenden Engagement werden durch das System entweder durch Aktualisierungen der IT -Infrastruktur der Gesundheits -IT oder der Schulungen des Personals propagiert. Durch dieses Ziel werden die Ermittler ein Lerngesundheitssystem aufbauen, wobei das Team während des gesamten Projekts ständig die Engagement -Methoden verfeinert.

Das Studienteam ist gut positioniert, um ein Interventionsprotokoll für soziale Bedürfnisse zu entwickeln, und umfasst strenge Bewertungen, um die Auswirkungen unserer Intervention auf die Gesundheit und die sozialen Ergebnisse der teilnehmenden Mitglieder durch ihre demografischen und geografischen Merkmale zu bewerten. Zusammen werden diese Ziele dazu beitragen, die nächste Generation von wertorientierten Pflegeparadigmen zu informieren, indem sie soziale Bedürfnisse identifizieren und befriedigen und Unterschiede in den gesundheitlichen Ergebnissen in einer großen, risikoreicher Bevölkerung beeinträchtigen.