A társadalmi elkötelezettség -támogatási rendszer fejlesztése, megvalósítása és értékelése

Az egészségügy társadalmi mozgatórugói (SDOH) a legnagyobb tényezők, amelyek befolyásolják az egészségünket és a jólétünket, de az egészségügyi rendszerek számára nehéz kezelni. Annak ellenére, hogy az új modellek ösztönzik az egészségügyi terveket és a szolgáltatókat arra, hogy a klinikai gondozáson túl is elérjék a betegek egészségügyi eredményeit, a meglévő adatinfrastruktúrák nem rendelkeznek releváns információkkal az ilyen beavatkozások támogatására. Az első probléma az azonosítás egyik; A szolgáltatók a meglévő sémákban és a kiegészítő adatgyűjtési módszerekben, például a társadalmi képernyőkben a társadalmi igények alulkódolják, nem gyakoriak, szabványosítottak vagy könnyen megoszthatók. A második probléma az egyének és a szociális szolgáltatások közötti elkötelezettség hiánya, ami különösen frusztráló, mivel sok olyan bizonyíték-alapú gyakorlat létezik, amelyeket a közösségi alapú szervezetek (CBO) használnak a társadalmi igények kielégítésére. Pontos információk nélkül arról, hogy kinek szüksége van társadalmi támogatásra, és hogyan lehet maximalizálni a CBO -kkal való kapcsolattartást, a szolgáltatók és a biztosítók korlátozottan képesek olyan beavatkozások telepítésére, amelyek eltávolítják a gondozás akadályait, és kiegyenlítik az egészségügyi eredményeket a kiszolgáltatott populációk között.

Projektünk precíziós orvosi megközelítést alkalmaz a Medicaid -i kedvezményezettek azonosítására és azokkal való részvételre. A nyomozók együttműködtek egy olyan menedzseltápolási szervezettel, amely több mint 250 000 Maryland Medicaid tagjának koordinálja az ellátásokat. Elindítottak egy népességi szintű társadalmi szűrőprogramot, hogy a tagok által bejelentett társadalmi igényeket hozzáadják a meglévő klinikai adataikhoz. A nyomozók javítják az egészségügyi információs technológiájuk (IT) infrastruktúráját a kockázat -azonosításhoz szükséges gépi tanulási modellek sorozatával, egy elkötelezettség -támogatási rendszerrel a tagok szociális támogatások használatának maximalizálására, valamint egy folyamatos kvalitatív és kvantitatív fejlesztési folyamattal a tanulási egészségügyi rendszer létrehozására. Ezt a munkát a következő célok révén hajtjuk végre:

1. cél: Fejlesszen ki és telepítsen olyan gépi tanulási modelleket, amelyek több egyéni és közösségi szintű adatforrást használnak annak megjósolására, hogy mely tagok használják a sürgősségi osztályt a társadalmi vagy nem türelmi igények kielégítésére, szemben a sürgős egészségügyi állapotok kezelésével. Ezek a modellek azonosítják azokat az egyéneket, akiknek társadalmi igényei nem megfelelő felhasználást hajtanak végre, hogy a magas kockázatú egyéneknek továbbfejlesztett tájékoztató szolgáltatásokat kapjanak az átfogó társadalmi igények értékelésének megkönnyítése érdekében. A kutatók elemzik ezeket az értékeléseket annak meghatározására, hogy modelleink vezetnek -e a magasabb társadalmi igényű profilú személyek értékeléséhez.

2. cél: Fejlesszen ki és telepítsen egy elkötelezettségi támogatási rendszert, amely azonosítja és megjeleníti a tagok olyan tulajdonságait, amelyek megakadályozzák őket a CBO -val való kapcsolattartásban. Ez a rendszer mesterséges intelligencia technikákat fog alkalmazni az egyének azon jellemzőinek azonosítására, akik történelmileg kiszálltak a szociális szolgáltatási csővezetéktől, mielőtt a szociális szolgáltatások megkapják, és javasolják az elkötelezettség fokozására szolgáló potenciális stratégiákat. A nyomozók a modelleket alkalmazzák az újonnan értékelt tagokra, és a meglévő informatikai platformon keresztül a tervek előrejelzett nagy kockázatú személyeit a terv közösségi egészségügyi dolgozóira alkalmazzák, lehetővé téve számukra, hogy proaktív módon kezeljék a tagok számára a szolgáltatásokhoz való hozzáférés akadályait. A nyomozók elemzik az elkötelezettség sikerét (azaz hogy a szolgáltatásokhoz utalt tag segítségnyújtást kapott -e egy CBO -tól) annak meghatározására, hogy támogatási rendszerünk növeli -e a siker valószínűségét.

3. cél: Végezzen el egy folyamatos kvalitatív és kvantitatív fejlesztési folyamatot, amely azonosítja az ismétlődő témákat és a leválasztási pontokat azokban az esetekben, amikor a tagok nem tudták befejezni a releváns társadalmi beavatkozást. Ezeket a megállapításokat a kutatócsoport elemzi az elkötelezettség -akadályok kezelésére szolgáló lehetséges taktikák azonosítására, és az ebből eredő ajánlásokat az elkötelezettség növelésére a rendszeren keresztül terjesztik, akár az egészségügyi informatikai infrastruktúra, akár a személyzeti képzések frissítéseivel. Ezen cél révén a nyomozók egy tanulási egészségügyi rendszert építenek, a csapat folyamatosan finomítja az elkötelezettség módszereit a projekt során.

A tanulmányi csoport jó helyzetben van egy társadalmi igényű intervenciós protokoll kidolgozásához, és szigorú értékeléseket fog magában foglalni a beavatkozásunknak a részt vevő tagok demográfiai és földrajzi jellemzői alapján történő felmérésére. Ezek a célok együttesen hozzájárulnak az érték-alapú ápolási paradigmák következő generációjának tájékoztatásához a társadalmi igények azonosításával és kezelésével, valamint az egészségügyi eredmények közötti különbségek csökkentésével egy nagy, magas kockázatú populációban.