Utvikling, implementering og evaluering av et støttesystem for sosialt engasjement

Sosiale drivere for helse (SDOH) er de største faktorene som påvirker vår helse og velvære, men er vanskelig for helsevesenet å adressere. Til tross for nye modeller som gir insentiver for helseplaner og leverandører å nå utover klinisk omsorg for å forbedre pasientens helseutfall, mangler eksisterende datainfrastrukturer relevant informasjon for å støtte slike intervensjoner. Det første problemet er identifisering; Tilbyderne underkoder sosiale behov i eksisterende skjemaer og tilleggsdatainnsamlingsmetoder som sosiale skjermer er ikke vanlige, standardiserte eller lett deles. Det andre problemet er mangel på engasjement mellom enkeltpersoner og sosiale tjenester, noe som er spesielt frustrerende siden det er mange evidensbaserte praksis som samfunnsbaserte organisasjoner (CBOs) bruker for å imøtekomme sosiale behov. Uten presis informasjon om hvem som trenger sosial støtte og hvordan man maksimerer engasjementet med CBO -er, har leverandører og forsikringsselskaper begrenset evne til å distribuere intervensjoner som fjerner barrierer for å ta vare og utjevne helseutfall på tvers av utsatte populasjoner.

Prosjektet vårt vil anvende en presisjonsmedisinsk tilnærming til identifisering av og engasjement med mottakere av Medicaid med sosiale behov. Etterforskerne har inngått et samarbeid med en administrert omsorgsorganisasjon som koordinerer fordeler for over 250 000 Maryland Medicaid -medlemmer. De har lansert et befolkningsomfattende sosialt screeningprogram for å legge til medlemsrapporterte sosiale behov til sine eksisterende kliniske data. Etterforskerne vil forbedre sin infrastruktur for helseinformasjonsteknologi (IT) med et sett med maskinlæringsmodeller for risikoidentifikasjon, et engasjementsstøttesystem for å maksimere medlemmets bruk av sosiale støtter, og en kontinuerlig kvalitativ og kvantitativ forbedringsprosess for å etablere et læringshelse. Vi vil utføre dette arbeidet gjennom følgende mål:

Mål 1: Utvikle og distribuere et sett med maskinlæringsmodeller som bruker flere datakilder på individ og samfunnsnivå for å forutsi hvilke medlemmer som bruker akuttmottaket for å oppfylle sosiale eller ikke-presserende behov i motsetning til behandling for presserende medisinske tilstander. Disse modellene vil identifisere individer hvis sosiale behov driver upassende utnyttelse, slik at individer med høy risiko vil bli gitt forbedrede oppsøkende tjenester for å lette gjennomføring av en omfattende vurdering av sosiale behov. Etterforskerne vil analysere disse vurderingene for å avgjøre om modellene våre fører til vurdering av individer med en høyere sosialt behovsprofil.

Mål 2: Utvikle og distribuere et engasjementsstøttesystem som identifiserer og viser egenskapene til medlemmer som forhindrer dem i å engasjere seg med en CBO. Dette systemet vil bruke kunstig intelligensteknikker for å identifisere kjennetegn hos individer som historisk har koblet seg ut fra rørledningen for sosialtjenester før de mottar sosiale tjenester og foreslår potensielle strategier for å øke engasjementet. Etterforskerne vil bruke modellene på nyvurderte medlemmer og presentere spådde personer med høy risiko for planens samfunnshelsearbeidere gjennom sin eksisterende IT -plattform, slik at de proaktivt kan adressere medlemmenes barrierer for tilgang til tjenester. Etterforskerne vil analysere engasjementssuksess (dvs. om et medlem som ble henvist til tjenester mottatt hjelp fra en CBO) for å avgjøre om vårt støttesystem økte sannsynligheten for suksess.

Mål 3: Implementere en kontinuerlig kvalitativ og kvantitativ forbedringsprosess som identifiserer tilbakevendende temaer og frigjøringspunkter i tilfeller der medlemmene ikke var i stand til å fullføre sin relevante sosiale intervensjon. Disse funnene vil bli analysert av forskerteamet for å identifisere potensielle taktikker for å adressere engasjementsbarrierer, og resulterende anbefalinger for å øke engasjementet vil bli forplantet gjennom systemet enten ved oppdateringer til helse IT -infrastruktur eller opplæring av personalet. Gjennom dette målet vil etterforskerne bygge et læringshelsesystem, med teamet som stadig raffinerer engasjementsmetoder gjennom hele prosjektet.

Studieteamet er godt posisjonert for å utvikle en sosiale behovsintervensjonsprotokoll og vil omfatte strenge evalueringer for å vurdere effekten av vår intervensjon på helse- og sosiale utfall fra deltakende medlemmer av deres demografiske og geografiske egenskaper. Sammen vil disse målene bidra til å informere den neste generasjonen av verdibaserte omsorgsparadigmer ved å identifisere og imøtekomme sosiale behov og krympe forskjeller i helseutfall på tvers av en stor, høyrisikopopulasjon.