Rozwój, wdrażanie i ocena systemu wsparcia zaangażowania społecznego

Społeczne czynniki zdrowotne (SDOH) są największymi czynnikami wpływającymi na nasze zdrowie i dobre samopoczucie, ale są trudne dla systemów opieki zdrowotnej. Pomimo nowych modeli, które zapewniają zachęty do planów zdrowotnych i dostawców do osiągnięcia opieki klinicznej w celu poprawy wyników zdrowotnych pacjentów, istniejące infrastruktury danych nie mają istotnych informacji w celu wsparcia takich interwencji. Pierwszym problemem jest identyfikacja; Dostawcy podkodowują potrzeby społeczne w istniejących schematach i dodatkowych metod gromadzenia danych, takich jak ekrany społeczne, nie są powszechne, znormalizowane ani łatwe do udostępniania. Drugim problemem jest brak zaangażowania między jednostkami a usługami społecznymi, co jest szczególnie frustrujące, ponieważ istnieje wiele praktyk opartych na dowodach, których organizacje oparte na społeczności (CBO) wykorzystują do potrzeb społecznych. Bez precyzyjnych informacji o tym, kto potrzebuje wsparcia społecznego i jak zmaksymalizować swoje zaangażowanie w CBO, dostawcy i ubezpieczyciele mają ograniczoną zdolność do wdrażania interwencji, które usuwają bariery w opiece i wyrównują wyniki zdrowotne w podatnych populacjach.

Nasz projekt zastosuje podejście medycyny precyzyjne do identyfikacji i zaangażowania odbiorców Medicaid z potrzebami społecznymi. Śledczy współpracowali z organizacją opieki zarządzanej, która koordynuje świadczenia dla ponad 250 000 członków Maryland Medicaid. Uruchomili program badań społecznych w całej populacji, aby dodać zgłoszone przez członków potrzeby społeczne do ich istniejących danych klinicznych. Badacze ulepszają infrastrukturę informatyczną informacyjną zdrowotną (IT) dzięki zestawowi modeli uczenia maszynowego do identyfikacji ryzyka, systemu wsparcia zaangażowania w celu maksymalizacji korzystania przez członka wsparcia społecznego oraz ciągłego procesu ulepszania jakościowego i ilościowego w celu ustalenia systemu opieki zdrowotnej. Wykonamy tę pracę poprzez następujące cele:

Cel 1: Opracuj i wdrażaj zestaw modeli uczenia maszynowego, które wykorzystują wiele źródeł danych na poziomie indywidualnym i społecznościowym, aby przewidzieć, którzy członkowie korzystają z działu ratunkowego w celu zaspokojenia potrzeb społecznych lub nieograniczonych, w przeciwieństwie do leczenia pilnych schorzeń. Modele te identyfikują osoby, których potrzeby społeczne zwiększają niewłaściwe wykorzystanie, aby osoby wysokiego ryzyka otrzymały ulepszone usługi pomocy, aby ułatwić zakończenie kompleksowej oceny potrzeb społecznych. Badacze przeanalizują te oceny, aby ustalić, czy nasze modele prowadzą do oceny osób o wyższym profilu potrzeb społecznych.

AIM 2: Opracuj i wdrożyć system wsparcia zaangażowania, który identyfikuje i wyświetla cechy członków, które uniemożliwiają im zaangażowanie się w CBO. System ten wykorzysta techniki sztucznej inteligencji do identyfikacji cech osób, które historycznie odłączyły się od rurociągu usług społecznych przed otrzymaniem usług społecznych i zasugerują potencjalne strategie zwiększania zaangażowania. Śledczy będą stosować modele do nowo ocenionych członków i przedstawi przewidywane osoby o wysokim ryzyku pracownikom zdrowia społeczności za pośrednictwem istniejącej platformy IT, umożliwiając im proaktywne zajęcie się barierami członków w dostępie do usług. Śledczy przeanalizują sukces zaangażowania (tj. Czy członek, który został skierowany do usług, otrzymał pomoc CBO), aby ustalić, czy nasz system wsparcia zwiększył prawdopodobieństwo sukcesu.

Cel 3: Wdrożenie ciągłego jakościowego i ilościowego procesu ulepszania, który identyfikuje powtarzające się tematy i punkty wyłączenia w przypadkach, w których członkowie nie byli w stanie ukończyć swojej odpowiedniej interwencji społecznej. Odkrycia te zostaną przeanalizowane przez zespół badawczy w celu zidentyfikowania potencjalnych taktyk w celu rozwiązania barier zaangażowania, a wynikające z tego zalecenia dotyczące zwiększenia zaangażowania zostaną propagowane przez system przez aktualizacje infrastruktury IT zdrowia lub szkolenia personelu. Dzięki temu celowi badacze zbudują system opieki edukacyjnej, a zespół nieustannie udoskonala metody zaangażowania w całym projekcie.

Zespół badawczy jest dobrze przygotowany do opracowania protokołu interwencji potrzeb społecznych i będzie obejmował rygorystyczne oceny w celu oceny wpływu naszej interwencji na zdrowie i wyniki społeczne uczestniczących członków przez ich cechy demograficzne i geograficzne. Razem cele te pomogą poinformować nową generację paradygmatów opieki opartej na wartości, identyfikując i zajmując się potrzebami społecznymi oraz zmniejszając różnice w wynikach zdrowotnych w dużej populacji wysokiego ryzyka.