Разработка, реализация и оценка системы поддержки социального участия

Социальные драйверы здоровья (SDOH) являются крупнейшими факторами, влияющими на наше здоровье и благополучие, но для систем здравоохранения трудно решать. Несмотря на новые модели, которые предоставляют стимулы для планов здравоохранения и поставщиков, чтобы оказаться за пределами клинической помощи для улучшения результатов здоровья пациентов, существующей инфраструктуры данных не имеют соответствующей информации для поддержки таких вмешательств. Первая проблема - одна из идентификации; Поставщики не подходят социальные потребности в существующих схемах и методах сбора вспомогательных данных, таких как социальные экраны, не являются обычными, стандартизированными или легко общими. Вторая проблема-это отсутствие взаимодействия между людьми и социальными услугами, что особенно расстраивает, поскольку существует много фактических данных, основанных на фактических данных, которые организации сообщества (CBO) используют для удовлетворения социальных потребностей. Без точной информации о том, кто нуждается в социальной поддержке и о том, как максимизировать их взаимодействие с CBOS, поставщики и страховщики обладают ограниченной способностью развертываться вмешательствами, которые устраняют барьеры для ухода и выравнивают результаты в области здоровья среди уязвимых групп населения.

Наш проект будет применять подход точности медицины для выявления и взаимодействия с получателями Medicaid с социальными потребностями. Следователи сотрудничают с организацией управляемой медицинской помощи, которая координирует пособия для более чем 250 000 членов Maryland Medicaid. Они запустили общенациональную программу социального скрининга, чтобы добавить социальные потребности, сообщаемые участниками в свои существующие клинические данные. Исследователи улучшат инфраструктуру своих медицинских информационных технологий (ИТ) с помощью набора моделей машинного обучения для идентификации рисков, системой поддержки взаимодействия для максимизации использования членами социальной поддержки и непрерывного качественного и количественного процесса улучшения для создания системы медицинского обслуживания обучения. Мы выполним эту работу с помощью следующих целей:

Цель 1: Разработать и развернуть набор моделей машинного обучения, которые используют несколько источников данных на уровне индивидуального и сообщества, чтобы предсказать, какие участники используют отделение неотложной помощи для удовлетворения социальных или неразовых потребностей, в отличие от лечения срочных заболеваний. Эти модели будут выявлять людей, чьи социальные потребности способствуют неуместному использованию, так что людям с высоким риском будет предоставлена ​​расширенные услуги по информационным вопросам для облегчения завершения комплексной оценки социальных потребностей. Исследователи проанализируют эти оценки, чтобы определить, приводят ли наши модели к оценке людей с более высоким профилем социальной потребности.

Цель 2: Разработать и развернуть систему поддержки взаимодействия, которая идентифицирует и отображает характеристики членов, которые мешают им взаимодействовать с CBO. Эта система будет использовать методы искусственного интеллекта для выявления характеристик людей, которые исторически отказались от конвейера социальных услуг, прежде чем получать социальные услуги, и предложить потенциальные стратегии для увеличения взаимодействия. Следователи будут применять модели к вновь оцениваемым членам и представлять предсказанных людей с высоким риском к общественным работникам здравоохранения плана через свою существующую ИТ -платформу, что позволяет им активно устранять барьеры членов для доступа к услугам. Следователи проанализируют успех взаимодействия (то есть, был ли участник, который был направлен на услуги, получил помощь от CBO), чтобы определить, увеличила ли наша система поддержки вероятность успеха.

Цель 3: Внедрить непрерывный качественный и количественный процесс улучшения, который определяет повторяющиеся темы и точки разъединения в тех случаях, когда участники не смогли завершить свое соответствующее социальное вмешательство. Эти результаты будут проанализированы исследовательской группой для выявления потенциальной тактики для устранения барьеров вовлеченности, и полученные рекомендации по увеличению взаимодействия будут распространяться через систему либо обновлениями инфраструктуры IT Health, либо для обучения персонала. Благодаря этой цели следователи построят систему здоровья обучения, а команда постоянно совершенствует методы взаимодействия на протяжении всего проекта.

Исследовательская группа хорошо подходит для разработки протокола вмешательства социальных потребностей и будет включать в себя строгие оценки для оценки влияния нашего вмешательства на здоровье и социальные результаты участвующих членов по их демографическим и географическим характеристикам. Вместе эти цели помогут информировать парадигмы следующего поколения на основе стоимости, выявляя и удовлетворяя социальные потребности и сокращая различия в результатах в отношении здоровья среди большого, высокого риска.