社会参与支持系统的发展，实施和评估

健康驱动力（SDOH）是影响我们健康和福祉的最大因素，但对于医疗保健系统来说很难解决。 尽管新的模型为健康计划和提供者提供了激励措施，并能够超越临床护理以改善患者的健康状况，但现有的数据基础设施缺乏相关信息来支持此类干预措施。 第一个问题是识别之一。在现有模式和辅助数据收集方法（例如社交屏幕）中，提供者不常见，标准化或易于共享的社会需求。 第二个问题是个人与社会服务之间缺乏参与，这尤其令人沮丧，因为基于社区组织（CBO）使用许多循证实践来满足社会需求。 如果没有关于谁需要社会支持以及如何最大化他们与CBO的参与的精确信息，提供者和保险公司的部署干预措施的能力有限，可以消除障碍以照顾和均衡脆弱人群的健康状况。

我们的项目将采用精确的医学方法来识别和与有社会需求的医疗补助接收者的识别。 调查人员已经与一个托管护理组织合作，该组织协调了25万名马里兰州医疗补助成员的福利。 他们启动了一项范围内人群的社交筛查计划，以在其现有临床数据中增加成员报告的社会需求。 调查人员将使用一组用于风险识别的机器学习模型，一种最大化成员使用社会支持的参与支持系统以及建立学习卫生系统的持续定性和定量改进过程，以增强其健康信息技术（IT）基础架构。 我们将通过以下目的完成这项工作：

目标1：开发和部署一组使用多个个人和社区级数据源来预测哪些成员使用急诊科来满足社会或非紧急需求的机器学习模型，而不是针对紧急医疗状况的治疗。 这些模型将确定其社会需求正在推动不当利用的个人，以便为高危个人提供增强的外展服务，以促进完成全面的社会需求评估。 研究人员将分析这些评估，以确定我们的模型是否导致对社会需求较高的个人的评估。

AIM 2：开发和部署一个参与支持系统，该系统可以识别和显示会员的特征，以防止他们与CBO互动。 该系统将使用人工智能技术来确定在获得社会服务之前与社会服务管道脱离社会服务的个人的特征，并提出了增加参与度的潜在策略。 调查人员将通过现有的IT平台将模型应用于新评估的成员，并将预测的高风险个人向计划的社区卫生工作者提供给，从而使他们可以主动解决成员访问服务的障碍。 调查人员将分析参与成功（即，转介给服务的成员是否从CBO获得帮助），以确定我们的支持系统是否增加了成功的可能性。

目标3：实施一个连续的定性和定量改进过程，在成员无法完成相关社会干预的情况下，可以确定反复出现的主题和脱离接触。 这些发现将由研究团队分析，以确定解决参与障碍的潜在策略，并通过对健康IT IT基础设施或员工培训课程的更新来传播增加参与度的建议。 通过此目标，调查人员将建立一个学习卫生系统，团队在整个项目中不断提炼参与方法。

研究团队在制定社会需求干预方案方面处于良好状态，并将包括严格的评估，以评估我们的干预对参与成员的人口和地理特征的健康和社会成果的影响。 这些目标共同通过识别和满足社会需求并缩小了大型高风险人群的健康结果差异来帮助告知下一代基于价值的护理范例。