3 vragen om te stellen voordat u investeert in machine learning voor popgezondheid
Gesundheit der Familie

3 vragen om te stellen voordat u investeert in machine learning voor popgezondheid

Het doel van de gezondheid van de bevolking is om gegevens te gebruiken om diegenen te identificeren die eerder baat hebben bij interventie, meestal in een poging om onnodige ziekenhuisopnames te voorkomen. Machine learning introduceert het potentieel om de gezondheid van de bevolking te verschuiven van one-size-fits-all risicoscores en in de richting van het matchen van individuen met specifieke interventies.

De combinatie van de twee heeft een enorm potentieel. Veel van de factoren die bepalend zijn voor succes of falen hebben echter niets met technologie te maken en moeten worden overwogen voordat wordt geïnvesteerd in machine learning of de gezondheid van de bevolking.

Is er voldoende stimulans?

Software voor populatiegezondheid, met of zonder machine learning, levert alleen suggesties op. Een team actie laten ondernemen, vooral als die actie anders is, is een van de moeilijkste dingen om te doen in de gezondheidszorg. U zult niet slagen zonder uitvoerende steun. Leidinggevenden zullen u niet ondersteunen zonder significante stimulans om dit te doen.

Hier is een gemakkelijke surrogaat voor of er genoeg van die stimulans is: of de banen van die leidinggevenden in gevaar zijn als er te veel mensen naar het ziekenhuis gaan. Zo niet, dan is de kans dat een investering tot meetbare verbetering zal leiden minimaal.

Als u bevolen bent om de gezondheid van de bevolking te 'doen', kunt u het beste een lage risicoscore installeren of uw team een ​​vraag laten stellen om de oudste ziekste mensen met de meeste overname te identificeren. Beide zullen min of meer dezelfde resultaten opleveren en uw team van zorgmanagers is gewend om deze resultaten te negeren zonder de boot te laten schommelen. Lees verder als er voldoende stimulans is.

Is het doel echt de identificatie van de hoogste gebruikers?

Henry Ford wordt gecrediteerd door te zeggen: "Als ik mensen had gevraagd wat ze wilden, zouden ze snellere paarden hebben gezegd." Het is menselijk van aard om te proberen een nieuwe technologie op een oude manier toe te passen.

Economen hebben dit de IT-productiviteitsparadox genoemd en hebben de kosten van het toepassen van nieuwe technische mogelijkheden op oude manieren bestudeerd. Er zijn tekenen dat gezondheidsorganisaties onbewust deze plank bewandelen.

Decennia lang werden risicoscores ontworpen om de duurste patiënten te identificeren met weinig aandacht voor de soorten kosten, de ziekten waaraan ze lijden, of die kosten al dan niet te voorkomen zijn, enz.

Als gevolg hiervan, volgens een systematische review van 30 risicostratificatie-algoritmen die in het Journal of the American Medical Association verschijnen, "presteren de meeste huidige voorspellingsmodellen voor overname-risico's die werden ontworpen voor vergelijkende of klinische doeleinden slecht." Een recent gepubliceerde studie in Science heeft ook aangetoond dat prioritering op basis van kosten discriminerend is voor mensen van kleur. Meer gegevens en betere wiskunde toepassen om het probleem op de oude manier op te lossen, is een dure manier om bestaande tekortkomingen te verspreiden.

De mogelijkheid die nu mogelijk wordt gemaakt, is de mogelijkheid om individuen aan interventies te koppelen. Patiënten met een ernstige psychische aandoening die het meest waarschijnlijk een intramurale psychiatrische opname hebben, zijn heel anders dan patiënten met ernstige ziekten die baat kunnen hebben bij palliatieve thuiszorg. Artsen zouden hen niet hetzelfde behandelen, en onze benadering van prioritering ook niet.

U moet echter hiervoor ontwerpen en klinische teams moeten voorbereid zijn op de gevolgen. Patiënten met een verhoogd risico (in tegenstelling tot piekgebruik) zullen niet zo ziek lijken.

Klinische teams getraind in triage kunnen het gevoel hebben dat ze hun werk niet doen als de patiënten niet zo duidelijk acuut zijn. Het is belangrijk om deze gevolgen te bespreken en voor te bereiden op de introductie van nieuwe technologie.

Werkt uw interventie voordat u nieuwe technologie introduceert?

Het gebruik van technologie om meer van de juiste mensen naar een programma te sturen dat geen impact heeft, draagt ​​alleen maar bij aan de kosten van een reeds falend programma. Verrassend genoeg hebben maar weinig programma's ooit de impact van hun interventies gemeten.

Degenen die dat hebben gedaan, vertrouwen vaak op het meten van patiënten voor en nadat ze zorgmanagementprogramma's zijn gestart, die op veel niveaus misleidend en bevooroordeeld is.

Als u niet zeker weet of het bestaande programma een verschil maakt, investeer dan in het meten en verbeteren van de prestaties van het bestaande programma voordat u extra middelen investeert. Lees hier de voor- en nadelen van verschillende benaderingen om impact te meten.

Beginnen met een meetprogramma kan een cultuur van meten, verbeteren en verantwoording tot stand brengen – een geweldige basis voor een pop-inspanning. Het klinische team betrekken bij de vaststelling van maatregelen die ertoe doen, zal een lange weg gaan.

Een andere belangrijke overweging is of uw interventie kostbaar is om te leveren. Hoe duurder het is om middelen naar de verkeerde mensen te sturen, hoe groter de kans dat uw programma profiteert van slimmere prioriteiten.

Om beide bovengenoemde redenen – als uw programma volledig telefonisch is en gericht is op ouderen met chronische complexe ziekten, wilt u misschien investeren in programmaontwerp en -meting voordat u investeert in stratificatietechnologie.

Als je zo ver bent gekomen …

Je bent in topvorm en je kansen op succes zijn exponentieel hoger. Je bent ook beter geïnformeerd, terwijl jij en het team de focus verleggen naar beslissingen zoals of je moet bouwen versus partner, welke unieke gegevens je verzamelt die in jouw voordeel kunnen worden gebruikt en hoe je algoritme en programmaprestaties meet.

Leonard D'Avolio, PhD, is universitair docent aan de Harvard Medical School en het Brigham and Women's Hospital, en de CEO en oprichter van Cyft. Hij deelt zijn werk op LinkedIn en tjilpen.

Leave a Reply

Your email address will not be published. Required fields are marked *