В последние годы наблюдается огромный рост цифровизации здравоохранения. Данные, собранные в больницах и объединяющие записи журналов из различных источников, позволяют получить более широкую картину медицинских процессов. Несмотря на этот прогресс, потенциал, который предлагают больничные данные с точки зрения понимания и улучшения подходов к организации лечения, еще не используется полностью. Возможным решением этой проблемы является использование технологии process mining.
Специалисты Политехнического института Визеу (Португалия) сосредоточились на исследовании возможности и преимуществ использования инструментов process mining в отделении неотложной помощи.
Управление и планирование службы неотложной помощи сложны, из-за чего больницы теряют возможность оказывать срочную помощь в регламентированное время. Более того, они подразумевают использование дефицитных и дорогостоящих больничных ресурсов. Эта ситуация еще больше усугубляется большим количеством пациентов, что может привести к тому, что медицинские работники будут принимать решения второпях.
Технология Process mining может помочь организациям, так как ориентирована на получение реальной модели протекания процесса. Идея состоит в том, чтобы выявить «узкие места» и принять меры по их устранению, чтобы разработать подходы, которые могут сократить время ожидания, уменьшить загруженность персонала и повысить качество обслуживания с экономией средств.
Классические методы интеллектуального анализа данных, такие как классификация, кластеризация, регрессия не фокусируются на моделях бизнес-процессов и обычно используются только для анализа определенного этапа общего. Process mining же наиболее полезен на сквозных процессах.
Источники данных и инструменты интеллектуального анализа
Источником данных для экспериментального изучения применения process mining для анализа процессов оказания неотложной помощи стала большая база данных, находящаяся в свободном доступе. Она включает в себя неопознанные данные, связанные со здоровьем более чем сорока тысяч пациентов, которые находились в отделениях интенсивной терапии в медицинском центре Бет Исраэль Диаконисс (США) в период с 2001 по 2012 год. Данные были записаны из различных источников, включая файлы информационных систем отделения интенсивной терапии, базы данных электронного программного обеспечения больниц и основной файл смертности службы социального обеспечения. В качестве инструмента использовалось программное обеспечение Disco.
Предварительная подготовка и обработка данных
Служба неотложной помощи работает в тесном сотрудничестве с отделением интенсивной терапии и другими специалистами, которые проводят различные дополнительные виды диагностики. Поэтому для эксперимента собирались данные не только о работе отделения неотложной помощи, но и других отделений больницы.
Предварительно были обработаны данные о пациентах, их переводах и физическом местонахождении внутри больницы, процедур и манипуляций, которые они проходили от поступления до выписки или смерти.
В дополнение к выполненной ранее предварительной обработке был получен стандартный формат набора данных для применения алгоритмов обнаружения процесса. Формат состоит из 3-х типов информации:
- Case ID: Уникальный идентификатор каждого процесса.
- Событие: шаг процесса, любое действие, являющееся частью анализируемого процесса.
- Временная метка: дата и время данного события.
Для каждого этапа процесса использовались тип события (поступление, перевод или выписка) и отделение оказания помощи. В качестве начальной и конечной временных меток этапа использовались даты входа и выхода из палаты терапевтического отделения. Дополнительными параметрами были тип и место госпитализации, тип выписки (больной умер или был выписан), дата рождения больного, пол и день недели, в который произошло событие.
Результаты анализа данных и итоги
Учитывая, что в больнице очень разные сферы деятельности, было построено 5 моделей:
- для отделений кардиологии,
- для хирургических отделений,
- для неонатальных отделений,
- для отделения интенсивной терапии,
- для госпитализаций в терапевтическое отделение.
Эти модели позволили проанализировать реальное функционирование каждого отделения больницы. При этом можно сделать выводы о его управлении, а также о его материальных и кадровых ресурсах.
Выводы:
- Большинство отделений медицинской помощи соответствуют стандарту службы неотложной помощи, что является хорошим показателем управления и планирования.
- В некоторых отделениях зафиксирован высокий уровень оборота коек, что может указывать на плохое планирование использования коечного фонда.
- Новорожденные, независимо от того, в какое отделение они поступили, всегда проходят через отделение интенсивной терапии. Это создает естественное увеличение количества используемых койко-мест.
- Пациенты, госпитализированные в терапевтическое отделение, которых переводят в узкоспециализированное отделение, перед выпиской возвращаются в терапевтическое отделение. Такая логистика также может быть причиной увеличения количества коек в этом отделении.
- Есть отделения с большим количеством случаев госпитализации в терапевтическое отделение, чем в узкоспециализированные, что свидетельствует о плохом управлении госпитализацией в этих отделениях.
Полученные выводы позволяют найти причины задержек в оказании неотложной помощи и пути повышения эффективности использования ресурсов больницы. Например, рассмотреть возможность прямой выписки из специализированного нозологического отделения, чтобы пациенты не возвращались в терапевтическое отделение после получения лечения от узкого специалиста.
По материалам Researchgate