#UrbanHealthPlan #AI #ChămSócSứcKhoẻ #TechToday
Urban Health Plan, một tổ chức chăm sóc sức khỏe đến từ Thành phố New York đã sử dụng trí tuệ nhân tạo để giảm tỷ lệ bệnh nhân vắng mặt trong 3 tháng. Tỷ lệ lỡ hẹn cao ảnh hưởng đến chất lượng chăm sóc của bệnh nhân và tăng chi phí cho bệnh nhân. Các trường hợp vắng mặt là do nhiều yếu tố, bao gồm các yếu tố xã hội quyết định sức khỏe và phương tiện đi lại. Urban Health Plan đã lên kế hoạch cho 794.322 lượt truy cập vào năm 2022, nhưng chỉ hoàn thành được 57,6%. Các nhà lãnh đạo của Urban Health Plan đã sử dụng thuật toán để dự đoán nhóm bệnh nhân có xác suất vắng mặt cao và thử nghiệm các biện pháp can thiệp tập trung mới để giúp đảm bảo rằng bệnh nhân sẽ thực hiện các cuộc hẹn. Tỷ lệ vắng mặt của Urban Health Plan đã giảm tới 16,52% so với các công ty cùng ngành EHR. Điều này chứng tỏ rằng sử dụng công nghệ AI trong chăm sóc sức khỏe có thể giảm tỷ lệ bệnh nhân vắng mặt và nâng cao chất lượng chăm sóc.
Nguồn: https://techtoday.co/this-fqhc-slashed-its-patient-no-show-rate-with-ai-in-3-months/
Urban Health Plan có trụ sở tại Thành phố New York đã sử dụng trí tuệ nhân tạo để cải thiện hiệu quả hoạt động và chăm sóc bệnh nhân, đồng thời xử lý tỷ lệ bệnh nhân vắng mặt cao hàng năm bằng các biện pháp can thiệp hiệu quả về chi phí cho bệnh nhân.
Tỷ lệ lỡ hẹn cao hơn mức trung bình
Các trường hợp vắng mặt là do nhiều yếu tố, bao gồm các yếu tố xã hội quyết định sức khỏe như phương tiện đi lại.
Nhưng chúng cũng là một thách thức lâu dài đối với các tổ chức chăm sóc sức khỏe có thể ảnh hưởng đến chất lượng chăm sóc của bệnh nhân, tăng chi phí tổ chức chăm sóc sức khỏe và giảm thiểu không cần thiết khả năng tiếp cận tổng thể của bệnh nhân đối với các cuộc hẹn chăm sóc sức khỏe.
Vào tháng 3, Urban Health Plan đã có 42.000 lượt khám sức khỏe – cao nhất trong lịch sử của nó, theo một bài thuyết trình tại hội nghị thượng đỉnh về sức khỏe của eClinicalWorks ở Boston vào tuần trước.
Alison Connelly-Flores, giám đốc thông tin y tế của Urban Health Plan, cho biết: “Chúng tôi đã có một cách tiếp cận nhiều mặt để chỉ giải quyết vấn đề tiếp cận và tương tác của bệnh nhân nói chung. Tin tức CNTT chăm sóc sức khỏe.
Thành tích đó rất có ý nghĩa vì hàng năm, UHP gặp phải rất nhiều cuộc hẹn bị lỡ và các cuộc hẹn cho bệnh nhân chờ đợi đôi khi bị “đặt trước quá xa”. Connelly-Flores cho biết các nhà cung cấp thường được đặt trước quá nhiều để phù hợp với những trường hợp vắng mặt.
Tổ chức trung tâm y tế cộng đồng đủ tiêu chuẩn liên bang, một trong những tổ chức lớn nhất ở bang New York, cung cấp dịch vụ chăm sóc ban đầu, 18 chuyên khoa, chẩn đoán và các dịch vụ khác cho khoảng 86.000 bệnh nhân. Tỷ lệ vắng mặt là rất cao trên 12 địa điểm của UHP ở các vùng lân cận South Bronx, Corona Queens và Central Harlem, 12 trung tâm y tế tại trường học và các dịch vụ sức khỏe hành vi.
Mặc dù UHP đã lên kế hoạch cho 794.322 lượt truy cập vào năm 2022, nhưng chỉ có 57,6% được hoàn thành so với mức trung bình toàn quốc trong dữ liệu EHR của eClinicalWorks – 71%.
Với 336.600 trường hợp vắng mặt và đặt trước quá nhiều, kết quả có thể bao gồm thời gian chờ đợi lâu, sự không hài lòng của bệnh nhân và căng thẳng đối với nhà cung cấp, tất cả những điều này có thể làm trầm trọng thêm tình trạng kiệt sức.
Tổ chức cần thay đổi mọi thứ xung quanh để giữ cho các trung tâm y tế mở cửa.
Ban lãnh đạo muốn biết liệu tỷ lệ vắng mặt của họ cao hơn hay thấp hơn mức trung bình toàn quốc và ai là những bệnh nhân liên tục bỏ lỡ các cuộc hẹn của họ.
Thông qua thí điểm, UHP biết được tỷ lệ vắng mặt của họ cao hơn 16,52% so với các công ty cùng ngành EHR.
Nó cũng biết được rằng mặc dù có sự tiêu hao giữa các nhóm có xác suất thấp, trung bình và cao, nhưng tỷ lệ hiển thị của UHP vẫn nhất quán cho từng nhóm từ năm 2019-2022 – ngay cả khi xảy ra đại dịch.
“Thật thú vị khi những nhóm đó hành xử giống nhau. Tôi không lường trước được điều đó… đó chắc chắn là một khuôn mẫu.” Connelly-Flores cho biết sau phiên họp.
Phân tích học máy của dữ liệu cấp độ mạng
Thuật toán vắng mặt là một phân tích sàng lọc cho phép sắp xếp dữ liệu nhất quán và có hệ thống, cho phép các nhà phân tích dữ liệu và người dùng xem dữ liệu ở cấp độ mạng.
Sameer Bhat, đồng sáng lập và phó chủ tịch bán hàng tại eClinicalWorks, cho biết: “Về cơ bản, tôi có thể trò chuyện với dữ liệu này trước cuộc thảo luận về thử nghiệm thí điểm thuật toán của UHP, đây là một phần của nghiên cứu eClinicalWorks lớn hơn với nhiều khách hàng.
Bhat đã trình bày cách xem xét nhân khẩu học như sắc tộc và mức độ nghèo đói trên bảng điều khiển chữa bệnh và lưu ý rằng nền tảng này không thể tin được EHR.
Theo trang web của công ty, nền tảng này cũng có thể tổng hợp dữ liệu EHR rời rạc để xác định các khoảng trống trong việc chăm sóc.
Khi giới thiệu về Connelly-Flores và nhóm thí điểm, anh ấy nói, “chúng tôi vô cùng ngạc nhiên với một số phát hiện.”
Họ cho biết thuật toán này có thể mò kim đáy bể và có thể giúp xác định những bệnh nhân có xác suất vắng mặt cao với độ chính xác 85%-90%.
Can thiệp lỡ hẹn có hiệu quả
Ngoài việc làm việc với mô hình dự đoán vắng mặt, nhóm UHP đã điều chỉnh quy trình tiếp cận của mình bằng cách sử dụng eClinicalMessenger.
UHP đã quản lý hơn một triệu tin nhắn thoại hàng năm, tin nhắn văn bản an toàn và email nhắc nhở, theo thông báo của eClinicalWorks về thí điểm.
Sau khi mô hình xác định những bệnh nhân có rủi ro cao nhất và vừa phải khi bỏ lỡ các cuộc hẹn, UHP đã thử nghiệm các biện pháp can thiệp tập trung mới để giúp đảm bảo rằng bệnh nhân thực hiện các cuộc hẹn mà họ đã lên lịch.
Một cuộc gọi điện thoại sẽ giúp đỡ? Connelly-Flores cho biết với 3.000 cuộc hẹn mỗi ngày, UHP không thể gọi cho tất cả các bệnh nhân của họ đã được lên lịch.
eClinicalWorks giữ 38.431 với xác suất vắng mặt cao trong nhóm kiểm soát. Công ty đã chia sẻ 18.061 trường hợp có xác suất vắng mặt cao, cũng như 908 trường hợp có xác suất vắng mặt trung bình với UHP để thử nghiệm các biện pháp can thiệp tập trung.
UHP đã phân phát báo cáo vắng mặt có rủi ro cao cho các cộng sự được chỉ định và cung cấp một kịch bản để thực hiện các cuộc gọi và nhắn tin nhất quán nhất có thể. Các cộng sự được chỉ định đã ghi lại kết quả cuộc gọi.
Những bệnh nhân đã lỡ hẹn vào ngày hôm đó có cơ hội chuyển sang khám ảo trong cùng ngày bằng cách bắt đầu khám bệnh từ xa hoặc lên lịch lại các cuộc hẹn. Các bác sĩ của UHP sẽ tự gọi điện cho những bệnh nhân đã lỡ hẹn.
Connelly-Flores nói rằng nếu một bệnh nhân được bác sĩ tiếp cận, gần 100% sẽ chấp nhận tùy chọn đặt lại lịch ảo trong cùng ngày. Họ sử dụng ứng dụng video để gọi cho những bệnh nhân đó và chỉ chuyển sang thăm khám sức khỏe từ xa sau khi bệnh nhân chấp nhận.
Một blog của eClinicalWorks vào tháng 3 năm 2023 cho biết: “Nếu bạn bị hủy hoặc lên lịch lại ‘vào phút cuối’, bạn vẫn có thể khôi phục cuộc hẹn.
“Nếu sự thay đổi vào phút cuối là do vấn đề vận chuyển hoặc đi lại, có lẽ một cuộc thăm dò từ xa là đủ. Điều này có thể lưu cuộc hẹn và thậm chí khuyến khích các cuộc thăm khám thường xuyên hơn do sự tiện lợi của nó.”
Đối với các lần khám sức khỏe từ xa theo lịch trình với những bệnh nhân có xác suất trễ hẹn cao hoặc trung bình và chưa được khám trong 15 tháng trở lên, UHP đã gửi thêm tin nhắn văn bản.
UHP cũng tăng quyền truy cập vào dịch vụ chăm sóc ảo kéo dài số giờ lên 89 giờ mỗi tuần.
Để hỗ trợ các nhà cung cấp dịch vụ tốt hơn, tổ chức chăm sóc sức khỏe đã sửa đổi các mẫu phân tích khối lượng công việc của họ để tính đến tỷ lệ vắng mặt của từng nhà cung cấp và thêm các khung giờ trong cùng ngày để phù hợp với việc chuyển sang dịch vụ chăm sóc ảo.
Mặc dù những điều chỉnh này có thể yêu cầu giám sát, nhưng về tổng thể, UHP nhận thấy rằng các chiến lược có thể giảm tỷ lệ vắng mặt hơn nữa.
Thuật toán được triển khai vào tháng 1 năm 2023 và can thiệp này đã mang lại thêm 4.432 lượt truy cập trong thời gian thử nghiệm kéo dài 3 tháng.
Tỷ lệ xác suất vắng mặt thấp cho năm 2023 cho đến nay cao hơn 5% so với bốn năm trước.
Kết quả giữa hai nhóm bệnh nhân thử nghiệm cũng cho thấy khả năng đặt lịch hẹn của họ tăng 24,14% đối với những bệnh nhân có nguy cơ vắng mặt cao và cải thiện 8,08% đối với những người có nguy cơ trung bình.
Trong khi tỷ lệ đến khám của những bệnh nhân có nhiều khả năng bỏ lỡ cuộc hẹn tăng 154%, các can thiệp của UHP cũng làm tăng tỷ lệ đến khám lên 19,17% đối với những bệnh nhân vắng mặt có nguy cơ trung bình.
UHP đã thêm một vai trò toàn thời gian cụ thể và điều chỉnh một vai trò hiện có để cung cấp hỗ trợ bán thời gian nhằm chỉ gọi những vai trò mà thuật toán xác định là có nguy cơ vắng mặt cao nhất.
Connelly-Flores cho biết trong thời gian thí điểm, các cuộc gọi điện thoại được nhắm mục tiêu là khoảng 400 cuộc mỗi ngày.
“Đó không phải là một thang máy lớn.”
Cô cho biết các bước tiếp theo của UHP bao gồm tích hợp thuật toán vào EHR của mình, liên quan đến quản lý trường hợp, giải quyết các rào cản đối với việc chăm sóc, gửi nhiều lời nhắc cuộc hẹn tùy chỉnh hơn cho những bệnh nhân có nguy cơ bỏ lỡ cuộc hẹn cao và tìm hiểu sâu hơn về dữ liệu để tìm hiểu thêm.
Girish Navani, Giám đốc điều hành và đồng sáng lập của eClinicalWorks, cho biết: “Bằng cách tận dụng sức mạnh của dữ liệu và máy học, chúng tôi có thể giúp các nhà cung cấp dịch vụ như Urban Health Plan cung cấp dịch vụ chăm sóc hiệu quả hơn cho bệnh nhân của họ và giảm gánh nặng của việc bỏ lỡ các cuộc hẹn.
“Điều này cuối cùng giúp giảm chi phí chăm sóc sức khỏe và hỗ trợ kết quả bệnh nhân tốt hơn.”
“Khi bệnh nhân được chăm sóc kịp thời, họ sẽ thấy kết quả sức khỏe tốt hơn.” Connelly-Flores nói.
Andrea Fox là biên tập viên cao cấp của Healthcare IT News.
Email: afox@himss.org
Healthcare IT News là một ấn phẩm của HIMSS Media.
