数据分析
美国卫生与公众服务部的未来:从数据导航到行动
卫生与公众服务部(HHS)各机构获得的数据集的数量和规模都在不断增加，这是前所未有的。人们的假设是，信息越多越好。然而，只有当组织能够利用这些数据集采取“下一步最佳行动”时，这才是正确的:帮助机构和案例管理者以最低的成本、改善的结果和及时的方式提供护理的决策。
为了做到这一点，卫生与公众服务部的机构需要重新思考他们如何收集、分析和使用他们日益增长的数据收集。这些信息包括:
- 超过3000个结构化数据集作为美国健康数据倡议。
- 来自索赔、电子健康记录、实验室报告、处方和健康报销安排的人口健康数据。
- 数据来源包括人口普查、调查、重要记录和客户关系管理系统。
- 非结构化的个案工作者和护理管理笔记。
- 由连接的设备生成的患者健康信息。
的经济合作与发展组织认为数据分析是向数字政府过渡的重要组成部分，也是各机构获得更好见解的途径。一个数字政府中心报告发现，最流行的数字工具是仪表板或门户(79%使用)、企业数据仓库(51%)和数据挖掘(34%)。
然而，并非所有机构都能实现预期的利益。只有14%的受访者CDG的调查说他们政府的分析能力是有效的。其余的人则认为这种影响有些有效或中性。
虽然分析仍然是HHS的优先事项，但他们的努力需要超越数据挖掘和智能。目标应该是实时决策，可以定义和提供正确的护理干预和策略。
数据的挑战
产生和传播下一个最佳行动需要机构以最高的分析成熟度来运作，这不是一项容易的任务。下图概述了标准的分析成熟度模型，代理机构在每个级别上可以产生的洞察类型，以及他们面临的挑战。
如何:你是否有效地管理数据生命周期，监控数据质量并满足目标?
挑战:聚合和集成多种格式和大小不同的数据类型。
什么机构必须知道隐藏的关系才能创建一个360度的客户视图吗?
挑战:不一致的，不准确的和压倒性的报道，因为缺乏共同的语言来解释什么(上图)。
为什么难道事情没有按照它们应该的样子发生吗?是什么造成了路障?
挑战:通过适当的数据挖掘和统计关联来研究和发现以前未知的事实的低效技术。
谁(或什么如果今天的问题得不到解决，会不会受到最大的影响?
挑战:缺乏熟练的数据专家，无法产生快速的洞察来帮助组织看到未来。
哪一个我们应该采取行动当，以减轻未来的风险?
挑战:无法快速构建AI模型来分析见解，并为利益相关者提出行动建议。
大多数失败的分析项目通常是不灵活的分析系统和低效的数据管理的结果。关于患者、医生和其他利益相关者的信息通常是竖井式的。机构很难在语义上结合和协调不同的数据集来创建一个完整的纵向记录。缺乏数据标准化和互操作性将数据湖变成数据沼泽。
因此，很难或不可能获得实时、可靠和准确的信息来产生相关的见解和建议。这将影响代理机构提高其分析成熟度的能力，释放数据的力量，并产生最佳行动。
超越洞察力的行动
在自动化和云计算等技术的支持下，先进的数据科学可以帮助机构重新构想分析计划。下图展示了使用新兴技术构建的模块化数据和分析解决方案如何使机构能够在其分析成熟度的每个阶段应对挑战，并成功地生成下一个最佳行动。
组件:数据管理器
能力和见解:不考虑格式和类型的数据集成。自动主数据管理和数据掌握。
组件:数据使和谐协调者
能力和见解:自动协调数据以创建完整的客户端概要文件。
组件:数据分析
能力和见解:用于深入理解根本原因或发现隐藏信息的自动数据分析。
组件:数据预测
能力和见解:基于机器学习的建模来预测未来的状态。
组件:数据洞察力发电机
能力和下一步最佳行动:人工智能分析来自之前阶段的信息并建议行动。
这个过程首先要创建一个更灵活的数据存储，包括临床、财务、行政、社会决定因素和天气信息。理想情况下，不需要预先提取、转换、加载工具。自动化的主数据管理将加速数据的协调和标准化。
通过将患者的过去和现在结合起来，可以创建一个数据集，其中包含每个患者、提供者和参与者的完整视图。这使得医疗机构能够全面了解患者及其与提供者、照顾者、朋友、家人以及社会和人口群体的关系。
数据预测器分析这些信息，以了解关系如何在一段时间内影响患者，以及它们将如何影响他们的未来。这就为每个病人建立了一个广泛的轮廓。通过使用人工智能(AI)模型，医生、病例管理人员或机构可以利用这些新信息采取进一步行动。
向着更好的结果前进
马克是一名78岁的糖尿病患者，他加入了一个州医疗补助计划，这个假设的案例显示了数据是如何在这个新系统中使用的。马克的标准数据包括他的医疗记录、就诊情况、索赔、护理管理记录、实验室报告和处方历史。该机构也有马克健康的社会决定因素，如他的饮食习惯、交通、照顾者支持、护理项目参与和其他信息。数据被清晰地聚合，以创建高质量的患者记录。
更高级的分析发现，Mark错过了医生的预约，没有按时补药，也没有与他的病例经理接触。结果，他去急诊室的次数太多了。马克家附近没有超市，公共交通也不发达。所以，这限制了他获得新鲜农产品的机会，导致他经常外出就餐。而且，马克没有一个社区支持系统。
案例经理可以分析这些因素，并对Mark进行更详细的分析。通过预测模型，他很可能会被归入风险较高的类别。基于人工智能的分析将为案例经理提供提供针对性干预所需的信息。这些措施包括预约营养学家，为马克提供食品资源项目，帮助他更好地管理饮食，安排交通，使他不会错过医疗预约，以及制定一致的推广计划，以确保马克的护理差距得到跟踪和弥合。
充分利用数据的力量
下一代数据科学模型将允许卫生与公众服务部的机构通过一个分三个阶段的转变方法来释放他们的数据的全部力量(见下图)。它将产生见解和建议，扩大和增强医疗保健专业人员的权能，并最终改善结果。
该方法还为美国卫生和公众福利部机构采用其他新兴技术奠定了基础，这些技术包括数字化身、对话人工智能、自主计算、增强现实和虚拟现实。其结果可以是改善各成员的参与，从而使利益攸关方在优化公共资金的同时，变得更富有成效并产生成功的结果。
第一阶段
节省投资
流程简化:深度健康智能，更容易管理患者。
增强决策提供者和护理管理者能够预测高危病例和隐藏因素并采取行动。
第二阶段
扩大的经验
智能路由有风险的患者可以得到更好的优先处理和正确的护理支持。
控制中心跨机构合作更加精简，以便迅速采取行动。
智能仪表盘供应商和护理经理收到实时更新，提供next best action功能
第三阶段
支持业务
端到端结果护理管理生产力和健康结果已大大提高。
该方法还为美国卫生和公众福利部机构采用其他新兴技术奠定了基础，这些技术包括数字化身、对话人工智能、自主计算、增强现实和虚拟现实。这促进了各成员的参与，使利益相关方在优化公共资金的同时，变得更有生产力并交付成功的结果。
