利用机器学习提高再入院风险评估的准确性

住院再入院会带来巨大的经济成本，并与患者预后不良相关。虽然患者再次入院的原因是多因素的，具体比率因机构而异，但全国近20%的医疗保险出院患者在30天内再次入院。即使防止10%的再入院也可以为联邦医疗保险节省10亿美元。

北卡罗莱纳州唯一的非营利、独立的社区医疗保健系统Mission Health，由7家医院、750名雇佣/结盟的提供者和全国最大的医疗保险共享储蓄ACOs之一组成。Mission一直在使用LACE指数来预测再入院的风险，虽然它很有帮助，但Mission的患者群体与用于开发LACE指数的人群不同，这让医疗系统在患者的再入院风险方面存在一些不确定性。在数据分析的帮助下，Mission开发了自己的预测模型，用于评估再入院风险，旨在防止再入院和改善患者的预后。

改进再入院风险评估

住院再入院与较高的经济成本和不利的患者预后相关。住院再入院的原因是多因素的，具体再入院率因机构和患者人群而异。对于有医疗保险的患者来说，近20%的患者在出院后不到30天就再次入院，这给医疗保险支付者和医疗保健机构带来了巨大的经济负担。即使防止10%的再入院也可以为联邦医疗保险节省10亿美元。¹

许多组织使用LACE指数(住院时间(LOS)、住院灵敏度、查尔森共病指数和过去6个月内急诊次数)来预测患者再入院的风险。这项风险评估是根据2002年10月至2006年7月期间在加拿大11家医院住院的4,812名患者的数据进行的。²虽然LACE指数被广泛使用，但它是根据没有严重共病的加拿大中年患者的数据开发的。因此，批评者质疑LACE指数的有效性，因为它适用于更广泛的患者群体，并对其预测准确性表示怀疑。^3、4

使命健康是北卡州西部唯一的非营利、独立的社区医疗保健系统。特派团由7家医院组成，包括三级医院、关键准入和住院患者康复、750名雇佣/结盟的提供者，以及全国最大的医疗保险共享储蓄ACOs之一。卫生系统总共雇用了13 000多名专门的专业人员。

Mission的主要目标，也被称为“BIG(GER) Aim”，是让每个人都达到他们想要的结果，首先没有伤害，也没有浪费，并始终为每个人、家庭和团队成员提供特殊的体验。这一意向声明适用于卫生系统服务的每一个人，从病人到临床工作人员。为了更好地实现BIG(GER)目标，Mission将减少再入院视为改善财务结果和更好地服务患者、其家属和工作人员的机会。

缺乏预测分析阻碍了减少再入院的努力

为了帮助促进主要过程改进，特派团的集中性能改进团队，由高度熟练的过程工程专业人员组成，被用来帮助促进主要过程改进工作。这种方法在早期的转型工作中是成功的。任务有改进了临床分析，大幅减少脓毒症中风死亡率，肠外科LOS肾脏病人，乳腺癌和结肠直肠癌的人群筛查。这是通过将数据驱动的洞察和改进嵌入到50多个护理过程模型的工作流程中实现的。

然而，随着项目变得越来越复杂，需要更高水平的领导，特别是来自医生的领导，显然需要做更多的工作。特派团投入了资源，以确保在重新入院过程中不断提高质量，从而在降低全因重新入院率方面取得了初步成功。

为了进一步减少再入院，特派团确定有必要继续改进护理程序，以防止计划外的再入院。临床领导一直在使用LACE指数来预测患者再入院的风险，虽然它很有帮助，但Mission的患者人群与用于开发LACE指数的人群不同，这导致了人们对LACE指数对Mission患者的预测准确性的质疑。此外，直到患者出院后，Mission才能够使用患者的LACE指数再入院风险评分，限制了使用评分来告知决策的能力。

为了真正影响非计划再入院率，Mission需要提高其在出院前准确预测患者再入院风险的能力，并确保数据及时提供给临床医生。为了做到这一点，Mission需要使用特定患者群体的数据进行机器学习。

用机器学习更好地评估再入院风险

Mission决定成立一个综合分析团队，由来自卫生系统各个部门的数据科学家、数据架构师、知识工程师、BI开发人员、培训专家、质量分析师以及临床和运营领导组成。该团队的目标是使用机器学习来驱动有意义的临床预测。

为了创建再入院风险的预测模型，综合分析团队遵循了一个概述的流程，首先明确确定客户(参与的利益相关者)，确定客户试图解决的问题，并确定工作的价值，包括新模型的临床和商业案例。为了指导预测分析的发展，Mission在与利益相关者接触时使用了12个关键问题:

• 驱动机器学习和预测模型需求的业务问题是什么?
• 需要预测哪些具体的事件、结果或数量?
• 在事件/结果/数量中是否有特定数量的变化对操作上的改进是有用的?
• 需要预测事件/结果/数量的具体人群是什么?
• 应该在现象的什么点或阶段做出预测?入院时，出院后24小时，租用日起90天内?
• 预测需要多久更新一次?
• 是否需要在一天中的某个特定时间进行预测?
• 在组织内部是否有针对此主题的分析工作或产品?如果有，是什么努力，谁协助开发分析?
• 如果预测是可用的，如何使用这些预测?
• 预测目前是否由组织中的另一个人或工具进行?
• 是否有任何行业标准或广泛使用的替代预测模型可以用作基准?如果有，预测模型的实施范围有多广?模型的性能水平是什么?
• 是否有最低的性能要求水平?例如:“我们必须正确识别90%的积极事件”或“我们必须在75%的时间内估计+/- X单位内的某个数量?”

在问题确定和价值确认之后，团队进行研究，执行文献综述并确定竞争模型。作为数据发现的一部分，团队成员确定数据源并确定是否需要收集新数据。在适当地合并和扩充数据之后，团队执行描述性分析，确保他们理解数据的描述性属性。最后，团队开发新的预测模型，然后对其进行评估、训练和准确性测试。只有在彻底测试了新模型之后，它才被自动化并集成到适当的分析应用程序中。

Mission依赖于Health Catalys世界杯葡萄牙vs加纳即时走地t®分析平台和广泛的分析应世界杯厄瓜多尔vs塞内加尔波胆预测用套件，作为其基础设施和数据和分析的主要来源。数据仓库使医疗保健组织能够自动提取、聚合和集成临床、财务、管理、患者经验和其他相关数据，使组织能够利用高级分析来组织和度量临床、患者安全、成本和患者结果。

利用健康催化剂分析平台提供的数据基础设施，Mission开发了再入院风险预测器。世界杯葡萄牙vs加纳即时走地世界杯厄瓜多尔vs塞内加尔波胆预测分析平台支持新的再入院预测模世界杯厄瓜多尔vs塞内加尔波胆预测型的相对简单的实现(参见图1)。

再入院预测模型是通过使用Mission的患者群体和数据资产(包括LOS、急性急诊住院、共病和急诊就诊人次)建立的。通过对回顾性数据运行模型，Mission能够验证其再入院风险预测器的可预测性优于LACE在Mission的患者群体中，并更准确地预测每个患者的再入院风险。

结果

在很短的时间内，Mission启动了一个集成团队，推动有意义的临床预测分析，从而开发了一个自动预测再入院风险的模型。

• 特派团再入院风险预测的AUC为0.784，优于LACE，满足组织的绩效目标。该团队也达到了可用性的目标，在出院后的第二天早上8点可用预测风险评分。
• 再入院风险预测器被用于支持出院随访的持续改进，有助于降低全病例再入院率。最近，Mission再次被Truven Health Analytics评为全国15大健康系统之一。Mission在降低再入院率方面表现优异，比其他顶尖医院低1.2个百分点，这使得它被Truven评为同类医院中最好的。根据2017年Truven排名前15的卫生系统数据显示，Mission将开始使用这种新模型，继续降低北卡罗来纳西部18个县的患者再入院率。

接下来是什么

Mission致力于进一步完善其预测分析过程，开发和维持数据科学项目，以支持BIG(GER)目标。Mission计划针对各种需求使用预测分析，以努力改善整个卫生系统的临床和财务结果。

参考文献

1. McIlvennan, c.k, Eapen, Z. J， & Allen, l.a(2015)。减少医院再入院计划．循环,131(20), 1796 - 1803。
2. 加拿大医学协会杂志。(2010)。预测早期死亡或再入院的新工具．《科学日报》．
3. Cotter, P. E.， Bhalla, V. K.， Wallis, S. J.和Biram, R. W.(2012)。预测再入院:蕾丝指数在英国老年人口中的糟糕表现．年龄:41岁(6), 784 - 789。
4. 棕褐色,Y。,低,L . L。杨,Y。,k h & Lee(2013)。新加坡既往验证过的再入院预测指标的适用性:一项回顾性研究．BMC健康服务研究，13,366．