Revista internacional de medicina física y rehabilitación
Acceso abierto

abstracto

Usar el aprendizaje automático para predecir la atención post-aguda y minimizar los retrasos causados por

Avishek Choudhury

Objetivo: La cobertura de seguro médico de un paciente juega un papel esencial en la determinación de la atención post-aguda (PAC). ) disposición de descarga. El proceso de autorización previa pospone la disposición de alta del PAC, aumenta la la duración de la estancia hospitalaria y afecta la salud del paciente. Nuestro estudio implementa análisis predictivos para la predicción temprana de la disposición de alta del PAC para reducir los aplazamientos causados por autorización previa, el tiempo de internación, y gastos de hospitalización.

Metodología: Llevamos a cabo una discusión grupal en la que participaron 25 facilitadores de atención al paciente (PCF) y dos enfermeras registradas (RN) y recuperamos 1600 registros de datos de pacientes de la evaluación inicial de enfermería y las notas de alta

Resultados: El algoritmo Chi-Squared Automatic Interaction Detector (CHAID) permitió la predicción temprana de la disposición al alta del PAC, aceleró el proceso de seguro de salud previo, redujo la duración de la estadía del paciente hospitalizado en un promedio de 22,22 %. El modelo produjo una precisión general del 84,16 % y un área bajo el valor de la curva de características operativas del receptor (ROC) de 0,81.

Conclusión: La predicción temprana de las disposiciones de alta del PAC puede reducir el proceso de autorización y, al mismo tiempo, minimizar el retraso del PAC del paciente hospitalizado causado por la duración de la estadía del seguro médico anterior y los gastos relacionados.