تحسين الرعاية القائمة على القيمة مع مراقبة الأداء

تحسين رفاهية التوظيف وتعزيز رعاية المرضى

تواجه الأنظمة الصحية اليوم تحديين رئيسيين مترابطين: حرق الموظفين ونقص الموظفين. أبلغ ما يقرب من 50 في المائة من الأطباء والممرضات الذين شملهم الاستطلاع عن أعراض استنزاف كبيرة بسبب العبء الثقيل للمهام البيروقراطية والإدارية والعمل لساعات كثيرة. نتيجة لذلك، اختار العديد من العمال الابتعاد عن الصناعة بحثًا عن توازن أفضل بين العمل والحياة، تاركين المستشفيات تعاني من فجوات كبيرة في التوظيف التي لا يمكنها سدها. أفاد أكثر من نصف المستشفيات الأمريكية بأن معدلات الوظائف الشاغرة للممرضات تزيد عن 7.5%، كما زاد الإنفاق على العمل الإضافي والاستعانة بالوكالات بنسبة 169% منذ عام 2013. للأسف، تشير تقديرات كثيرة إلى أن نقص العاملين في الرعاية الصحية في ازدياد خلال العقد المقبل.

لمواجهة هذين التحديين، يجب على مقدمي الخدمات الاستمرار في تحسين نماذج التوظيف الخاصة بهم بطرق تعطي الأولوية لرفاهية الممارسين الصحيين مع ضمان أفضل تجربة ممكنة للمرضى ونتائجهم. تلعب منصات البيانات دورًا حيويًا من خلال منح مقدمي الخدمة إمكانية الوصول المركزي إلى البيانات من الأنظمة المختلفة والتحليلات المُتقدمة ونماذج التعلم الآلي التي يمكنهم استخدامها للتنبؤ باحتياجات التوظيف بشكل أدق. باستخدام هذه الرؤى، يمكن للمؤسسات الصحية تحقيق توازن أفضل بين حجم الحالات والمساعدة على ضمان التوظيف الكافي في جميع الأوقات لمنع حدوث الاحتراق وتحسين رعاية المرضى.

تبسيط تخطيط موظفي الرعاية الصحية عن طريق التعلم الآلي

في حين أن البيانات السريرية يمكن أن تعلم الممارسين الكثير عن مرضاهم، فإن الأنظمة التشغيلية، مثل أنظمة إدارة رأس المال البشري (HCM)، يمكنها أن تعلم مؤسسات الرعاية بقدر كبير عن موظفيها، مما يوفر معلومات مثل الجداول التاريخية، وساعات العمل، والإجازة المرضية الذي يستغرقه الأطباء وغيرهم من الموظفين. حسب توضيح البنية التالية، توحد منصة بيانات Oracle البيانات السريرية والتشغيلية وتستخدم التحليلات المتقدمة والتعلم الآلي لمساعدة مقدمي الخدمة على فهم طريقة تأثير نماذج التوظيف على نتائج المرضى، وكيف يمكن أن تؤثر قرارات التوظيف في الأسبوع القادم من الرعاية في الوقت الحقيقي القريب، وما هي الثغرات في التوظيف التي قد تحتاج إلى شغلها في حالة حدوث زيادة كبيرة أخرى في حالات كوفيد-19، وما يبدو عليه نموذج التوظيف الأمثل في أي نقطة زمنية محددة، وغير ذلك.

توضح هذه الصورة كيف يمكن استخدام منصة بيانات Oracle للرعاية الصحية لتحسين أحمال عمل الموظفين الطبيين. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. استيعاب، تحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

تتضمن دعامة الاكتشاف ومصادر البيانات أربع فئات من البيانات.

1. 1. تشتمل بيانات التطبيقات على بيانات HCM، والموارد، والتأهيل، والتدريب.
2. 2. تتضمن السجلات الصحية البيانات السريرية مثل البيانات من سجلات EHR وEMR والأنظمة الإدارية.
3. 3. تضم بيانات الجهات الخارجية البيانات والبيانات الإدارية والاجتماعية - الديموغرافية المتعلقة بالسياسات والبرامج والسلوكيات الصحية والبيئة.
4. 4. تتضمن بيانات المدخلات الفنية البيانات التي ينشئها المرضى (مثل البيانات الاجتماعية وتقييمات المخاطر الصحية والتاريخ الطبي عبر الإنترنت واستجابات الاستبيان) والبيانات المستمدة من تطبيقات المراقبة عن بُعد والصحة المتنقلة.

تضم دعامة الاستيعاب، التحويل أربع قدرات.

1. 1. يستخدم النقل المجمع OCI FastConnect ونقل بيانات OCI وMFT وOCI CLI.
2. 2. يستخدم استيعاب الدفعة أدوات تكامل بيانات OCI وOracle Data Integrator وDB.
3. 3. يستخدم تسجيل بيانات التغيير OCI GoldenGate وOracle Data Integrator.
4. 4. يستخدم استيعاب التدفق Kafka Connect.

تتصل جميع الإمكانات الأربع بشكل أحادي الاتجاه بمخزن بيانات الخدمة والتخزين السحابي ومخزن بيانات المعاملات داخل ركيزة الاستمرار والدقة والإنشاء.

بالإضافة إلى ذلك، يرتبط استيعاب التدفق بمعالجة التدفق ضمن دعامة التحليل والتعلم والتنبؤ.

تتكون دعامة الاستمرار والدقة والإنشاء من خمس قدرات.

1. 1. يستخدم مخزن بيانات الخدمة Autonomous Data Warehouse وExadata Cloud Service وExadata Cloud@Customer.
2. 2. يستخدم مخزن بيانات المعاملات Autonomous Transaction Processing وMySQL وExadata Cloud Service وExadata Cloud@Customer وNoSQL.
3. 3. يستخدم تخزين السحابة تخزين كائنات OCI.
4. 4. تستخدم المعالجة الدفعية تدفق بيانات OCI.
5. 5. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتصل التخزين السحابي بشكل غير مباشر بمخزن بيانات الخدمة؛ كما أنه متصل بشكل ثنائي الاتجاه بمعالجة الدفعات.

يتم توصيل مخزن بيانات المعاملات بشكل غير مباشر بمخزن بيانات الخدمة.

تتصل إمكانيتي "التحليل والتعلم والتنبؤ": يرتبط مخزن بيانات الخدمة بكل من إمكانية التحليلات والتمثيل المرئي ومنتجات البيانات وإمكانية واجهات برمجة التطبيقات. يتصل التخزين السحابي بإمكانية التعلم الآلي.

تشتمل دعامة التحليل والتعلم والتنبؤ على خمس إمكانات.

1. 1. تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وGraphStudio وموردي البرامج المستقلين (ISV).
2. 2. تستخدم منتجات البيانات وواجهات برمجة التطبيقات بوابة OCI API ووظائف OCI.
3. 3. يستخدم التعلم الآلي علوم بيانات OCI، وأجهزة Oracle ML، وأجهزة Oracle ML.
4. 4- تستخدم خدمات الذكاء الاصطناعي Oracle Digital Assistant وOCI Decision وOCI Speech وOCI Language وOCI Vision.
5. 5. تستخدم معالجة التدفق OCI GoldenGate Stream Analytics وتحليلات التدفق من جهات خارجية.

ترتبط هذه الإمكانات الثلاث بالركيزة. ترتبط منتجات البيانات وإمكانية واجهات برمجة التطبيقات بشكل غير مباشر بإمكانية التعلم الآلي، والتي ترتبط في حد ذاتها بشكل غير مباشر بإمكانية خدمات الذكاء الاصطناعي، وتكون معالجة التدفق متصلة بشكل غير مباشر بإمكانية خدمات الذكاء الاصطناعي.

يمد مخزن بيانات الخدمة ومخزن بيانات المعاملات ومخزن الكائنات بيانات تعريف إلى OCI Data Catalog.

تسجل ركيزة القياس والعمل طريقة تطبيق تحليل البيانات لدعم تحسين أحمال عمل الموظفين الطبيين وإدارة عبء الحالات. تنقسم هذه التطبيقات إلى مجموعتين.

1. 1. تشمل المجموعة الأولى على تحليلات وصفية وتحليل تشخيصي وتحليلات تنبؤية وتوجيهية.
2. 2. تشمل المجموعة الثانية تحليل الصلة الإحصائية بين معلومات المرضى والعلاج والنتائج.
3. 3. الركائز الأساس الثلاثة—الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ—مدعومة بالبنية التحتية، والشبكة، والأمان، وIAM.

توجد ثلاث طرق رئيسة لإدخال البيانات في بنية لتمكين مؤسسات الرعاية الصحية من فهم الموظفين بشكل أفضل في كل قسم في أي وقت محدد.

• يعد التوظيف التاريخي والبيانات المتعلقة بالمرضى أمرًا بالغ الأهمية لفهم احتياجات التوظيف المستقبلية والتنبؤ بها. يوفر تطبيق HCM الكثير من البيانات اللازمة للحصول على رؤى حول نماذج التوظيف السابقة والأعضاء الموظفين الأفراد. ويوفر طلب القبول والإعفاء والنقل (ADT) تفاصيل أساس عن كل مريض. يمكن إثراء هذه البيانات ببيانات المرضى من مصادر الطرف الثالث، والتي قد تتضمن بيانات غير منظمة من وسائل التواصل الاجتماعي على سبيل المثال. تعد عمليات الاستخراج المتكررة في الوقت الفعلي أو في أقرب وقت فعلي والتي تتطلب تسجيل بيانات التغيير شائعة، ويتم استيعاب البيانات بانتظام من الأنظمة التشغيلية HCM وADT باستخدام OCI GoldenGate. تُعدّ OCI GoldenGate أيضًا مكونًا حيويًا في تطوير بنى شبكات البيانات حيث تمثل "منتجات البيانات" كائنات البيانات المركزية.
• يمكننا الآن إضافة بيانات التدفق من الأجهزة القابلة للارتداء التي سيتم استيعابها في الوقت الفعلي باستخدام خدمة تدفق أو Kafka. على سبيل المثال، يمكننا استيعاب البيانات من العناصر القابلة للارتداء مع تتبع نظام تحديد المواقع العالمي (GPS) الذي يراقب موقع الموظفين وحركتهم طوال اليوم ويستخدمونه لفهم طريقة تعيين الموظفين بشكل أفضل للوحدات والمرضى. يتم استيعاب بيانات التدفق (الأحداث) هذه وتحدث بعض التحويلات/التجميعات الأساس قبل تخزين البيانات في تخزين الكائنات.
• في حين أن الاحتياجات في الوقت الفعلي تتطور، فإن الاستخراج الأكثر شيوعًا من أنظمة الرعاية الصحية هو نوع من استيعاب الدفعات باستخدام عملية استخراج وتحويل وتحميل أو استخراج وتحميل وتحويل. استيعاب الدفعة يُستخدم لاستيراد البيانات من الأنظمة التي لا يمكنها دعم استيعاب التدفق (على سبيل المثال، أنظمة الحاسبات الكبيرة القديمة). للوصول إلى فهم كامل لاحتياجات المرضى، نحتاج أيضا إلى استيعاب البيانات من نظام تشغيلي مثل السجل الطبي الإلكتروني (EMR) أو نظام السجل الصحي الإلكتروني (EHR)، على الأرجح من خلال بروتوكول موارد التشغيل البيني للرعاية الصحية السريعة. يتم تحديد مصدر البيانات عبر المنتجات والمناطق الجغرافية. يمكن أن تكون عمليات استيعاب الدفعات متكررة، في كثير من الأحيان كل 10 أو 15 دقيقة، لكنها لا تزال مُجمعة في طبيعتها، إذ يتم استخراج المعاملات ومعالجتها في مجموعات ليس بشكل فردي.

يتم بناء خيارات الاحتفاظ بالبيانات ومعالجتها لجميع البيانات المجمعة على أربعة مكونات.

• يتم تخزين البيانات الأولية المستوردة في التخزين السحابي من أجل معالجة الدفعات، والتي ستجري التنقيح اللازم، والإثراء، وما إلى ذلك لوضع البيانات في الحالة اللازمة لاستهلاكها من المستخدمين النهائيين، والتي يمكن أن تكون من الأشخاص أو التطبيقات أو منصات التعلم الآلي. على الرغم من إمكانية وضع بعض البيانات مباشرة في خدمة مخزن البيانات، إلا أن هذه البيانات يتم وضعها في التخزين السحابي في الوقت نفسه. ستتم معالجة هذه البيانات باستخدام Spark. يمكن إجراء المعالجة مباشرة باستخدام OCI Data Flow أو كجزء من مسار أكبر باستخدام إمكانات التنظيم في OCI Data Integration. يتم إرجاع مجموعات البيانات التي تمّت معالجتها هذه إلى التخزين السحابي للاستمرارية، والطول، والتحليل، وفي النهاية للتحميل في نموذج محسّن إلى مخزن بيانات الخدمة.
• يُستخدم مخزن بيانات المعاملات لإعداد التقارير التشغيلية ومصدر البيانات لمخزن بيانات النطاق أو مستودع بيانات المؤسسة (EDW). إنه عنصر تكميلي لـ EDW في بيئة دعم القرار ويستخدم لإعداد التقارير التشغيلية والضوابط وصنع القرار، بدلاً من EDW، والتي تستخدم لدعم القرارات التكتيكية والاستراتيجية. يمثل نظام الوثائق الرسمية في العادة قاعدة بيانات علائقية مُصممة لدمج البيانات والإبقاء عليها من مصادر متعددة لاستخدامها في العمليات الإضافية، وإعداد التقارير، والضوابط، ودعم القرارات التشغيلية.
• لقد أنشأنا الآن مجموعات بيانات معالجة جاهزة للاستمرار في نموذج العلاقات المحسّن لأداء الاستعلام والمدة في مخزن بيانات الخدمة. يتيح هذا لمقدمي الخدمات إمكانية فحص جميع البيانات والمتغيرات اللازمة لوضع خطط التوظيف المثلى.

تعتمد إمكانية التحليل والتنبؤ والعمل على تقنيتين.

• تقدِّم خدمات التحليلات والتمثيل المرئي تحليلات وصفية (تصف الاتجاهات الحالية مع المدرجات التكرارية والرسوم البيانية)، والتحليلات التنبؤية (تتوقع الأحداث المستقبلية، وتحدِّد الاتجاهات، وتحدِّد احتمالات النتائج غير المؤكدة)، والتحليلات التوجيهية (تقترح إجراءات مناسبة، ما يؤدي إلى اتخاذ القرارات المثلى). يمكن استخدامها معا للتنبؤ باحتياجات التوظيف وتقديم توصيات مناسبة. على سبيل المثال، يمكن استخدام التحليلات للتنبؤ بما إذا كانت مجموعة من المرضى الذين يعيشون في منطقة معينة، والذين يتعرضون لتأثيرات بيئية مختلفة (مثل درجة الحرارة)، والذين يظهرون أعراضًا معينة قد يشيرون إلى تفشي مرض وشيك يتطلب من مقدم الخدمة إجراء تغييرات على نموذج التوظيف لديهم للتعامل مع زيادة حجم الحالات المتوقعة.
• إلى جانب استخدام التحليلات المتقدمة، يتم تطوير نماذج التعلم الآلي وتدريبها ونشرها. يمكن تشغيل هذه النماذج المُدربة على كل من البيانات التشغيلية الحالية والتاريخية لاكتشاف الأحداث والاتجاهات، مثل زيادة عدد الموظفين غير الراضين، مما قد يؤدي إلى ارتفاع معدلات دوران الموظفين. يمكن استمرار هذه الأحداث والنتائج الأخرى في طبقة الخدمة والإبلاغ عنها باستخدام أدوات التحليلات مثل Oracle Analytics Cloud. كما يمكن إدخال النموذج والبيانات في أنظمة التعلم الآلي، مثل OCI Data Science، لمزيد من التدريب على النماذج للتوصية بنماذج توظيف أكثر فعالية قبل الترويج لها. يمكن الوصول إلى هذه النماذج عبر واجهات برمجة التطبيقات، أو نشرها في مخزن بيانات الخدمة، أو تضمينها كجزء من مسار تحليلات تدفق OCI GoldenGate.
• يمكن أن تحتوي البيانات والنماذج المُعالجة والمختبرة وعالية الجودة لدينا على قواعد وسياسات الحوكمة المطبقة ويمكن عرضها كمنتج بيانات (واجهة برمجة التطبيقات) داخل بنية شبكة بيانات للتوزيع عبر مؤسسة الرعاية الصحية.

ما وراء التوظيف: استخدام البيانات لمواجهة تحديات الرئيسة الأخرى للرعاية الصحية

بالإضافة إلى تزويد مؤسسة الرعاية الصحية بالقدرة على تطوير نماذج توظيف أفضل وأدق، يمكن أن تساعدك منصة بيانات Oracle أيضًا على تحسين العمليات في مجالات أخرى لتحسين رعاية المرضى وخفض التكاليف والارتقاء بتجربة الموظفين. فيما يلي بعض الأمثلة على ذلك.

• تحفيز الرعاية الشاملة والمنسقة لفئات المرضى المستهدفة.
• حدد احتمالية فشل النظام في حالة حدوث طفرات وبائية متوقعة قبل الموعد المحدد، وتدخل بشكل استباقي للمساعدة على ضمان نجاح النظام.
• مراقبة اتجاهات دفعات المرضى لتقييم فعالية برامج الرعاية لديهم.
• تحديد مجالات الاستخدام الزائد للعلاج.
• مراقبة جودة تقديم الرعاية وتكلفتها.
• إنشاء نماذج تصنيف مخاطر المرضى.
• توقع مخاطر إعادة قبول المرضى.
• التوصية بالرعاية الوقائية لدعم الإدارة الذاتية للمرضى.