研究人员使用AI分析患者满意度

患者的满意度可以确定患者恢复进一步护理的概率，下列放电指示的可能性，以及整体健康状况，但据宾夕法尼亚州立道议研究，人工智能（AI）可能能够改善满足和健康成果团队。

与景角合作，研究人员将AI应用于机器学习算法，以基于历史的基础产生有用的建议健康关心数据记录为什么患者留下一个医院感到满意或不满意。该研究发表于电子和电子工程师学院的生物医学与健康信息学杂志。

该团队包括领先作者宁刘，秋季普鲁·普纳州博士受博士受援人员工业工程和Microsoft的当前数据科学家;Soundar Kumara，Allen E. Pearce和Allen M. Pearce工业工程教授和刘博士顾问;莱科斯·莱科斯，莱科斯·莱科斯·斯蒂尔省健康创新研究所的商业智能和先进分析主任。Reich也是宾夕法尼亚州校友，他于2002年从糟糕的业务学院赢得了经济学学士学位，并毕业为舍勒耶荣誉学者。

“患者保健就像一段旅程，”刘说。“他们需要在整个逗留期间跨不同的服务单位与多个健康专业人员进行互动。对于提供者，了解每个患者组的需求，就像接受手术，癌症治疗或紧急访问一样。我们想知道什么是对于每个组最重要的，我们如何从我们收到的数据中解释这一点？“

匿名病人满意度本研究使用的数据集收集于2009年至2016年。数据集包含电子健康记录数据，包括医院服务和临床信息的各种视角，以及患者满意度调查的结果，该调查询问了有关医院护理和服务的问题，以及他们在护理后的满意度。研究人员实施的机器学习框架将原始数据转化为人工智能可以解读的信息，并将其作为有用的、可操作的物品传达给人类用户。

结果显示，与护士和医生的礼貌和尊重以及卫生专业人员和患者之间的沟通相关的变量显著影响患者的整体医院体验。根据研究人员的说法，在以患者为中心的沟通中，及时和帮助解决患者的担忧或投诉是最重要的组成部分，并且与提高患者满意度高度相关。疼痛管理质量也是满意度的关键:患者接受主动和有效的疼痛护理往往更满意。

“医院的关键绩效指标是患者满意度，”Kumara说。“所以，问题变得了，'我们如何分析和解释为什么患者为医院提供他们的方式？”在医院的背景下，数据的可解释性变得至关重要。该工作的主要影响在于我们开发了解释机器学习方法结果的AI型号。这项工作是这个空间中的第一个。“

刘解释说，许多机器学习系统提供了效果的解释，以及他们如何推导出答案。对于本研究，所提出的方法提供了对数据和模型结果的解释，使他人能够更好地理解和信任他们所提供的结果。

根据研究人员的说法，拟议模型的高可解释性可能使各种行业有价值，而不仅仅是医疗保健。

“如果你申请信用卡被拒绝了，信用卡公司必须告诉你原因，”刘说。“对于我们的模型，它必须告诉我们它是如何得到答案的。这使得其他人更容易理解这些数据，使其成为医院和卫生保健系统的一个强大工具。这有助于他们实施改变，提高从上到下各个层次的病人满意度。”

Reich表示，患者满意度已被证明与更高的顺应性和增加的治疗依从性强烈相关，导致改善健康状况。他指出，通过鼓励病人参与治疗，并通过病人调查提供反馈，医院将能够改善他们提供的治疗。

Reich说:“我认为这项工作将促进未来世界结合先进分析技术对患者满意度的研究。”“卫生保健系统可以使用这些结果来驱动有针对性的提高病人满意度,我们知道如果患者一组特定的特点越来越膝盖替换,那么我们相信这些三大项目要确保病人有着非常积极的经验。发现患者背后的关键驱动因素满意是提高以病人为中心的医疗质量的关键发起者"

---

---