Terminabsagen im regionalen Gesundheitswesen vermeiden
Gemeinnützige Kliniken nutzen Machine Learning von Qlik, um die Patientenversorgung zu optimieren und Verwaltungskosten zu sparen.
DIE SACHLAGE
Die arme, ohnehin bereits gesundheitlich unterversorgte Landbevölkerung ist häufig nicht in der Lage, Vorsorgeuntersuchungen in Anspruch zu nehmen. Daher sind Terminabsagen und No-Shows an der Tagesordnung.
Appalachian Regional Healthcare (ARH) ist ein gemeinnütziger Gesundheitsdienst, der sich die Verbesserung von Gesundheit und Wohlergehen der Menschen im Osten des US-Bundesstaates Kentucky und im Süden von West Virginia zum Ziel gesetzt hat.
DAS UNTERNEHMEN
DIE HERAUSFORDERUNG
Die Armut in bestimmten Regionen führt dazu, dass Termine häufig nicht wahrgenommen werden und die Gewinnspanne der Gesundheitsdienstleister sinkt. Daher ist es wichtig, gefährdete Patienten zu identifizieren, zumal viele noch nicht einmal richtig krankenversichert sind.
DIE ANFORDERUNG
ARH benötigte eine Lösung für die Analyse verschiedenartiger und unstrukturierter Datensets. Auf Basis dieser Informationen sollten die Beschäftigten dann Risikopatienten identifizieren und mit Terminbestätigungen und -erinnerungen kontaktieren können.
„Uns ist bewusst, dass wir unsere Daten optimal nutzen müssen, wenn wir bei der Versorgung einer derart heterogenen Bevölkerungsgruppe Erfolge erzielen wollen.“
DIE LÖSUNG
ARH setzte auf Machine Learning und Predictive Analytics mit Qlik AutoML®, einem benutzerfreundlichen, automatisierten Machine-Learning-Tool, das Daten zu unterschiedlichen Faktoren bereitstellt, die der Einhaltung von Terminen im Wege stehen.
DIE FOLGEN
Pflegepersonal und Servicekräfte können nun ermitteln, welche Patienten am wahrscheinlichsten Termine aufgrund von Transportproblemen, der Entfernung oder des Wetters versäumen und diese entsprechend erinnern. So werden Absagen auf ein Minimum reduziert und die Gesundheitsversorgung insgesamt verbessert.
„Mit Qlik AutoML starten Sie schneller und Sie verfügen über alle Bausteine, die Sie für die Umsetzung größerer Projekte in kürzerer Zeit benötigen.“
DER UNTERSCHIED
Mit Qlik AutoML lassen sich nicht nur mit Daten Veränderungen umsetzen. Es wird auch transparent, wo genau diese Änderungen vorgenommen werden müssen. Dadurch sind Analysten und die Teams in den Fachbereichen in der Lage, Predictive Analytics einzusetzen, ohne sich übermäßig mit Machine Learning oder AI auszukennen.
Sehen Sie, wie Ihr Unternehmen von einem Einsatz profitieren kann.