NeuralTools^® e StatTools^® Prevem Demanda de Pacientes em Hospitais de Richmond

A consultora do setor de assistência médica Barbara Tawney tinha uma tarefa dura à sua frente. Ela precisava prever a demanda de pacientes por todo o sistema metropolitano de hospitais de Richmond, Virginia. Cada hospital tem um número finito de camas e, assim, uma capacidade máxima. No entanto, demandas imprevisíveis dos pacientes ao longo do sistema resultaram em duas ocasiões em que os nove hospitais no sistema chegaram à sua capacidade e os pacientes tiveram que ser conduzidos a facilidades de assistência médica fora da área. Para decidir como se antecipar e se preparar para picos na demanda de pacientes, Tawney se apoiou nos produtos de análise de dados da Palisade, StatTools e NeuralTools.

StatTools Fornece Energia Suficiente para um Expert
Tawney mantém uma prática ativa de consultoria e é uma doutoranda no Departamento de Engenharia de Sistemas e Informação na Escola de Engenharia e Ciências Aplicadas da University of Virginia. Ele é especializada em análise de dados – particularmente, grandes conjuntos de dados – e poderia facilmente ter escrito seu próprio software para o projeto de demanda dos pacientes. Ao invés disso, ela começou a trabalhar com o StatTools da Palisade para lidar com a montanha de dados que estava encarando.

Com a cooperação da Informação de Saúde da Virginia (Virginia Health Information ou VHI), uma organização sem fins lucrativos que coleta e armazena os dados de assistência médica em todo o estado, ela obteve acesso limitado aos dados de pacientes da área metropolitana de Richmond para os quatro anos de 2000 a 2003. As series de dados foram derivadas de informação de faturamento de hospitais para cerca de 600.000 pacientes que foram tratados em hospitais da área durante 2000-2003. Os dados de nível dos pacientes (PLD) foram detalhados em 78 diferentes campos incluindo datas de admissão e alta, diagnóstico e duração de estada.

Segundo Tawney, “Eu estava procurando por uma maneira amigável de fazer autocorrelação e um colega recomendou o StatTools.” Ela criou séries de dados pela segmentação do PLD de acordo com as datas e tempos de atividade para cada caso. Os dados da série temporal foram analisados para obter tendências diárias, semanais e de eventos. Como Tawney observa, “StatTools faz a autocorrelação da série de uma forma amigável, rápida e fácil. Você sabe que está certo da primeira vez que olha. Eu tenho box plots e outras estatísticas que fiz com ele, e eram fáceis de refinar para publicação. StatTools fez o que eu precisava sem o tempo e custo de um pacote pesado de estatística.”

NeuralTools Descobre Tendências Chave
Após analisar os dados históricos com o StatTools, chegou a hora de Tawney prever demandas futuras usando o NeuralTools. Ela começando “treinando” o NeuralTools nos dados exsitentes. Informações diárias, semanais e tendências de eventos bem como dias não usuais transpareceram durante as análises do NeuralTools. Por exemplo, Tawney determinou que a demanda dos pacientes chegava ao pico no meio da semana durante a maior parted as semanas do ano. Períodos de férias também possuíam um padrão diferente e distintivo. O número de pacientes entrando nos hospitais logo antes e após o Dia de Ação de Graças era menor que o normal mas era seguido na segunda por um fluxo de pacientes que chegava quase à capacidade dos recursos da facilidade. De forma similar a demanda dos pacientes caía de forma marcada durante o feriado duplo de Natal e Ano Novo. Mas a cada ano havia um pico significante na Segunda e Terça da primeira semana inteira do Ano Novo.

NeuralTools Gera Benefícios de Longo Prazo
Para planejadores e administradores de hospitais, as descobertas de Tawney fornecem a base para prever a demanda dos pacientes pelo serviço ao longo de todo o sistema metropolitano de hospitais de Richmond. Estas previsão vão desde alguns dias até vários meses. Ser capaz de prever a demanda de pacientes permite alocação mais eficiente de recursos do sistema, incluindo agendamento destes services. De acordo com Tawney, o projeto também levou a uma outra descoberta importante: NeuralTools é tão acessível que pode continuar no trabalho até bem depois de ela sair. “A maioria das pessoas na comunidade médica não são engenheiros”, ela diz, “mas eles podem usar NeuralTools para facilitar suas próprias previsões de admissões futuras, demandas de pacientes atuais e a necessidade de altas em tempo usando informações de faturamento existentes. Trazer este tipo de previsão para gerents que não são engenheiros é simplesmente fantástico!”

» NeuralTools
» StatTools