Journal international de médecine physique et de réadaptation
Libre accès

Abstrait

Utilisation de l'apprentissage automatique pour prédire les soins post-aigus et minimiser les retards causés par les antécédents

Avishek Choudhury

Objectif : La couverture d'assurance médicale d'un patient joue un rôle essentiel dans la détermination de la décision de sortie de l'hôpital après l'hospitalisation. Le processus d'autorisation préalable retarde la décision de sortie de l'hôpital après l'hospitalisation, augmente la durée du séjour à l'hôpital et affecte la santé du patient. Notre étude met en œuvre des analyses prédictives pour la prédiction précoce de la décision de sortie de l'hôpital après l'hospitalisation afin de réduire les reports causés par l'autorisation préalable, la durée du séjour à l'hôpital et les dépenses liées au séjour à l'hôpital.

Méthodologie : Nous avons mené une discussion de groupe impliquant 25 facilitateurs de soins aux patients (PCF) et deux infirmières autorisées (IA) et avons récupéré 1 600 dossiers de données de patients à partir de l'évaluation infirmière initiale et des notes de sortie.

Résultats : L'algorithme du détecteur automatique d'interactions du Chi carré (CHAID) a permis de prédire précocement la situation de sortie du PAC, d'accélérer le processus d'assurance maladie préalable et de réduire la durée d'hospitalisation de 22,22 % en moyenne. Le modèle a produit une précision globale de 84,16 % et une valeur de l'aire sous la courbe caractéristique de fonctionnement du récepteur (ROC) de 0,81.

Conclusion : La prédiction précoce des dispositions de sortie du PAC peut réduire le processus d'autorisation et minimiser simultanément le délai d'hospitalisation du PAC causé par la durée du séjour de l'assurance maladie antérieure et les dépenses associées.