Project Description
WIE KANN EINE OPTIMALE PLANUNG IM KRANKENHAUS GEWÄHRLEISTET WERDEN?
VORHERSAGE DER KAPAZITÄT VON KRANKENHAUSBETTEN
KURZ GESAGT
Das Gesundheitssystem eines Landes ist eine kritische Infrastruktur, die eine langfristige Kapazitätsplanung erfordert. Unser Kunde, ein Krankenhaus im Süden der Niederlande, sah sich während des Ausbruchs von COVID-19 mit einem erheblichen Bettenmangel konfrontiert. Um optimal zu planen, logistische Probleme zu vermeiden und wirksamere Präventivmaßnahmen zu ergreifen, ist ein Einblick in die Anzahl der verfügbaren Krankenhausbetten und die Patientenbewegungen von entscheidender Bedeutung.
Die Verlegung von Patienten von einer Station auf eine andere ist mit mehr Aufwand verbunden, als es scheint. Die Abteilungen bringen Patienten oft vorübergehend in freien Betten von Schwesterstationen unter, bis ihre eigenen Betten frei werden. Dies erfordert eine rechtzeitige Koordinierung, daher würde eine frühzeitige Anfrage logistische Probleme verringern. Bei einem starken Zustrom von Patienten ist es wichtig, dass das Krankenhaus über genügend Personal verfügt, um Patienten angemessen unterbringen und klinisch versorgen zu können. Nicht zuletzt wäre das Krankenhauspersonal durch die Kenntnis der richtigen Informationen in der Lage, effiziente Präventivmaßnamen ergreifen zu können indem es beispielsweise mehr Entlassungsvisiten durchführt, wenn ein hoher Patientenzustrom zu verzeichnen ist.
Bei diesem Projekt unterstützten unsere Data Science-Experten den Kunden mit:
Prognose der Patientenzuflüsse
Statistischer Simulation von Patientenbewegungen innerhalb der Krankenhäuser
Entwicklung eines Dashboards
DIE HERAUSFORDERUNG
Um genaue Simulationen zu gewährleisten, mussten wir die Daten durchgehend verfeinern, um einen hochwertigen medizinischen Datensatz zu erhalten. Darüber hinaus war es auch eine haerausforderung für uns ein Gleichgewicht zu finden, in welchem wir spezifisch genug sein mussten ume eine genaue Vorhersage zu erstellen aber nicht so spezifisch, dass wir damit die Fähigkeit verloren haben eine Simulation durchführen zu können, da ansonsten keine Muster vorhergesagt werden können. Nicht zuletzt gab es eine Herausforderung im Zusammenhang mit der Trendstörung; vor COVID-19 waren keine Daten verfügbar, was sich auf das gewählte Modell auswirkte.
DAS KONZEPT
Um alle Herausforderungen zu meistern und unserem Kunden die bestmögliche Lösung zu bieten, entwickelte das Team ein Hybridmodell. Wir mussten sicherstellen, dass das Modell nicht nur die Anzahl der ins Krankenhaus aufgenommenen Patienten vorhersagen, sondern auch Ober- und Untergrenzen mit einem gewissen Maß an Zuverlässigkeit angeben kann. Dies würde es ermöglichen, strategisch für Worst-Case-Szenarien zu planen, so dass man selbst dann, wenn man mehr Patienten aufnimmt als statistisch erwartet, noch über ausreichende Kapazitäten verfügt. Die aus dieser Vorhersage gewonnenen Informationen würden dann als Input für die Simulation der Verlegung von Patienten von einer Station auf eine andere dienen. Wir haben dann ein benutzerfreundliches Dashboard entwickelt, das einen klaren und besseren Überblick bietet.
MEDIAAN IN AKTION
Bei diesem Projekt übernahmen die Data Scientists von Mediaan die Führung. Wir arbeiteten eng mit unserem Kunden zusammen, insbesondere mit seinen Data Scientists, Data Analysts und Anwendungsspezialisten. Die folgenden Methoden und Technologien kamen zum Einsatz:
Python
Time-Series Forecasting
Machine Learning
Microsoft SQL
Tableau
Docker
Apache Airflow
ERGEBNISSE
Trotz der Herausforderungen waren wir in der Lage, unserem Kunden bei der Lösung seines Problems zu helfen. Die von uns bereitgestellte Lösung verschaffte unserem Kunden einen Einblick in die prognostizierte Anzahl der Patientenzuflüsse und die simulierte Verlegung von Patienten von einer Station zur anderen. Dies führte zu soliden Vorhersagen über die Anzahl der benötigten Betten im gesamten Krankenhaus, was für die langfristige Kapazitätsplanung nützlich war.
MÖCHTEN SIE MEHR SEHEN?
