NHS 运营研究与评估部门负责人查尔斯·塔拉克 (Charles Tallack)讨论了新护理模式如何使用数据来识别和保护最脆弱的患者，从而减少他们入院的机会。
我们的健康和护理服务致力于为患者提供最积极的体验和结果。
我们本能地知道，一些病人，特别是患有长期疾病的老年病人，更有可能最终住院。
准确计算整个社区的风险，并实施干预措施，防止紧急入院和其他代价高昂、不良后果，这有点难以实现。而且，正如我们所知，预防胜于治疗！
我们英国国民医疗服务体系的分析团队一直在密切关注一些新护理模式先锋所采取的识别社区中高危患者的方法。
我们对此使用的术语是“风险分层”。是的，这听起 香港 WhatsApp 数据 来有点“技术性”，但它得到了卫生和护理领导者的广泛认可，并被许多可持续发展和转型伙伴关系和负责任的护理系统所采用。
我们使用的另一个词是“预测模型”或“人工智能”。这些分析用于各种领域，包括金融市场和谷歌。
我们研究了五个新护理模式先锋——塔哈姆莱茨、桑德兰、东北汉茨和法纳姆、埃里沃什和莫克姆湾——它们引入了有效风险分层过程的“基石”。我们发现，大多数都在使用预测模型，并且实施由临床主导。
其他仅依赖临床判断和阈值建模（识别具有历史风险而非未来风险的个体）的模型效果较差，并且可能会产生误导性的结果。
例如，阈值模型通常会挑选出前一年入院次数较多的患者。但是，一般来说，我们预计该患者的入院次数在第二年会下降。异常高的入院次数之后可能会出现较低的入院次数。
你可以在日常生活中看到这种现象：例如，一个年轻的体育明星在他们的突破性赛季登上体育杂志的封面，但往往在第二年就从人们的视线中消失。
如果我们把目标锁定在这些人身上，那么我们很可能会错过那些实际上明年最有可能被录取的人，因此我们的预测能力必须提高。
使用来自各种来源的数据的预测模型具有最高的准确性。例如，莫克姆湾先锋队使用来自医院患者活动和全科医生诊所的数据、来自患有多种疾病的患者的数据以及有关当地社区的人口统计信息。
随后，结果将出现在全科医生的 IT 系统中，医生可以判断是否将可能在未来 12 个月内紧急入院的患者转诊到综合护理社区团队。然后可以采取措施支持该患者，并让他们远离医院，除非有临床必要。
在我们的研究中，我们发现所有先锋队都在试图识别并针对“最高风险”人群，通常是其人口中最富有的 2%。然而，我们仍然必须牢记，并非所有入院都是可以预防的，我们必须关注更多的人才能对总体入院率产生重大影响。
我们还必须更进一步思考“影响力”。一旦确定了有风险的患者，就可以为他们提供个性化干预措施——对一个人有效的方法可能对另一个人无效。可以优先考虑那些对预防性护理特别敏感的疾病患者。