Le système de santé rural est axé sur la relation entre le flux de patients et les niveaux de dotation en personnel au milieu de la pénurie d’infirmières à l’échelle nationale. Nowak a déclaré au département d’analyse un modèle pour déterminer les allocations de main-d’œuvre en fonction de l’utilisation des lits.
“L’idée est d’avoir la bonne personne au bon endroit au bon moment”, a-t-il déclaré.
Nowak a ajouté que le système de santé surveille des indicateurs tels que le roulement du personnel et les heures supplémentaires, ainsi que les réponses aux sondages auprès des employés, pour mesurer le succès de leurs modèles opérationnels.
« Si vous pouvez garder un employé qui est beaucoup plus épanoui, qui aime venir travailler, qui s’amuse au travail, il sera plus heureux et nos patients auront de meilleurs résultats », a-t-il déclaré.
Éviter la “boîte noire”
La technologie serait obsolète sans une surveillance constante de l’efficacité, de la fiabilité et des biais. Les modèles prédictifs peuvent être moins précis pour les populations vulnérables et peuvent exacerber les disparités existantes en matière de santé. C’est pourquoi il est important pour les développeurs de comprendre chaque modèle dans son intégralité et de comprendre que les outils d’analyse ne sont que des aides, sans capacités de prise de décision autonomes, a déclaré Nowak.
La technologie “donne au fournisseur un outil de plus dans sa boîte à outils”, a-t-il déclaré.
“Lorsque vous entrez dans ces algorithmes en cours de développement, vous entendez parler de la fameuse” boîte noire “”, a-t-il ajouté. “Il va cracher des prédictions et vous direz, ‘Eh bien, c’est ce que l’ordinateur a dit.’ ”
Pour éviter que cela ne se produise, les hôpitaux soumettent leurs modèles à une variété de tests de résistance.
Metsker a déclaré que les hôpitaux doivent également utiliser des tailles d’échantillon qui reflètent les populations auxquelles ils appliquent des modèles prédictifs. Sinon, les modèles seront porteurs d’un biais.
« Si vous parlez d’un modèle clinique, ces variables doivent être validées auprès d’une population raisonnable. Un hôpital au centre de Chicago a une population différente de celle d’un hôpital de Gig Harbor, Washington », a-t-il déclaré. “Du côté des opérations, vous avez votre ensemble différent de variables [depending on location]— volumes, services, géographie et finances.
Une fois les modèles éprouvés, les responsables de l’analyse affirment qu’ils sont vérifiés en temps réel pour leur exactitude et comparés aux données historiques pour suivre l’efficacité longitudinale.
“Je rappelle toujours aux gens comment nous procédons pour cela”, a déclaré Marroquin. Toute décision d’utiliser des outils d’analyse, a-t-il déclaré, “ne découle que du besoin d’une organisation”.
Innovations futures
La pandémie de COVID-19 est devenue un terrain d’essai pour les systèmes de santé et les grandes entreprises de technologie pour lancer des technologies de pointe dans des délais très courts.
Selon le Dr. David Rhew, directeur médical mondial de Microsoft et vice-président des soins de santé, l’accent devrait être mis sur l’expansion des outils pour d’autres cas d’utilisation.
« Nous constatons des gains d’efficacité, nous constatons que les expériences des fournisseurs sont acquises et nous constatons que les expériences des patients s’améliorent. C’est donc devenu un élément intéressant, car nous ne parlons plus d’essayer de résoudre une seule chose », a-t-il déclaré. “Ces technologies peuvent nous aider à aborder de nombreux autres aspects.”
À titre d’exemple, Rhew a déclaré que Microsoft travaillait dans l’espace de traitement du langage naturel pour développer des outils qui suivent les conversations dans la salle d’examen et les regroupent dans le DSE d’un patient. Cela peut réduire le temps que les médecins passent à prendre des notes, a déclaré Rhew, ainsi que l’épuisement qu’ils peuvent ressentir en jonglant avec plusieurs tâches à la fois.
Les systèmes de santé sèment également les graines de l’innovation future en s’associant aux collèges, dans l’espoir que les étudiants s’installeront dans des carrières de soins de santé axées sur les données.
Par exemple, Virginia Mason et Sanford ont uni leurs forces avec leurs universités locales – l’Université de Washington Tacoma et l’Université d’État du Dakota, respectivement – pour recruter la prochaine génération d’analystes cliniques, de scientifiques des données et de spécialistes des technologies de l’information directement depuis la salle de classe.
Chez Virginia Mason, quatre étudiants du programme de maîtrise ès sciences en analyse commerciale de l’UW Tacoma travaillent au centre de commande de contrôle de mission du système, a déclaré Metsker. Ils sont chargés de créer des modèles dans les langages de programmation R ou Python pour identifier les retards des services auxiliaires et faire des recommandations de dotation.
Et à la Dakota State University, Nowak a déclaré que les étudiants en commerce et en technologie peuvent participer à différents programmes de cybertechnologie de la santé grâce au partenariat de pipeline de Sanford avec l’école. Le programme peut attirer des étudiants à Sanford avant qu’un autre employeur n’attire leur attention, a-t-il déclaré.
“La qualité des candidats que je reçois aujourd’hui, par rapport à il y a même 10 ans, est jour et nuit. Ce sont des jeunes qui veulent des données et ils veulent y avoir accès », a déclaré Nowak. “C’est incroyable, lorsqu’on leur donne cet accès et un peu de liberté, ce qu’ils peuvent faire.”