[发明专利]用于优化患者安置的基于机器学习的多因素优先级框架

说明书

本发明描述了采用多因素、基于机器学习的系统和优先级框架来优化患者在医疗设施中的床位安置的技术。在一个实施方案中，提供了计算机实现的方法，该方法包括由操作地耦接到处理器的系统接收请求将患者安置到该医疗保健设施的病床的患者安置请求，其中该请求与标识该患者的医疗服务和床位类型的信息相关联。该方法还包括由该系统基于该医疗服务和该床位类型从一组安置优先级模型中选择安置优先级模型，并且由该系统采用该优先级模型和关于该医疗保健设施的当前状态的状态信息来确定反映该患者安置请求的优先级的优先级评分。

技术领域

本申请涉及用于采用基于机器学习的多因素优先级框架来优化患者在医疗设施中的床位安置的计算机实现的技术。

背景技术

床位管理与住院患者在住院医疗设施中停留的所有阶段密切相关。由于具有类似护理需求的患者从各个医院入口点入院，因此患者安置继而将影响患者护理和床位可用性。床位管理者必须允许最佳可能的患者护理，同时平衡床位的分配以防止护理延迟。特别是在存在竞争需求的高普查期间，患者的优先级和床位的管理是极其重要的。因此，管理床位分配对于患者护理、减少延迟和优化系统容量至关重要。然而，在实施过程中，床位管理的特征在于，床位管理人员在危机发生时发现和消灭危机主要依赖于临床知识、直觉和经验。

发明内容

以下呈现了发明内容以提供对本发明的一个或多个实施方案的基本理解。本发明内容不旨在标识关键或重要元素，也不旨在描绘不同实施方案的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。在本文所述的一个或多个实施方案中，系统、计算机实现的方法、装置和/或计算机程序产品采用基于机器学习的多因素优先级框架来优化患者在医疗设施中的床位安置。

根据一个实施方案，提供了一种用于在医疗保健设施处对患者安置进行优先级排序的系统，该系统包括存储计算机可执行组件的存储器以及执行存储在该存储器中的这些计算机可执行组件的处理器。这些计算机可执行组件可包括模型生成组件，该模型生成组件从医疗设施的历史患者安置数据中识别床位管理员的安置模式和偏好。该计算机可执行组件还可包括属性/参数识别/加权组件，该属性/参数识别/加权组件通过使用一种或多种机器学习技术评估该历史患者安置数据来识别参数及其重要性，以确定与相似类型的患者安置请求相关联的参数之间的相关性(例如，相同的医院服务和所需的护理类型)。该过程将满足患者安置请求所花费的时间与影响这些安置请求的参数/属性(例如，床位占用水平、床位状态、清洁状态、生成的表示护理延迟的系统警示等)相关联。该模型生成组件还可基于属性和属性的相对权重来生成患者安置请求的安置优先级模型，其中该优先级模型被配置为生成这些患者安置请求的优先级评分，这些优先级评分反映了这些患者安置请求相对于相同类型的其他未决安置请求的相对优先级。

在各种实施方案中，所公开的系统还可包括便于生成用于经由设备显示器渲染的可视化组件，这些可视化组件以允许决策制定器快速关注安置决策的方式在视觉上表示安置的优先级。该系统还可包括推荐组件，该推荐组件便于部分地基于使用这些优先级模型中的一个或多个优先级模型针对患者安置请求确定的优先级评分来确定现在是等待还是将患者安置到病床。因此，利用所公开的系统，为决策制定器提供所有相关信息，以安置患者来接收最佳护理，同时减少获得护理的延迟并保持平稳的患者流。

根据另一个实施方案，提供了一种用于在医疗保健设施处对患者安置进行优先级排序的系统，该系统包括存储计算机可执行组件的存储器以及执行存储在该存储器中的这些计算机可执行组件的处理器。这些计算机可执行组件可包括请求组件，该请求组件接收请求将患者安置到该医疗保健设施的病床的患者安置请求，其中该请求与标识该患者的医疗服务和床位类型的信息相关联。该计算机可执行组件还可包括选择组件，该选择组件基于该医疗服务和该床位类型从一组安置优先级模型中选择安置优先级模型；和评分组件，该评分组件采用该优先级模型和关于该医疗保健设施的当前状态的状态信息(其包括床位状态、清洁状态和病房普查)来确定反映该患者安置请求优先级的优先级评分。