使用機器學習技術識別患者體驗評級中的模式 (2022-US-EPO-1092)雷尼塔·沃什伯恩 (Renita Washburn) 博士中佛羅里達大學學生
Mary Jean Amon，中佛羅里達大學助理教授
海報總結了應用於醫療保健提供者和系統消費者評估 (CAHPS) 響應數據的數據探索和機器學習建模技術。通過使用 JMP 無監督機器學習技術，演示者將識別響應模式。這些模式將被總結為患者群體/檔案，可以為量身定制的護理提供模型的設計提供信息。
你好。
我是雷尼塔沃什伯恩， A博士學生在這大學的中央佛羅里達
在這建模和模擬程序。
今天，我'二是呈現…
對不起。
我知道我們有到做它在一會議。
博士阿蒙，真的快的，做你想我到說礦
和然後你說你的和然後我做這標題？
你可以重新啟動。
你可以重新開始如果你喜歡到。
我們已經得到時間。
對不起。
你能只是介紹我到……或任何作品為了你。
我能去先-
患病的只是停止那我是在這程序
和然後你能介紹你自己和然後患病的保持去。
好的，聲音好的。
後我說在這學校造型，模擬＆ 訓練在加州大學舊金山分校
然後你能挑選它向上，好的？
好的。
經過這方式，這將要是，喜歡我說，郵政過程，
所以我們能全部編輯全部的那東西出去。
好的，聲音好的。
好的，我是去到去在沉默的再次，和一次我做，它是全部你。
你好。
我是雷尼塔沃什伯恩， A博士學生在這建模和模擬程序
在這大學的中央佛羅里達。
和我是博士瑪麗讓·阿蒙。
我是一個助手教授在這大學的中央佛羅里達
在這學校的造型，模擬， &訓練。
今天，我們將要共同展示我們的海報在識別模式
在病人中經驗收視率
和機器學習聚類技巧。
在這海報會議，出色地總結這目標，
方法，和結果從這勘探的這些模式
在病人經驗收視率。
病人經驗收視率是獲得
從這2019消費者評估的衛生保健供應商和系統,
從這裡提到的到作為CAHPS，回复數據，
和限制它到患者見過經過基本的關心提供商。
我們使用JMP的機器學習聚類和數據準備工具
到確認四病人團體基於在他們的民意調查回應。
簇分析是A機器學習技術
用過的在許多行業為了顧客分割。
這目標是放置顧客進入團體
基於在相似之處之內這團體和差異之間這團體。
在衛生保健，勘探的顧客片段
提供見解在可能的差異在關心旅程和經歷，
這樣的作為差距之間種族，性別，文化，或者健康地位。
鑑別的清楚的團體
能通知這設計的量身定做關心送貨楷模。
這項目的三目標是到，第一的，
執行A分層的簇分析在明確的民意調查回复數據;
第二，確認集群通過視覺的檢查的樹狀圖
和顏色地圖分區基於在他們的旅程，
哪個曾是測量的經過民意調查問題
有關的到關聯這關係和這供應商，
利用率的服務，和等級的關心管理;
和最後，
執行位置臨時的分析到探索差異之中集群
在他們的收視率的供應商，
他們的全面的健康，和全面的精神的健康。
前我們潛水進入細節的這方法和發現，
星期三喜歡到承認這我們機構為了衛生保健研究和質量
和韋斯特
為了提供這確定C AHPS數據為了這努力。
這CAHPS數據是用過的到獲得洞察力進入這衛生保健經驗
從這患者看法。
這12 已選擇問題是故意的到捕獲A患者旅行
和相互作用和你的基本的關心供應商
超過這最後的六個月。
這問題再次重點在長度的關係和這醫生，
如何這病人相互作用和這醫生的辦公室
為了常規和緊迫的關心需要，
和這等級的關心協調為了附屬的服務要求。
事先的到啟動JMP的聚類工具，數據準備，
包括分配這合適的數據造型類型
為了這民意調查問題。
這數據造型類型曾是任何一個名義上的，是的-不或者不是適用的，
或者無效的， A [聽不清 00:03:43]規模。
其他數據準備任務曾是重新格式化的選擇問題。
這CAHPS民意調查使用這規模邏輯。
為了例子，一問題問在這最後的六幾個月，
做過你製作任何約會
為了A清理或者常規關心和這供應商？
如果不，跳過接下來問題。
它曾是決定那這跳過問題是相關的到這探索性的分析。
所以，價值觀是記錄的從丟失的到零，
哪個JMP指的是到丟失的不是在隨機的。
這最後的步的準備工作那我們強調
是有關的到這丟失的值。
反而的尋址這事先的到造型，
我們使用JMP的內置丟失的價值特徵到估算，
到代替和估計那些丟失的值。
這是一個選項已選擇從這聚類菜單。
鑑於這李克特規模問題，
我們假設那這數據曾是分層的
和可能亞群之間這數據。
分層的聚類和這病房距離方法曾是應用，
和這輸出曾是有限的到四集群
為了舒適的解釋。
這病房方法曾是合適的為了這明確的數據
作為它做過不是要求純的措施的距離。
反而，它構建集群基於在一個分析的變體喜歡在創新。
A顏色地圖曾是添加到這樹狀圖輸出
到援助視覺的比較在回复差異穿過這團體。
獨特的模式之內和差異之間集群
是總結基於在低的，中等的，或者高的維護。
意義如何很多使用權到關心曾是用過的經過這病人
這樣的作為頻率的常規和緊迫的辦公室訪問
或者接觸這辦公室期間或者外部的常規的小時，
作為出色地作為如何出色地患者相信這辦公室曾是管理他們的關心，
哪個曾是虛弱的，更高，充足的，
定義的經過收視率和跟隨-向上為了實驗室和處方需要。
這簇輸出曾是已保存和分配到每個回复為了這廣告特設的分析。
現在，這基本的重點的這項目曾是比較集群
在三鑰匙收視率有關的到這供應商，
他們的全面的健康，和全面的精神的健康。
然而，和跳轉,你能使用這簇作業
到探索這分配的人口統計學數據
作為出色地作為其他問題回應之間這團體。
為了未來分析，我們推薦探索差異在年齡
或者種族分佈
之間這維護管理-基於集群。
我們是感興趣的在理解
如果那裡是A關係之間這簇任務
和這患者收視率的這供應商，他們的全面的健康，和精神的健康。
視覺的檢查的這意思是分數為了每個的這些三變量
建議那那裡可能是重要的差異基於在簇。
為了例子，高的健康維護患者
WHO利用更多的衛生保健服務但還有滿意的收視率為了實驗室
和處方管理
還出現到有更高收視率的全面的健康和精神的健康。
如果我們去到這下一個滑動，
這些觀察是更遠檢查使用JMP的應急分析，
哪個是A方法為了檢查這關係
之間二明確的變量。
我們確認統計學上重要的差異
在供應商，全面的健康，和精神的健康收視率
基於在這病人簇，
哪個更遠強調這公用事業的我們的聚類方法
在識別有意義的病人團體。
全面的，理解這關係之間每個團體的關心旅行
和全面的經驗和健康收視率
能通知這設計的健康關心做法
這樣的作為加強溝通頻道期間非常規的辦公室小時
或者關心導航服務
到援助和跟隨-向上的實驗室和處方管理。
感謝你為了觀看今天的會議。
我們歡迎你的問題和評論。
