使用机器学习技术识别患者体验评级中的模式 (2022-US-EPO-1092)雷尼塔·沃什伯恩 (Renita Washburn) 博士中佛罗里达大学学生
Mary Jean Amon，中佛罗里达大学助理教授
海报总结了应用于医疗保健提供者和系统消费者评估 (CAHPS) 响应数据的数据探索和机器学习建模技术。通过使用 JMP 无监督机器学习技术，演示者将识别响应模式。这些模式将被总结为患者群体/档案，可以为量身定制的护理提供模型的设计提供信息。
你好。
我是雷尼塔沃什伯恩， A博士学生在这大学的中央佛罗里达
在这建模和模拟程序。
今天，我'二是呈现…
对不起。
我知道我们有到做它在一会议。
博士阿蒙，真的快的，做你想我到说矿
和然后你说你的和然后我做这标题？
你可以重新启动。
你可以重新开始如果你喜欢到。
我们已经得到时间。
对不起。
你能只是介绍我到……或任何作品为了你。
我能去先-
患病的只是停止那我是在这程序
和然后你能介绍你自己和然后患病的保持去。
好的，声音好的。
后我说在这学校造型，模拟＆ 训练在加州大学旧金山分校
然后你能挑选它向上，好的？
好的。
经过这方式，这将要是，喜欢我说，邮政过程，
所以我们能全部编辑全部的那东西出去。
好的，声音好的。
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博士学生在这建模和模拟程序
在这大学的中央佛罗里达。
和我是博士玛丽让·阿蒙。
我是一个助手教授在这大学的中央佛罗里达
在这学校的造型，模拟， &训练。
今天，我们将要共同展示我们的海报在识别模式
在病人中经验收视率
和机器学习聚类技巧。
在这海报会议，出色地总结这目标，
方法，和结果从这勘探的这些模式
在病人经验收视率。
病人经验收视率是获得
从这2019消费者评估的卫生保健供应商和系统,
从这里提到的到作为CAHPS，回复数据，
和限制它到患者见过经过基本的关心提供商。
我们使用JMP的机器学习聚类和数据准备工具
到确认四病人团体基于在他们的民意调查回应。
簇分析是A机器学习技术
用过的在许多行业为了顾客分割。
这目标是放置顾客进入团体
基于在相似之处之内这团体和差异之间这团体。
在卫生保健，勘探的顾客片段
提供见解在可能的差异在关心旅程和经历，
这样的作为差距之间种族，性别，文化，或者健康地位。
鉴别的清楚的团体
能通知这设计的量身定做关心送货楷模。
这项目的三目标是到，第一的，
执行A分层的簇分析在明确的民意调查回复数据;
第二，确认集群通过视觉的检查的树状图
和颜色地图分区基于在他们的旅程，
哪个曾是测量的经过民意调查问题
有关的到关联这关系和这供应商，
利用率的服务，和等级的关心管理;
和最后，
执行位置临时的分析到探索差异之中集群
在他们的收视率的供应商，
他们的全面的健康，和全面的精神的健康。
前我们潜水进入细节的这方法和发现，
星期三喜欢到承认这我们机构为了卫生保健研究和质量
和韦斯特
为了提供这确定C AHPS数据为了这努力。
这CAHPS数据是用过的到获得洞察力进入这卫生保健经验
从这患者看法。
这12 已选择问题是故意的到捕获A患者旅行
和相互作用和你的基本的关心供应商
超过这最后的六个月。
这问题再次重点在长度的关系和这医生，
如何这病人相互作用和这医生的办公室
为了常规和紧迫的关心需要，
和这等级的关心协调为了附属的服务要求。
事先的到启动JMP的聚类工具，数据准备，
包括分配这合适的数据造型类型
为了这民意调查问题。
这数据造型类型曾是任何一个名义上的，是的-不或者不是适用的，
或者无效的， A [听不清 00:03:43]规模。
其他数据准备任务曾是重新格式化的选择问题。
这CAHPS民意调查使用这规模逻辑。
为了例子，一问题问在这最后的六几个月，
做过你制作任何约会
为了A清理或者常规关心和这供应商？
如果不，跳过接下来问题。
它曾是决定那这跳过问题是相关的到这探索性的分析。
所以，价值观是记录的从丢失的到零，
哪个JMP指的是到丢失的不是在随机的。
这最后的步的准备工作那我们强调
是有关的到这丢失的值。
反而的寻址这事先的到造型，
我们使用JMP的内置丢失的价值特征到估算，
到代替和估计那些丢失的值。
这是一个选项已选择从这聚类菜单。
鉴于这李克特规模问题，
我们假设那这数据曾是分层的
和可能亚群之间这数据。
分层的聚类和这病房距离方法曾是应用，
和这输出曾是有限的到四集群
为了舒适的解释。
这病房方法曾是合适的为了这明确的数据
作为它做过不是要求纯的措施的距离。
反而，它构建集群基于在一个分析的变体喜欢在创新。
A颜色地图曾是添加到这树状图输出
到援助视觉的比较在回复差异穿过这团体。
独特的模式之内和差异之间集群
是总结基于在低的，中等的，或者高的维护。
意义如何很多使用权到关心曾是用过的经过这病人
这样的作为频率的常规和紧迫的办公室访问
或者接触这办公室期间或者外部的常规的小时，
作为出色地作为如何出色地患者相信这办公室曾是管理他们的关心，
哪个曾是虚弱的，更高，充足的，
定义的经过收视率和跟随-向上为了实验室和处方需要。
这簇输出曾是已保存和分配到每个回复为了这广告特设的分析。
现在，这基本的重点的这项目曾是比较集群
在三钥匙收视率有关的到这供应商，
他们的全面的健康，和全面的精神的健康。
然而，和跳转,你能使用这簇作业
到探索这分配的人口统计学数据
作为出色地作为其他问题反应之间这团体。
为了未来分析，我们推荐探索差异在年龄
或者种族分布
之间这维护管理-基于集群。
我们是感兴趣的在理解
如果那里是A关系之间这簇任务
和这患者收视率的这供应商，他们的全面的健康，和精神的健康。
视觉的检查的这意思是分数为了每个的这些三变量
建议那那里可能是重要的差异基于在簇。
为了例子，高的健康维护患者
WHO利用更多的卫生保健服务但还有满意的收视率为了实验室
和处方管理
还出现到有更高收视率的全面的健康和精神的健康。
如果我们去到这下一个滑动，
这些观察是更远检查使用JMP的应急分析，
哪个是A方法为了检查这关系
之间二明确的变量。
我们确认统计学上重要的差异
在供应商，全面的健康，和精神的健康收视率
基于在这病人簇，
哪个更远强调这公用事业的我们的聚类方法
在识别有意义的病人团体。
全面的，理解这关系之间每个团体的关心旅行
和全面的经验和健康收视率
能通知这设计的健康关心做法
这样的作为加强沟通频道期间非常规的办公室小时
或者关心导航服务
到援助和跟随-向上的实验室和处方管理。
感谢你为了观看今天的会议。
我们欢迎你的问题和评论。
