你好。
我是 蕾妮塔 沃什伯恩 a 博士 学生 在 这 大学 的 中央 佛罗里达
在 这 建模与 模拟 程序。
今天， 我' 二 是 隆重推出……
对不起。
I 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 I 做 这 标题？
你可以重新开始。
你 可以 重启 如果 你会 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。
I 能 去 前方-
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 I 说 在 这 学校 造型， 模拟 ＆ 训练 在 中佛罗里达大学
然后 你 能 挑选 它 向上， 好的？
好的。
经过 这 方式， 这 将要 是， 喜欢 I 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 I 做， 它是 全部 你。
你好。
我是 蕾妮塔 沃什伯恩 a 博士 学生 在 这 建模与 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 图案
患者 经验 评分
和 机器 学习 聚类 技术。
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 图案
在 病人 经验 评分。
病人 经验 评分 是 获得
从 这 2019 消费者 评估 的 卫生保健 提供者 和 系统，
从 这里 指 到 作为 CAHPS， 回复 数据，
和 限制 它 到 患者 已见 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 回复。
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 洞察 在 可能的 差异 在 关心 旅程 和 经历，
这样的 作为 差异 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 量身定制 关心 送货 模型。
这 项目的 三 目标 是 到， 第一的，
执行 a 层级式 簇 分析 在 分类 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 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 这 分析 到 探索 差异 之中 集群
在 他们的 评分 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，
我们会 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 已识别 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 人 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 提供商
超过 这 最后的 六 几个月。
这 问题 再次 重点 在 长度 的 关系 和 这 医生
如何 这 病人 互动 和 这 医生的 办公室
为了 常规 和 紧迫的 关心 需求，
和 这 等级 的 关心 协调 为了 辅助 服务 已请求。
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 预约
为了 a 清理 或者 常规 关心 和 这 提供商？
如果 不， 跳过 下一个 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， 值 是 记录 从 丢失的 到 零，
哪个 JMP 指 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 价值观。
反而 的 解决 这 事先的 到 造型，
我们 使用 JMP的 内置 丢失的 价值 特征 到 归因，
到 代替 和 估算 那些 丢失的 价值观。
这 是 一个 选项 选定 从 这 聚类 菜单。
鉴于 这 喜欢 规模 问题，
我们 假设 那 这 数据 曾是 层级式
和 可能 亚组 之间 这 数据。
层级式 聚类 和 这 病房 距离 方法 曾是 已应用，
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 分类 数据
作为 它 做过 不是 要求 纯的 措施 的 距离。
反而， 它 建造 集群 基于 在 一个 分析 的 变体 喜欢 在 创新。
A 颜色 地图 曾是 额外 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 图案 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 联系 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 经过 评分 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 hoc 分析。
现在， 这 基本的 重点 的 这 项目 曾是 比较 集群
在 三 钥匙 评分 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 JMP， 你 能 使用 这 簇 任务
到 探索 这 分配 的 人口统计 数据
作为 出色地 作为 其他 问题 回应 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 评分 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 得分 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 令人满意的 评分 为了 实验室
和 处方 管理
还 出现 到 有 更高 评分 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 应急措施 分析，
哪个 是 a 方法 为了 检查 这 关系
之间 二 分类 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 评分
基于 在 这 病人 簇，
哪个 更远 亮点 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 小组的 关心 旅行
和 全面的 经验 和 健康 评分
能 通知 这 设计 的 健康 关心 实践
这样的 作为 增强型 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。
