你好。
我是 蕾妮塔 沃什伯恩 a 博士 學生 在 這 大學 的 中央 佛羅裡達
在 這 建模與 模擬 程式.
今天， 我' 二 是 隆重推出…
對不起。
I 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 I 做 這 標題？
你可以重新開始。
你 可以 重啟 如果 你會 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。
I 能 去 前方-
患病的 只是 停止 那 我是 在 這 程式
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 I 說 在 這 學校 造型， 模擬 ＆ 訓練 在 中佛羅裡達大學
然後 你 能 挑選 它 向上， 好的？
好的。
經過 這 方式， 這 將要 是， 喜歡 I 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 I 做， 它是 全部 你。
你好。
我是 蕾妮塔 沃什伯恩 a 博士 學生 在 這 建模與 模擬 程式
在 這 大學 的 中央 佛羅裡達。
和 我是 博士 瑪莉 讓‧阿蒙。
我是 一個 助理 教授 在 這 大學 的 中央 佛羅裡達
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 圖案
患者 經驗 評分
和 機器 學習 聚類 技術。
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 圖案
在 病人 經驗 評分。
病人 經驗 評分 是 獲得
從 這 2019 消費者 評估 的 衛生保健 提供者 和 系統，
從 這裡 指 到 作為 CAHPS， 回覆 數據，
和 限制 它 到 患者 已見 經過 基本的 關心 提供者。
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 民調 回覆.
簇 分析 是 a 機器 學習 科技
用過的 在 許多 產業 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 洞察 在 可能的 差異 在 關心 旅程 和 經歷，
這樣的 作為 差異 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 量身訂製 關心 送貨 模型。
這 項目的 三 目標 是 到， 第一的，
執行 a 層級式 簇 分析 在 分類 民調 回覆 數據;
第二， 確認 叢集 透過 視覺的 檢查 的 樹狀圖
和 顏色 地圖 分割區 基於 在 他們的 旅程，
哪個 曾是 測量 經過 民調 問題
有關的 到 關聯 這 關係 和 這 供應商
使用率 的 服務， 和 等級 的 關心 管理;
和 最後，
執行 位置 這 分析 到 探索 差異 之中 叢集
在 他們的 評分 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，
我們會 喜歡 到 承認 這 我們 機構 為了 衛生保健 研究 和 品質
和韋斯特
為了 提供 這 已識別 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 人 問題 是 故意的 到 捕獲 a 患者 旅行
和 交互作用 和 你的 基本的 關心 提供者
超過 這 最後的 六 幾個月。
這 問題 再次 重點 在 長度 的 關係 和 這 醫生
如何 這 病人 互動 和 這 醫生的 辦公室
為了 常規 和 緊迫的 關心 需求，
和 這 等級 的 關心 協調 為了 輔助 服務 已請求。
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 民調 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 [聽不清楚 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 民調 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 預約
為了 a 清理 或者 常規 關心 和 這 提供者？
如果 不， 跳過 下一個 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， 值 是 記錄 從 遺失的 到 零，
哪個 JMP 指 到 遺失的 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 遺失的 價值觀。
反而 的 解決 這 事先的 到 造型，
我們 使用 JMP的 內建 遺失的 價值 特徵 到 歸因，
到 代替 和 估算 那些 遺失的 價值觀。
這 是 一個 選項 選定 從 這 聚類 菜單。
鑑於 這 喜歡 規模 問題，
我們 假設 那 這 數據 曾是 層級式
和 可能 亞組 之間 這 數據。
層級式 聚類 和 這 病房 距離 方法 曾是 已應用，
和 這 輸出 曾是 有限的 到 四 叢集
為了 舒適 的 解釋。
這 病房 方法 曾是 合適的 為了 這 分類 數據
作為 它 做過 不是 要求 純的 措施 的 距離。
反而， 它 建造 叢集 基於 在 一個 分析 的 變體 喜歡 在 創新。
A 顏色 地圖 曾是 額外 到 這 樹狀圖 輸出
到 援助 視覺的 比較 在 回覆 差異 穿過 這 團體。
獨特的 圖案 之內 和 差異 之間 叢集
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 聯繫 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 經過 評分 和 跟隨- 向上 為了 實驗室 和 處方 需要。
這 簇 輸出 曾是 已儲存 和 分配 到 每個 回覆 為了 這 廣告 hoc 分析。
現在， 這 基本的 重點 的 這 專案 曾是 比較 叢集
在 三 鑰匙 評分 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 JMP， 你 能 使用 這 簇 任務
到 探索 這 分配 的 人口統計 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 有興趣的 在 理解
如果 那裡 是 a 關係 之間 這 簇 任務
和 這 患者 評分 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 得分 為了 每個 的 這些 三 變數
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
世界衛生組織 利用 更多的 衛生保健 服務 但 也 有 令人滿意的 評分 為了 實驗室
和 處方 管理
也 出現 到 有 更高 評分 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 緊急措施 分析，
哪個 是 a 方法 為了 檢查 這 關係
之間 二 分類 變數。
我們 確認 統計上 重要的 差異
在 供應商 全面的 健康， 和 精神的 健康 評分
基於 在 這 病人 簇，
哪個 更遠 亮點 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 小組的 關心 旅行
和 全面的 經驗 和 健康 評分
能 通知 這 設計 的 健康 關心 實踐
這樣的 作為 增強型 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。
