در 23 مه 2019، VitreosHealth و زیست رایان وبینار را با عنوان اجتماعی عوامل تعیین کننده و تجزیه و تحلیل پیش بینی کننده: نه فقط کلمات کلیدی فانتزی. این وبینار نحوه استفاده از عوامل اجتماعی تعیین کننده سلامت و تقسیم بندی بیمار/عضو بیش از حد مرتبط برای مدیریت مراقبت و مشارکت موثرتر را مورد بحث قرار داد.

عوامل تعیین‌کننده اجتماعی سلامت (SDoH) و تجزیه و تحلیل‌های پیش‌بینی‌کننده، طبقه‌بندی ریسک دقیق‌تری را امکان‌پذیر می‌کنند، در حالی که تقسیم‌بندی روان‌شناختی شخصی‌سازی پیام و ترکیب کانال را برای تقویت تغییر رفتار مطلوب در بین بیماران/عضو جمعیت انجام می‌دهد.

شرکت کنندگان وبینار کشف کردند:

• نحوه استفاده از عوامل تعیین کننده اجتماعی سلامت (SDoH) و تجزیه و تحلیل پیش بینی کننده برای تقسیم بندی دقیق تر جمعیت بیمار/عضو بر اساس خطر
• چگونه می توان از تمایل هر عضو برای مشارکت در ارائه برنامه های هدفمند استفاده کرد
• بخش‌بندی روان‌شناختی چیست و چگونه می‌توان از آن برای ایجاد انگیزه و فعال کردن رفتارهای سالم مطلوب در بین بیماران/اعضای طرح سلامت استفاده کرد.

Kirit Pandit، بنیانگذار و مدیر ارشد فناوری VitreosHealth، و برنت واکر، SVP Marketing & Analytics زیست رایان، این وبینار 45 دقیقه ای را با 15 دقیقه پرسش و پاسخ در پایان ارائه کردند. به عنوان خدماتی برای شرکت‌کنندگان در وبینار (زنده یا در صورت تقاضا پست شده در وب‌سایت زیست رایان) ، ما سؤالات و پاسخ های مربوطه را فهرست می کنیم:

سؤال: اگر قبلاً یک مدل تقسیم بندی اعضا داشته باشیم – آیا باید آن را با مدل تقسیم بندی روانشناختی شما جایگزین کنیم؟

پاسخ: خیر، مدل تقسیم‌بندی روان‌شناختی زیست رایان می‌تواند مکمل مدل تقسیم‌بندی موجود باشد و با درک عمیق و وسعت بیشتر، به افراد بخش مشتریان ما اطلاع دهد. ما دائماً تحقیقات بازار را انجام می دهیم تا بینش ها را پر کنیم – اکنون بیش از 100 میلیون نقطه داده در بخش های روانشناختی خود داریم. ما می‌توانیم با یک مشتری کار کنیم تا یک همپوشانی بخش انجام دهیم و مشخص کنیم که بخش‌های مربوطه ما کجا و تا چه اندازه با هم همپوشانی دارند. مشتریان ما می‌توانند مدل تقسیم‌بندی را که دارند حفظ کنند، اما از بینش‌های ما برای بهبود مدل خود استفاده کنند.

VitreosHealth همچنین می‌تواند با استراتژی تقسیم‌بندی مشتری کار کند و از آن استفاده کند تا «حرکت‌کنندگان» را شناسایی کرده و آن‌هایی را که از یک سطح خطر به سطح دیگری می‌روند، شناسایی کرده و مدل‌های پیش‌بینی‌کننده را آموزش دهد. مشتریان ممکن است مدل های تقسیم بندی خاص خود را داشته باشند (سطح 1، 2، 3 یا باند 1-5). با استفاده از اینها، می‌توانیم مدل‌های پیش‌بینی سفارشی‌سازی شده (برخلاف مدل‌های ملی) ایجاد کنیم، بنابراین با مجموعه داده‌های خاص و مدل‌های تقسیم‌بندی که ممکن است مشتری قبلاً داشته باشد کار می‌کنیم.

سؤال: اگر فناوری تعامل با اعضا خودمان را داشته باشیم (به عنوان مثال، سیستم CRM ایمیل) چه می‌شود. آیا هنوز هم می‌توانیم روی روان‌شناسی و تحلیل‌های پیش‌بینی با شما کار کنیم؟

پاسخ: بله، ما گزینه‌ای به نام «تکنولوژی خود را بیاورید» داریم و می‌توانیم با شما برای یکپارچه‌سازی هدف‌گیری روانشناختی و ارتباطات همکاری کنیم. هشدار این است که پیام رسانی و ترکیب کانال و فرکانس بهینه در 5 نوع بخش متفاوت است، بنابراین بهترین نتایج به توانایی سیستم در کنترل این متغیرها و تنظیم در صورت لزوم بستگی دارد.

سؤال: آیا می‌توانید از داده‌های کیفیت MCO ما برای کمک به تعیین عوامل خطر استفاده کنید؟

پاسخ: بله، یکی از کارهایی که VitreosHealth در مدل‌های پیش‌بینی خود انجام می‌دهد، تمرکز بر شکاف‌های مراقبت است، و اینها معمولاً بر اساس HEDIS هستند. ما امتیازات کیفیت و شکاف‌های کیفیت را به‌عنوان مجموعه‌ای از ویژگی‌ها برای آموزش مدل‌ها در نظر می‌گیریم، و جالب است که بسته به جمعیتی که به آن نگاه می‌کنیم، مجموعه متفاوتی از شکاف‌ها در مراقبت وجود دارد که در پیش‌بینی یک نتیجه خاص مهم‌ترین هستند. اگر مشتری قبلاً امتیازهای کیفیت را در سطح عضو از قبل محاسبه کرده باشد، کمک بزرگی خواهد بود.

سؤال: آیا عوامل اجتماعی تعیین کننده سلامت به تعریف بخش های روانشناختی کمک می کند؟

پاسخ: خیر، بخش‌های روان‌شناختی با یک نظرسنجی 12 سؤالی از نگرش‌ها، باورها و رفتارهای افراد در مورد سلامت و تندرستی تعیین می‌شوند. به عنوان مثال، اولین سوال این نظرسنجی این است که فرد چقدر با این جمله موافق یا مخالف است، “من معتقدم که می توانم مستقیماً بر مدت زندگی خود بدون توجه به سابقه خانوادگی خود تأثیر بگذارم.” هیچ سؤالی در مورد دسترسی به مراقبت یا چالش های مالی یا اجتماعی وجود ندارد.

با توجه به ویژگی‌های جمعیتی و اجتماعی-اقتصادی در میان بخش‌های روان‌شناختی، واقعاً هیچ تفاوت آماری بین بخش‌ها در درآمد خانوار وجود ندارد تا زمانی که به بیش از 80000 دلار در سال برسید که از میانگین درآمد ملی خانوار بیشتر است. احتمال بیشتری وجود دارد که افرادی که بیش از 80000 دلار درآمد دارند، دست‌آورده‌های خود یا شعبده بازان اولویت‌دار باشند، اما هیچ تفاوت آماری بین اکثریت افراد وجود ندارد.

همچنین، در حالی که افراد استقامتی و جهت گیران بیشتر احتمال دارد که فقط دیپلم دبیرستان داشته باشند، ما فقط در مورد 17 تا 18 درصد از این بخش ها صحبت می کنیم. هیچ تفاوت آماری بین بخش ها از نظر درصدی که در دانشگاه حضور داشتند وجود ندارد.

جالب است که افراد موفق به خود و افراد با اراده – در دو طرف طیف تندرستی و فعال بودن – بیشترین احتمال زندگی در محیط های شهری را دارند و در میان آمریکایی های آفریقایی تبار و اسپانیایی تبارها بیش از حد توسعه یافته اند.

سؤال: پس از ترکیب عوامل تعیین‌کننده اجتماعی و مدل‌های پیش‌بینی، چه تأثیری بر نتایج دارد؟

پاسخ: ما (VitreosHealth) پس از گنجاندن عوامل تعیین‌کننده اجتماعی – درآمد، تحصیلات، ترکیب خانوار… عناصر اساسی و برخی از ویژگی‌های پیشرفته‌تر را مشاهده کرده‌ایم که اگر بتوانید آنها را دریافت کنید – بسته به جمعیت، می‌توانید از یک 5% تا 7% افزایش دقت و نرخ فراخوانی. هر چه نابرابری اجتماعی در جمعیت بیشتر باشد، تعیین کننده های اجتماعی اهمیت بیشتری پیدا می کنند.

یک مثال اخیر شامل تجزیه و تحلیلی است که ما با یک پزشک خاص انجام دادیم که از ما می خواست پیش بینی کنیم که پانل 5000 بیمار او در سال چه تعداد بستری قلبی عروقی خواهند داشت. بدون استفاده از تعیین‌کننده‌های اجتماعی، نزدیک به 60% را پیش‌بینی می‌کردیم، اما پس از اینکه تعیین‌کننده‌های اجتماعی را وارد کردیم، این میزان به 72% رسید. در این مورد، 12 درصد افزایش یافتیم. در سطح وسیعی از جمعیت، ما معمولاً شاهد افزایش 5٪ ​​- 7٪ در دقت هستیم.

سؤال: تعامل اعضا پس از گنجاندن روانشناسی چگونه بهبود یافته است؟

A: از منظر تعامل اعضا، ما (زیست رایان) تست‌های تست در مقابل کنترل یا A/B را با مشتریان خود انجام می‌دهیم. ما از آنها می‌خواهیم کارهایی را که معمولاً از نظر مشارکت و اجرا انجام می‌دهند برای مقایسه انجام دهند، و شاهد افزایش 6-7 برابر نرخ پاسخ معمول برای غربالگری دیابت و ماموگرافی و 5 برابر افزایش در غربالگری سرطان کولورکتال برای یک بیمه‌گر ملی بوده‌ایم. بسیاری از سیستم‌های بهداشتی و بیمه‌گران در تلاش هستند تا بیماران و اعضا را به استفاده از پورتال سلامتی وادار کنند و با یک بیمه‌گر بزرگ شاهد افزایش 17 برابری در ثبت‌های پرتال سلامتی بودیم که 58 درصد از آن ثبت‌کنندگان ارزیابی ریسک سلامت (HRA) را تکمیل کردند. استفاده از بینش های روانشناختی به طور مداوم عملکرد گروه کنترل را شکست داده است و ما تأثیر خوبی داریم.

سؤال: افراد محروم از نظر پزشکی ممکن است به فناوری مانند تلفن‌های هوشمند یا رایانه‌های لپ‌تاپ دسترسی نداشته باشند – چگونه با آنها ارتباط برقرار می‌کنید؟

پاسخ: زیست رایان می‌تواند تشخیص دهد که آیا شرکت‌کننده تلفن هوشمند، تلفن ثابت یا تلفن ثابت دارد و می‌تواند ارتباطات را بر اساس آن تنظیم کند. در شرایطی که گیرنده اصلاً فناوری ندارد، در صورت لزوم با چاپخانه ها ارتباط داریم. ما با چندین مشتری کار کرده‌ایم که به بیماران کم‌خدمت و Medicaid رسیدگی می‌کنند، و در بیشتر موارد، مشکلی با آن نداشته‌ایم.

سؤال: کدام ویژگی‌های غیر بالینی بیشتر بر خطر پیش‌بینی یک فرد تأثیرگذار است؟

A: این بستگی به این دارد که آیا به محیط های شهری یا روستایی نگاه می کنید یا به منطقه جغرافیایی بسیار بزرگتری نگاه می کنید. آنچه ما می بینیم این است که درآمد و تحصیلات احتمالاً بیشترین نقش را از نظر 5 ویژگی اجتماعی برتر ایفا می کند که می توانید با اعضا شناسایی کنید. ترکیب خانواده (حضور مراقب) نیز یک پیش بینی کننده مهم است. کد پستی ارتباط زیادی با تحصیلات و درآمد دارد. تحصیلات و درآمد با هم با مواردی مانند نیازهای مسکن/تغذیه، تعداد وسایل نقلیه و علاقه به ورزش مرتبط هستند. یکی از مواردی که باید مراقب آن باشیم این است که ما دائماً آزمایش‌های چند خطی انجام می‌دهیم تا مطمئن شویم که ویژگی‌های اضافی را در سمت تعیین‌کننده‌های اجتماعی ثبت نمی‌کنیم.

سؤال: آیا سواد سلامت در تعامل/تعامل دیجیتالی نقش دارد؟

A: سؤالات در نظرسنجی تقسیم‌بندی روان‌شناختی در سطح خواندن پایه ششم تا هفتم نوشته شده‌اند و تا جایی که می‌توانیم سعی می‌کنیم تا اطمینان حاصل کنیم که ارتباطات و آموزش به درستی نوشته شده است. ممکن است مواردی وجود داشته باشد که مشتریان ما باید الزامات نظارتی خاصی را رعایت کنند و محتوای دیگ بخاری را که برای استفاده تأیید شده است شامل شود، اما ممکن است برای مصرف‌کننده‌پسندترین نباشد، اما شما نمی‌توانید آن را دور بزنید. با این حال، زبان روان‌شناختی، که در سطح سواد مناسب نوشته شده است، می‌تواند به‌عنوان یک “لفافه” در اطراف آن نسخه دیگ بخار عمل کند تا به موقعیت مناسب آن کمک کند.

گفته شد، ما گروه تمرکزی را با مصرف‌کنندگان مراقبت‌های بهداشتی در داخل شهر و کم‌خدمت برگزار کرده‌ایم تا بفهمیم که آیا مواد ما به وضوح و بدون مشکلات حساسیت قابل درک هستند یا خیر، و آنها عملکرد بسیار خوبی داشتند.

Q: مدل هوش مصنوعی (هوش مصنوعی) در پیش‌بینی و طبقه‌بندی چیزها خوب است، اما در توضیح «چرا» واقعاً خوب نیست. چگونه به این مشکل رسیدگی می کنید؟

A: به عنوان یک متخصص هوش مصنوعی، توانایی توضیح مدل، یا به قول آنها “جعبه سیاه”، روز به روز اهمیت بیشتری پیدا می کند. متخصصان هوش مصنوعی زیادی هم در دانشگاه و هم در فضای تجاری وجود دارند که تلاش زیادی برای این کار می کنند. پاسخ چندگانه است. اگر مدل پیش‌بینی شما مبتنی بر رگرسیون‌ها یا درخت‌های تصمیم باشد، توضیح اینکه چرا فردی ریسک‌پذیر است، نسبتاً آسان است. برخی از مدل‌های یادگیری عمیق یا شبکه عصبی مکرر می‌توانند بسیار پیچیده باشند و روش کار آنها این است که سعی می‌کنند مغز را تقلید کنند. بنابراین، تلاش برای توضیح آن نوع مدل مانند تلاش برای توضیح نحوه عملکرد مغز است که بسیار بسیار دشوار است. رویکردهای خاصی وجود دارد که برای باز کردن آن “جعبه سیاه” بسیار محبوب هستند. یکی از رویکردهایی که ما (VitreosHealth) و بسیاری دیگر از آن استفاده می‌کنیم این است که می‌خواهیم درخت تصمیم را در خروجی آن مدل قرار دهیم و اجازه دهیم درخت تصمیم آن را توضیح دهد. اکنون، ممکن است منجر به از دست دادن مشخصی از جزئیات شود، بنابراین توضیح به دست آمده نسبتاً ساده است و تمام پیچیدگی های ذاتی آن “جعبه سیاه” را در بر نمی گیرد.

نکته مهم دیگر این است که چالش فقط در شناسایی 5 یا 10 عامل خطر برتر نیست، آنچه که مهم است درک حساسیت به هر یک از عوامل خطر است. به عنوان مثال، سطح کلسترول و A1C هر دو ممکن است عوامل خطر باشند، اما ممکن است یک بیمار نسبت به A1C حساس تر باشد، بنابراین کاهش A1C باعث می شود خطر بسیار سریعتر از کاهش سطح کلسترول کاهش یابد، در حالی که برای بیمار دیگر ممکن است این خطر باشد. مقابل مدل هایی وجود دارند که می توانند با درک این موضوع کار خوبی انجام دهند.

سؤال: چه مدت طول می کشد تا سیستم خود را راه اندازی کنید و آن را اجرا کنید؟ «زمان صرفه جویی در هزینه» معمولی چیست؟

A: فناوری تعامل زیست رایان مبتنی بر ابر و مبتنی بر API است و به راحتی با اکثر سیستم‌های مدیریت EMR، CRM یا تمرین ادغام می‌شود. اگر موارد استفاده خارج از قفسه است، ما فقط چند هفته صحبت می کنیم تا آن را راه اندازی کنیم. اگر سفارشی تر باشد ممکن است بیشتر طول بکشد. بسیاری از آن زمان مشتریان ما در حال بررسی مواد و تأیید آنها است، بنابراین زیست رایان یک فرآیند بسیار کارآمد را دنبال می کند. بسته به مورد استفاده، نتایج می تواند تقریباً فوری باشد. شما می توانید تفاوت را در قرار ملاقات های نگه داشته شده یا افزایش در غربالگری ها خیلی سریع ببینید.

مهم به خاطر داشته باشید، صرف نظر از جمعیتی که به دنبال آن هستید – ترکیب جمعیتی یا اجتماعی-اقتصادی، جایی که آنها در آن قرار دارند، چقدر بزرگ است – این پنج بخش در هر جمعیتی وجود دارند، بنابراین داشتن یک سیستم قادر به کنار هم قرار دادن ترکیب مناسب تعامل سریع و کارآمد، زمان رسیدن به درآمد یا صرفه جویی در هزینه را تسریع می بخشد.

با مدل‌سازی پیش‌بینی‌کننده VireosHealth – WHO، WHY، WHAT – می‌توانیم آن فرآیند سرتاسری را ظرف شش هفته یا بیشتر انجام دهیم. خیلی به سرعت دسترسی ما به منابع داده بستگی دارد، اما به طور کلی این یک فرآیند 6 تا 8 هفته ای است. یک مثال مشتری‌ای است که VitreosHealth و زیست رایان با هم کار کرده‌اند، و زمانی که ما تعامل دیجیتال را شروع کردیم، در عرض چند ماه شاهد افزایش نرخ پاسخ به 60٪ – 70٪ برای تعدادی از ابتکارات مختلف و در کمتر از 6 ماه ما شاهد بهبود فوق العاده ای در برخی از امتیازات و نتایج کیفیت بودیم.

برای مشاهده این وبینار در صورت تقاضا، اینجا را کلیک کنید.

برای دانلود وایت پیپر همراه وبینار اینجا را کلیک کنید. /span>