Choć problem oczekiwania na usługi medyczne w każdym państwie jest inny, to nie ulega wątpliwości, że w większości przypadków ten lub inny pacjent będzie musiał poczekać na zaordynowane mu świadczenie medyczne. Okazje się, że Wielka Brytania ma nie stały, ale stale wydłużający się (od wielu miesięcy!) czas oczekiwania, co stanowi obecnie jedno z największych wyzwań dla nowego rządu i samej NHS.
Obecnie około 7,6 miliona pacjentów czeka na usługi medyczne w zakresie opieki ostrej (!), a kolejne 1,5 miliona na usługi zdrowia psychicznego. Pewna brytyjska firma postanowiła przeanalizować dane pochodzące z publicznych postów w mediach społecznościowych, które zebrała i przeanalizowała z wykorzystaniem AI.
Sztuczna Inteligencja w służbie analizy opinii pacjentów
Sanius Health używa sztucznej inteligencji do analizy opinii pacjentów i opiekunów zamieszczonych w mediach społecznościowych. Dzięki badaniu tych danych firma jest w stanie identyfikować najczęstsze problemy, śledzić zmiany w nastrojach oraz odkrywać strategie radzenia sobie z długim czasem oczekiwania. Te informacje dostarczają NHS wartościowych wglądów, które mogą pomóc w opracowaniu skutecznych strategii skracania czasów oczekiwania i poprawy jakości usług.
Wyniki analizy danych z mediów społecznościowych
Sanius Health zidentyfikował około 600 odpowiedzi dotyczących czasów oczekiwania w NHS na różnych platformach społecznościowych, co dostarczyło mnóstwa aktualnych informacji o problemach, z jakimi borykają się pacjenci i ich rodziny. Chociaż obecny zestaw danych dostarcza cennych wglądów, firma planuje rozszerzyć go na większą liczbę placówek, co umożliwi bardziej szczegółową analizę i zidentyfikowanie specyficznych wzorców w poszczególnych placówkach.
Analiza danych z mediów społecznościowych pozwoliła na stworzenie rankingu placówek NHS z największą liczbą negatywnych opinii. Co ciekawe – rekordzistą jest placówka London North West University Healthcare NHS Trust, której czas oczekiwania w ostatnich tygodniach wydłużył się aż o 64%.
Kluczowe tematy związane z czasem oczekiwania
Jak wykonano analizę danych?
Do zebrania danych wykorzystano scrapping mediów społecznościowych. Uzyskane dane zostały następnie automatycznie skategoryzowane i pogrupowane na poruszane w treści zagadnienia. Następnie wyodrębniono te, które dotyczyły oczekiwania na udzielenie pomocy medycznej (pilnej i niepilnej). W oparciu o tak pozyskane dane źródłowe – dokonano ich analizy językowej w celu wyodrębnienia danych szczegółowych niezbędnych do analizy jakościowej i statystycznej.
Dzięki analizie danych, Sanius Health zidentyfikował kilka kluczowych tematów związanych z czasami oczekiwania i efektywnością systemu opieki zdrowotnej. Z pozytywnych obserwacji, wielu pacjentów chwaliło skuteczność procesów triażowych, gdzie osoby z poważnymi lub zagrażającymi życiu stanami są szybko identyfikowane i priorytetowo traktowane. Szybka dostępność wyników badań również była często podkreślana.
Jednak większość negatywnych opinii dotyczyła długiego czasu oczekiwania na opiekę niepilną, co prowadziło do znacznego niezadowolenia i pogorszenia wyników zdrowotnych pacjentów. Przeludnione poczekalnie, niewystarczająca przepustowość[1] szpitali oraz trudności w umawianiu terminów były głównymi problemami podnoszonymi przez pacjentów.
Wykorzystanie opinii pacjentów do poprawy jakości opieki
Sanius Health, wykorzystując zaawansowane technologie i opinie pacjentów, uzyskał lepsze zrozumienie czynników wpływających na czas oczekiwania. Firma wierzy, że podejście oparte na danych może zrewolucjonizować zarządzanie listami oczekujących w NHS i poprawić jakość opieki nad pacjentami.
Przykładowe raporty z badań
