医疗BI领域的六个真实用例

（1）预测病人需要

匹兹堡大学医学中心(UPMC)，是一个运营着22家医院和400个门诊网站的供应商和保险公司，要处理大量的数据。

帕梅拉博士，UPMC健康计划保险服务部门的分析总监说，现在有好多可以削弱组织的事情。

实施商业智能系统让UPMC可以组织数据，并把负债转变成一个优势。

组织里的两个成员可以使用软件来预测预测流感季节对病人的影响。他们还能找出患者最需要哪些服务设施，哪些可能需要紧急护理，预测重新接纳率。

预测病人需要不仅导致更有效的护理和更好的服务，也可以帮助UPMC医院通过减少病人再次入院的次数来减少监管机构罚款以此节约金钱。

（2）提高报告的效率

英国的国家卫生服务开始实施“自然分析,”一个用户友好型分析旨在使用自然的人类大脑运作方式进行分析。它可以告诉用户他们问的问题的答案和以及他们周围的环境。

会员中心之一的科尔切斯特医院,使用自然分析将报告时间从每月231小时大大减少到每月54小时。

科尔切斯特报道,由第一年的实施而节省的生产力超过77000美元。

（3）提高响应率

提高响应率处于每个EMS优先级列表的顶部,而这正是商业智能帮助泽西城市的医学EMS所实现的。

为了帮忙处理来电,他们创造了移动区域路由和车辆位置信息系统(MARVLIS)。该系统利用无线通信、GPS以及GIS技术将EMS更快地到目的地。

实时分析可以帮助把救护车放置在可能更被需要的地区。商业智能分析的成果是显而易见的。泽西城市把他们的EMS响应时间降到了6分钟以下,远低于国家标准的8分59秒。

此外,由于车辆位置信息系统,一半的心脏骤停患者恢复脉冲。以前,这个占比仅为五分之一。

（4）挖掘数据来治疗疾病

为了寻求治疗呼吸道疾病的改善方法,德勤与内陆医疗机构以及纽约制药公司森林实验室进行了以成果为导向的研究。

研究主要集中在治疗过程的结果:经验,偏好和病人的价值观。

此次合作利用商业智能软件来分析在内陆的电子健康记录数据。团队确定了几个治疗中可以改善的地方,记录下了未满足的需求的趋势,成功的治疗的完整的经过。

（5）识别高危病人

弗吉尼亚的领英成功部署预测分析来从他们的8500名患者中识别出更有可能患有心脏病的患者。

采集的数据包括传统的结构化数据和非结构化数据,如医生的笔记和意见。

商业智能产品在预测潜在的心脏衰竭上可以达到85%的准确率,并且可以改善病人的身体状况，且省钱。

（6）减少不良事件

密歇根州的重点健康中心利用他们的数据来解决日益流行的不良事件,如患者跌倒、事故、或其他对健康产生负面影响的事。他们也试图减少有害事故。

密歇根州的重点健康中心使用BI工具从60家密歇根的医院妇产科收集数据,并分析了警告信号传递的信息,常用的指标,和其他的趋势。

使用数据以改善其实践,密歇根州的重点健康中心见证了不良事件的显著下降。