盖蒂图像
越来越多的身体证据指出社会经济因素 - 教育程度，住房安全，获得健康食品，运输，人身安全等结果对个人和人口健康而不是医疗服务。
电子健康记录系统使医疗保健组织能够开始收集有关这些社会决定因素或驱动因素的数据。世界卫生组织的国际疾病分类现在包括代码对于SDOH数据，因此可以标准化数据元素。2024年，医疗保险和医疗补助服务中心开始需要医院以筛查患者满足SDOH的需求。
但是，简单地捕获数据不足以产生影响。难题是如何利用非结构化文本中收集的数据来影响变化并改善患者的健康。
努力健康是使用人工智能将SDOH数据转化为可行的健康信息的卫生系统之一。努力是在过去的五个十年中的多个合并的产物，包括九家社区医院和大芝加哥地区的300多个护理地点。努力麻醉师和痛苦医学专家Nirav Shah最近在一个网络研讨会上阐述了这些努力劳伦·里普林格（Lauren Riplinger），美国健康信息管理协会的首席公共政策和影响官。该网络研讨会可按需免费使用。
Shah是努力质量创新和临床实践分析的医学总监，质量和转型成果研究计划主管说，对SDOH的见识对于卫生系统，尤其是为多样化患者人群提供服务的卫生系统和卫生系统至关重要。
使用SDOH使用自然语言处理程序
Endeavor已经开发了一项自然语言处理计划，以从临床笔记中的非结构化文本中提取有关SDOH的数据，使临床专家有能力采取行动并将患者与所需的辅助服务联系起来。
努力如何创建一个受信任的工作流程并将技术与人员和流程集成在一起？急诊室似乎是这种工具会产生最大影响的环境。此外，急诊室已经进行了筛查工作流程，一线社会工作人员已经深入参与。因此，努力选择了ED进行试验测试NLP筛选系统。
该团队从围绕五个核心社会驱动因素的文档策略开始：住房，运输，食品，酒精使用和财务资源。他们与IQVIA Division Lingingamatics建立了合作伙伴关系，该lingamatics的平台在后端注入了机器学习，使努力能够将现有查询集成到系统中。该工具的基于规则的算法使得更容易完善查询。
IT员工在NLP引擎，企业数据仓库和企业范围内的EHR之间建立了连接。他们确定了SDOH，注释的注释，调整了语言学的查询，并为努力患者人群进行了优化。回顾性验证的查询以建立信任，将系统绩效与国家人口普查数据进行比较并分配准确度指标。
该团队与主要运营所有者合作设计临床工作流程。最后，他们前瞻性地验证了该系统，并在迭代过程中加入了护理团队的反馈。
ED选择飞行员项目
根据最近的一项研究JAMA网络开放这发现了不利的SDOH筛查和文档实践的差异，对ED中不利的SDOH筛查和推荐的怀疑是有价值的，并且在资源，人员配备以及筛查和推荐ED患者方面面临的挑战。
尽管如此，努力的试点项目还是成功的。ED社会工作者开始感到自己更有效，并产生更大的影响。临床医生还深入了解了患者的SDOH需求。现在，ED社会工作者花了80％的时间来帮助患者，而不是花80％的时间来梳理SDOH需求，而是花了80％的时间来解决SDOH的需求。
成功的关键
莎阿说，成功的关键组成部分包括人，过程和技术的社会技术模型。数据治理至关重要，这是通过两阶段验证实现的努力。临床和运营人员之间的信任是扩散和最后一英里部署成功的必要条件。Shah说，AI将以信任的速度扩展，因此改变管理层将会改变。领导者必须批判性思考并问自己，这是最好的方法吗？这是最好的技术吗？这是黑匣子吗？我们如何建立信任？
一个人在循环中的每一步。数据科学家和社会工作者定期开会以更新查询。结果，社会工作者信任系统。此外，解决方案不是黑匣子，因此，如果怀疑偏见，数据科学家可以追踪它。
Shah说，执行赞助至关重要。团队成员获得了他们需要的时间和空间，执行领导者被置于循环中。
扩散与创新一样重要。技术必须与组织的战略利益保持一致。您必须了解您的技术堆栈，并确保架构与人们已经使用的内容一致。
沙阿说，在筒仓中启动飞行员是灾难的秘诀。尽早开始对话，并从一开始就开始规模。
患者还必须信任这项技术。人们在应用程序，在线购物网站，社交媒体网站等中共享个人信息，因为应用程序和平台提供服务。Shah指出，SDOH的基于AI的筛选没有什么不同。患者需要知道该技术被用于改善他们的护理和健康。
当适当地收集，使用和共享SDOH数据时，医疗团队会深入了解患者，使他们能够采取措施改善整体健康和福祉。阿希马数据以改善健康倡议为健康数据专业人员提供工具和资源，以更好地了解SDOH数据的重要性以及如何用于改善健康和医疗保健结果。
Ahima主持其下一个免费的SDOH在线网络研讨会，共享SDOH数据以改善结果，4月18日中午CDT。
_____________________
掌握健康信息管理新闻订阅Ahima Smartbrief。