Resumen

Los datos sobre calidad asistencial han ganado en transparencia gracias a diversas mediciones e informes. La medición de los reingresos está especialmente relacionada con los resultados desfavorables para los pacientes, que inclinan directamente la curva del coste sanitario. En el marco del Programa de Reducción de Reingresos Hospitalarios, se redujeron los pagos a los hospitales con tasas excesivas de rehospitalización a 30 días. Estas penalizaciones han intensificado los esfuerzos de las partes interesadas de los hospitales por aplicar estrategias que reduzcan las tasas de readmisión. Una de las estrategias clave es el despliegue de análisis predictivos estratificados por población de pacientes. La investigación reciente en modelos de readmisión se centra en hacer más precisa su predicción. Aunque se esperan mejoras en el ahorro de costes gracias a soluciones sanitarias basadas en la inteligencia artificial, aún se desconoce el amplio impacto económico de esta herramienta digital. Mientras tanto, la reducción de la tasa de readmisión se asocia a un aumento de los gastos de explotación debido a las intervenciones específicas. El aumento del margen operativo puede superar el coste nativo de readmisión. En este artículo, proponemos una métrica de evaluación cuantificada para proporcionar un medio metodológico de evaluar si un modelo predictivo representa una forma rentable de prestar asistencia sanitaria. En él evaluamos el impacto que el aprendizaje automático ha tenido en los cuidados transitorios y los reingresos con la métrica propuesta. Se calcula que el modelo final produce un ahorro sanitario neto de más de un millón de dólares con una tasa del 50% de éxito en la prevención de reingresos.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:Programa de Reducción de Readmisiones Hospitalarias, amplio impacto económico, tasas de rehospitalización de un día, impacto aprendizaje automático, coste nativo de readmisión, ahorro neto en atención sanitaria, dicha herramienta digital, resultados desfavorables para el paciente, coste, readmisión
• Keywords:Hospital Readmission Reduction Program, broad economic impact, day rehospitalization rates, impact machine learning, native readmission cost, net healthcare savings, such digital tool, unfavorable patient outcomes, cost, readmission