Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O cientista comportável de Colômbia usa a ciência dos dados para confrontar a desigualdade dos cuidados médicos

A pesquisa de Kai Ruggeri tem um objetivo ultrapassando: para melhorar o bem estar das populações confrontando a desigualdade. É um cientista comportável em Colômbia que usa a ciência dos dados para projectar intervenções e recomendar as políticas que ajudam as mais vulneráveis e as mais desfavorecidas desigualdades superadas as populações.

Como um professor adjunto no departamento da política sanitária e da gestão na escola do carteiro de Colômbia da saúde pública, os focos de Ruggeri em comportamentos do nível da população tais como os povos da maneira fazem escolhas financeiras e usam cuidados médicos. Quando seu trabalho envolver todas a população, muito de seu foco está em como endereçar desigualdades no acesso e nos resultados, particularmente entre o mais desfavorecido. Tais injustiças tornaram-se ainda mais aparentes com a manifestação de Covid-19, enquanto umas taxas mais altas de infecção e de morte entre a pessoa de cor demonstram o carácter racial da desigualdade no sistema de saúde de América.

Você pode amarrar apenas sobre cada tema importante às desigualdades. Algumas são falhas ou polarizações no sistema; algumas são circunstâncias infelizes; mais ou menos todos são prejudiciais. O alvo é aumentar o assoalho, deslocar acima o meio, e eliminar tectos. Se você faz este, você vê todas a população melhorar. Isto começa com aqueles que o precisam mais, mas todos tira proveito dele.”

Kai Ruggeri, filial do instituto da ciência dos dados

Um dos projectos de Ruggeri está usando a ciência dos dados para eliminar a desigualdade e aumentar o acesso dos cuidados médicos nas comunidades desmerecido em Brooklyn, no Bronx, em Manhattan, e em Queens. O projecto, chamado New York Nudging, é apoiado por uma concessão do fundo de semente do instituto da ciência dos dados. Está colaborando no projecto com a rede dos cuidados médicos da comunidade (CHN), uma clínica de saúde federal qualificada que forneça o cuidado aos Nova-iorquinos desfavorecidos.

Os centros federal financiados dos cuidados médicos como CHN fornecem cuidados médicos a mais de 20 milhão americanos que vivem em áreas empobrecido. Contudo em muitas daquelas áreas, quase a metade dos pacientes que fazem nomeações médicas nos centros não aparece--não porque não querem a, mas encontram barreiras principais. Os dados mostram que as nomeações pacientes da não-comparecência, e as oportunidades faltadas para cuidados médicos necessários, colocam uma carga enorme da saúde nas comunidades desfavorecidas. As não-comparecências, por exemplo, aumentam a probabilidade que os pacientes visitarão urgências e estarão hospitalizados para as circunstâncias que poderiam ter sido tratadas em clínicas. Como tal, mesmo as diminuições pequenas em taxas da não-comparecência em clínicas melhorariam a saúde de populações vulneráveis ao reduzir os custos médicos da nação.

Ruggeri publicou recentemente um papel sobre a pesquisa Nudging de New York na pesquisa dos serviços sanitários de BMC, que é possuída pela natureza de Springer. No papel, seus detalhes da equipe como é dados grandes dos usos e técnicas de aprendizagem Bayesian da máquina para compreender o que impede que muitos dos 80.000 pacientes de CHN façam suas nomeações médicas. A equipe igualmente discute diverso as intervenções do sistema e as políticas largas e comportáveis que os ajudariam a manter suas nomeações. Igualmente exploram barreiras comuns ao assistência ao paciente, tal como o transporte, a puericultura, os serviços de tradução, e tempos incómodos da nomeação.

Uma vez que a equipe avaliou os pacientes comportáveis e dados ambientais, assim como dados dos departamentos de emergência em hospitais do sócio, usará uma técnica conhecida como “cotoveladas” para ajudar pacientes a manter nomeações. As cotoveladas são as intervenções comportáveis que incentivam escolhas óptimas. Podem ser aplicados em uma variedade de maneiras, tais como o fornecimento de mais informação aos pacientes, ou mais enfaticamente a sublinhação da importância de atender controles regulares. O que é o mais importante é que as cotoveladas estão personalizadas, porque as intervenções as mais eficazes são aquelas que endereçam as necessidades específicas de indivíduos, Ruggeri diz.

“Avaliando fontes de dados clínicos, comportáveis, e ambientais, e então de combinar as intervenções as mais eficazes aos grupos adequados de pacientes, nós esperamos reduzir não-comparecências e visitas evitáveis aos departamentos de emergência,” diz. “Em executar métodos Bayesian da aprendizagem de máquina para compreender melhor testes padrões de comportamento nestes grupos, nós projectaremos as cotoveladas que aumentam o acesso dos cuidados médicos para os Nova-iorquinos os mais vulneráveis. Se nós fazemos ele direito, os métodos que nós criamos podem ser usados em clínicas da comunidade através dos E.U. para melhorar radical cuidados médicos ao significativamente reduzir o custo. Quando nós focalizarmos em New York, este trabalho tem o potencial ter o impacto nas comunidades rurais e urbanas em torno do país.”

CHN igualmente está jogando um maior protagonismo em combater Covid-19. Transitioned à telemedicina de oferecimento a seus clientes, dados o fechamento para baixo, ao igualmente servir como um local de teste Covid-19. A equipe de Ruggeri adaptou sua pesquisa para ajudar a rede a afirmar com o coronavirus, que a mostra dos dados afecta desproporcionalmente as comunidades da cor.

“Nós estamos trabalhando com a rede em um número de iniciativas, variando do regime de aperfeiçoamento da telemedicina a seguir os indivíduos incapazes de atender a sessões para ver se nós podemos formular intervenções para apoiar aqueles que precisam o cuidado mas enfrentamos barreiras ao obter,” diz. “CHN está contribuindo em maneiras críticas nesta pandemia, e nós somos gratos para o apoio do instituto da ciência dos dados permitir que nós projectem intervenções comportáveis e maximizem o uso dos dados ajudar a rede a entregar o cuidado.”

Junto com ser uma filial de DSI, Ruggeri pertence a dois dos centros do instituto: Analítica financeira e do negócio e analítica da saúde. A educação, a estabilidade financeira, a saúde, e a segurança nacional são os factores fundamentais que permitem populações de florescer, que é porque diz que se juntou a ambos os centros. No passado, os pesquisadores poderiam focalizar em um ou dois destes factores, mas com mais dados e recursos tecnologicos modernos, “nós podemos agora ver como todos estes factores interagem.”

“E conhecendo isto, nós podemos utilizar todos os dados e nova tecnologia para conduzir melhores resultados para aquelas que a precisam mais,” Ruggeri diz. “O instituto da ciência dos dados deu-me uma grande oportunidade de mergulhar headfirst neste trabalho cedo em meu tempo em Colômbia, e o apoio que me deram para se mover adiante com minha pesquisa é algo a esperança de I terá mesmo o maior impacto em um futuro próximo. Meu objetivo é criar melhores resultados no bem estar através de todas as comunidades--é o que me obtem acima nas manhãs--e a ciência dos dados está ajudando-me a conseguir esse objetivo.