Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

La recherche neuve recense les facteurs qui contribuent à la disparité raciale dans des systèmes de santé

Les études de recherches prouvent que des patients de noir peuvent être soumis aux temps d'attente 30% plus longtemps que d'autres patients aux bureaux des médecins et à d'autres dispensaires, partant de peu de doute au sujet de la nature décentrée des systèmes d'ordonnancement de santé. La recherche neuve dans AVISE la fabrication de tourillon et le management d'opérations de service a recensé les facteurs qui contribuent à cette disparité raciale et ont trouvé des moyens de produire la parité parmi tous les patients.

L'étude, « surréservé et donné sur : L'apprentissage automatique et la polarisation raciale dans le Scheduling médical d'affectation, » ont été conduits par Michele Samorani, université de Santa Clara, à côté de Shannon Harris d'université de Commonwealth de la Virginie, de Haibing Lu et de Michael Santoro également d'université de Santa Clara, et de Linda Goler Blount de l'impératif de la santé des femmes de couleur.

Cette solution a été « chemin-avertie » aboubé et représente le fait que le groupe racial avec la possibilité la plus élevée de ne pas révéler est en général programmé dans les fentes indésirables, et pour cette raison l'attente plus longtemps.

Nous avons constaté que si les cliniques diminuent la période d'attente du groupe racial attendu attendre plus longtemps, ils suppriment presque la disparité raciale fortuite, et faisons ainsi sans affecter négativement le rendement de clinique. »

Michele Samorani, professeur adjoint, école de Leavey des affaires, université de Santa Clara

Une certaine réaction à cette méthode peut être que les patients que type l'exposition sera pénalisé. « C'est une situation rare de victoire-victoire-victoire, » dites Harris, professeur adjoint dans l'école de VCU des affaires. « Actuel, ces systèmes d'ordonnancement pénalisent les patients noirs pour ne pas révéler basé sur les questions socio-économiques qui sont hors de leur contrôle. Les disparités sont présentes en travers de beaucoup d'endroits et entraînent un effet d'ondulation pour les groupes sous-représentés. Par exemple, en raison des éditions de transport, les patients noirs ne peuvent pas toujours atteindre leurs affectations, signifiant ils deviennent programmés dans les fentes surréservées et attendent plus longtemps. Mais est-ce réellement leur erreur ? Est le système fêlé ? »

Ce travail peut être appliqué à d'autres disparités où deux groupes distincts sont définis, comme en cas de le genre, la religion ou le statut socio-économique.

Source:
Journal reference:

Samorani, M., et al. (2021) Overbooked and Overlooked: Machine Learning and Racial Bias in Medical Appointment Scheduling. Manufacturing & Service Operations Management. doi.org/10.1287/msom.2021.0999.