Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

La nuova ricerca identifica i fattori che contribuiscono alla disparità razziale in sistemi sanitari

Gli studi della ricerca indicano che i pazienti del nero possono essere sottoposti più lungamente ai tempi di attesa 30% di altri pazienti agli uffici e ad altre strutture ospedaliere di medici, lascianti poco dubbio circa la natura polarizzata dei sistemi di programmazione di sanità. La nuova ricerca in INFORMA la fabbricazione del giornale & la gestione di operazioni di servizio ha identificato i fattori che contribuiscono a questa disparità razziale ed hanno trovato i modi creare la parità fra tutti i pazienti.

Lo studio, “prenotato in eccesso e trascurato: L'apprendimento automatico e la tendenziosità razziale nello Scheduling medico di nomina,„ sono stati condotti da Michele Samorani, università di Santa Clara, accanto a Shannon Town Harris della Virginia Commonwealth University, di Haibing LU e di Michael Santoro egualmente dall'università di Santa Clara e di Linda Goler Blount dall'imperativo della salubrità delle donne di colore.

Questa soluzione è stata “corsa-informato„ definito e rappresenta il fatto che il gruppo razziale con il più alta probabilità di non rivelare è preveduto tipicamente in slot indesiderabili e quindi l'attesa più lungamente.

Abbiamo trovato che se le cliniche fanno diminuire il tempo di attesa del gruppo razziale preveduto di aspettare lungamente, quasi sradicano la disparità razziale non intenzionale ed agiamo in tal modo senza negativamente pregiudicare il risparmio di temi della clinica.„

Michele Samorani, assistente universitario, banco dell'affare, università di Leavey di Santa Clara

Una certa reazione a questo metodo può essere che pazienti che la manifestazione sarà penalizzata tipicamente. “È una situazione rara di vittoria-vittoria-vittoria,„ dica Harris, assistente universitario nel banco di VCU dell'affare. “Corrente, questi sistemi di programmazione stanno penalizzando i pazienti neri per non rivelare basato sulle emissioni socioeconomiche che sono dal loro controllo. Le disparità sono presenti attraverso molte aree e causano un effetto di ondulazione per i gruppi sottorappresentati. Per esempio, dovuto le emissioni del trasporto, i pazienti neri non possono raggiungere sempre le loro nomine, significanti essi ottengono programmati in slot prenotati in eccesso ed aspettano più lungamente. Ma è realmente la loro faglia? È il sistema incrinato?„

Questo lavoro può applicarsi ad altre disparità dove due gruppi distinti sono definiti, quali nei casi del genere, la religione o lo stato socioeconomico.

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.