O UHCW NHS Trust, a IBM Consulting® e a Celonis SE formaram uma equipe unida e mista para analisar os serviços ambulatoriais do trust por meio das lentes da experiência do paciente e dos resultados de saúde. A abordagem combinou o modelo IBM Garage, a mineração de processos impulsionada por IA da Celonis, as principais práticas de análise de dados da UHCW NHS Trust e suas atividades contínuas de melhoria de operações.
A equipe combinada analisou mais de meio milhão de jornadas de pacientes pseudonimizados por meio dos dados operacionais do fundo, bem como pesquisas presenciais e entrevistas com a equipe no centro do processo. Dados demográficos pseudonimizados foram sobrepostos a esta análise, garantindo que as descobertas e as intervenções não exacerbavam as desigualdades na saúde. Esta abordagem única levou a oportunidades de melhoria e intervenções num período de semanas, em vez de meses.
Um desses aprimoramentos concentrou-se na abordagem do UHCW NHS Trust em relação às consultas perdidas de pacientes - conhecidas como "não comparecimento" (DNAs) - que são mais comuns entre as pessoas com altos índices de privação. Depois de identificar um pico de cancelamentos de última hora após o envio de dois lembretes por SMS, uma equipe do IBM Garage™ foi usada para explorar como melhorar a probabilidade de remarcar esses horários. Posteriormente, eles descobriram que, ao adaptar o tempo desses lembretes de texto - enviando um aviso prévio aos pacientes com 14 dias de antecedência de suas consultas e um acompanhamento quatro dias antes -, o trust poderia aumentar os cancelamentos oportunos na coorte qualificada para duas mensagens de texto, permitindo que esses horários de consulta fossem reutilizados.
Como parte do projeto, a IBM e a UHCW NHS Trust também testaram o IBM® watsonx.ai™ tecnologia para treinar, ajustar e implantar modelos de aprendizado de máquina para apoiar a equipe do hospital no agendamento e validação de pacientes na lista de pendências eletivas. E a solução usa recursos de IA generativa (gen AI) para ler cartas clínicas e ajudar na verificação do status da lista de espera dos pacientes.