Datengesteuerte robuste Aufnahme- und Entlassungskontrolle für Krankenhäuser mit Wiederaufnahmen

• Antragsteller: Professor Jingui Xie, Ph.D.
• Fachliche Zuordnung: Operations Management und BWL-spezifische Wirtschaftsinformatik ; Public Health, Gesundheitsbezogene Versorgungsforschung, Sozial- und Arbeitsmedizin
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 543063591

Dieses Projekt zielt darauf ab, ein dynamisches, datengesteuertes Unterstützungssystem für die medizinische Entscheidungsfindung voranzutreiben und das Management von Krankenhauseinweisungen und Entlassungsprozessen bei der Prüfung von Wiedereinweisungen zu verbessern. Ziel ist es, die Risikovorhersage für die Wiederaufnahme von Patienten zu verfeinern, indem intrinsische Herausforderungen mit neuen Instrumentvariablen (IVs) in der prädiktiven Analyse angegangen werden und über traditionelle IVs wie den Aufnahmetag der Woche hinausgegangen wird, der für Wahlpatienten möglicherweise nicht so effektiv ist. Der Eckpfeiler des Projekts ist ein dynamisches Optimierungsmodell, das auf einem „Risikoindex“ basiert und die Einweisungen strategisch plant und mögliche vorzeitige Entlassungen vor dem Hintergrund der Kapazitätsengpässe der Station bewertet. Dieses Modell soll die unmittelbaren Anforderungen der Krankenhausarbeitsbelastung mit den längerfristigen Risiken im Zusammenhang mit der Wiederaufnahme von Patienten in Einklang bringen, eine Berechnung, die in früheren Untersuchungen nicht vollständig berücksichtigt wurde. In Anerkennung der Tatsache, dass kein Vorhersagemodell vor Schätzfehlern gefeit ist, beinhaltet unser Ansatz ein Robustheitsoptimierungs-Framework, um das Entscheidungsmodell gegen solche Ungenauigkeiten zu schützen und so die Zuverlässigkeit der Ergebnisse zu erhöhen. Im Gegensatz zur herkömmlichen Methode „Vorhersagen und dann optimieren“ wollen wir ein Framework entwickeln, das prädiktive und präskriptive Analysen nahtlos kombinieren kann. Das Projekt wird in der Entwicklung einer datengesteuerten Simulation gipfeln, um die Wirksamkeit der vorgeschlagenen Modelle im Vergleich zu etablierten Benchmarks auf diesem Gebiet genau zu bewerten. Dieser umfassende Ansatz zielt darauf ab, einen robusten Entscheidungsrahmen zu liefern, der die betriebliche Effizienz und die Patientenversorgung in Krankenhäusern deutlich verbessern kann.

• DFG-Verfahren: Sachbeihilfen