کلمبیا استاد مواجه بهداشت و درمان نابرابری در زمان COVID-19

کای Ruggeri پژوهش است و یکی از مهم هدف: به منظور بهبود رفاه جمعیت مقابله با نابرابری. او یک رفتاری دانشمند در کلمبیا است که با استفاده از علم داده ها برای طراحی مداخلات و توصیه سیاست های است که کمک به آسیب پذیرترین و محروم جمعیت غلبه بر نابرابری.

به عنوان استادیار در بخش بهداشت و درمان سیاست و مدیریت در دانشگاه کلمبیا را به پستچی دانشکده بهداشت Ruggeri تمرکز جمعیت در سطح رفتارهای مانند راه مردم مالی را انتخاب و با استفاده از مراقبت های بهداشتی. در حالی که کار او شامل کل جمعیت زیادی از تمرکز خود را در چگونه برای رسیدگی به نابرابری در دسترسی و نتایج به خصوص در میان محروم ترین. چنین بی عدالتی تبدیل شده اند و حتی بیشتر آشکار با شیوع Covid-19 به عنوان نرخ بالاتر از عفونت و مرگ و میر در میان مردم رنگ نشان دادن نژادی شخصیت نابرابری در امریکا سیستم مراقبت های بهداشتی.

"شما می توانید کراوات فقط در مورد هر مسئله عمده به نابرابری می گوید:" Ruggeri که وابسته به داده های موسسه علوم. "برخی معایب و یا تعصبات در سیستم ها و شرایط ناگوار; تقریبا همه مضر هستند. هدف این است که برای بالا بردن طبقه تغییر معنی تا و از بین بردن سقف. اگر شما انجام این کار, شما ببینید کل جمعیت بهبود است. این شروع می شود با کسانی که به آن نیاز دارید اما هر کس از مزایای آن است."

یکی از Ruggeri پروژه های است که با استفاده از علم داده ها برای از بین بردن نابرابری و افزایش دسترسی به مراقبت های بهداشتی بدون استحقاق در جوامع در بروکلین و برانکس منهتن و ملکه است. این پروژه به نام Nudging نیویورک است که پشتیبانی شده توسط داده های علمی موسسه صندوق دانه گرانت. او با همکاری در این پروژه با جامعه شبکه بهداشت و درمان (CHN) و فدرال واجد شرایط درمانگاه بهداشت فراهم می کند که مراقبت به محروم نیویورکی.

بودجه فدرال مراکز بهداشتی مانند CHN ارائه مراقبت های پزشکی به بیش از 20 میلیون آمریکایی که در مناطق فقیر. در عین حال در بسیاری از این مناطق نزدیک به نیمی از بیماران را که قرار ملاقات های پزشکی در این مراکز را نشان نمی دهد تا--نه به این دلیل آنها نمی خواهند به اما آنها روبرو می شوند عمده موانع. داده ها نشان می دهد که بیمار هیچ نشان می دهد قرار ملاقات ها و فرصت های از دست رفته برای مراقبت های پزشکی مورد نیاز محل یک بار بهداشت در جوامع محروم. هیچ-نشان می دهد برای مثال افزایش احتمال که بیماران را در بازدید از اتاق های اورژانس و بیمارستان بستری شود برای شرایط است که می تواند درمان شده اند در درمانگاه. به این ترتیب حتی کوچک کاهش می یابد در هیچ نشان می دهد نرخ در درمانگاه خواهد بهبود سلامت جمعیت های آسیب پذیر در حالی که کاهش این کشور هزینه های پزشکی.

Ruggeri به تازگی منتشر شده یک مقاله در مورد Nudging نیویورک پژوهش در BMC پژوهش در خدمات بهداشتیاست که متعلق به اسپرینگر طبیعت است. در این مقاله تیم خود را در جزئیات آن است که چگونه با استفاده از داده های بزرگ و بیزی تکنیک یادگیری ماشین برای درک آنچه مانع بسیاری از 80,000 CHN بیماران از ساخت خود قرار ملاقات های پزشکی. این تیم همچنین در مورد چند سیستم گسترده و مداخلات رفتاری و سیاست هایی که آنها را کمک خواهد کرد نگه داشتن قرار ملاقات خود را. آنها همچنین کشف موانع مشترک برای مراقبت از بیمار مانند حمل و نقل, مراقبت از کودکان, خدمات ترجمه و ناخوشایند بار ملاقات.

هنگامی که تیم ارزیابی بیماران رفتاری و زیست محیطی داده ها و همچنین داده ها از بخش اورژانس در شریک بیمارستان آن را با استفاده از یک تکنیک شناخته شده به عنوان "اشاره" برای کمک به بیماران مبتلا به نگه داشتن قرار ملاقات. اشاره مداخلات رفتاری هستند که تشویق مطلوب را انتخاب کند. آنها را می توان در راه های مختلفی مانند ارائه اطلاعات بیشتر به بیماران و یا بیشتر یقین تاکید بر اهمیت حضور در معاینات منظم. آنچه مهم است این است که اشاره است به طور شخصی به عنوان موثرترین مداخلات کسانی هستند که رسیدگی به نیازهای خاص افراد Ruggeri می گوید.

"ارزیابی منابع بالینی رفتاری و زیست محیطی داده و سپس مطابق موثرترین مداخلات در سمت راست گروه از بیماران ما امیدواریم که به هیچ کاهش نشان می دهد و قابل اجتناب بازدید از بخشهای اورژانس," او می گوید. "در اجرای بیزی روشهای یادگیری ماشین برای درک بهتر الگوهای رفتاری در این گروه ما طراحی هل می دهد که افزایش دسترسی به مراقبت های بهداشتی برای آسیب پذیر ترین نیروهای جدید است. اگر ما این کار را انجام درست روش کار ما ایجاد می شود استفاده می شود در جامعه کلینیک ها در سراسر ایالات متحده به ریشه بهبود مراقبت های بهداشتی در حالی که به طور قابل توجهی کاهش هزینه. در حالی که تمرکز ما در نیویورک این کار به طور بالقوه برای تاثیر در مناطق روستایی و جوامع شهری در سراسر کشور است."

CHN نیز نقش اصلی را در مبارزه با Covid-19. این انتقال به پزشکی از راه دور ارائه به مشتریان خود با توجه به قفل کردن در حالی که همچنین در خدمت به عنوان یک Covid-19 تست سایت. Ruggeri تیم اقتباس تحقیقات خود را برای کمک به شبکه با ادعا coronavirus که داده ها نشان می دهد به طور نامتناسبی تحت تاثیر جوامع از رنگ.

"ما در حال کار با شبکه در تعدادی از طرح ها اعم از بهینه سازی پزشکی از راه دور ترتیبات برای ردیابی افراد قادر به حضور در جلسات برای دیدن اگر ما می تواند به تدوین مداخلات برای حمایت از کسانی که نیاز به مراقبت اما در صورت موانع آن," او می گوید. "CHN کمک در بخش راه در این گیر و ما سپاسگزار برای حمایت از داده های موسسه علوم به ما اجازه می دهد برای طراحی مداخلات رفتاری و به حداکثر رساندن استفاده از داده ها به کمک شبکه ارائه مراقبت."

همراه با وابسته بودن از DSI Ruggeri متعلق به دو موسسه مراکز مالی و کسب و کار تجزیه و تحلیل و سلامت تجزیه و تحلیل ترافیک. آموزش های مالی, ثبات, سلامت, و امنیت ملی در حال اساسی عوامل فعال جمعیت به رشد به همین دلیل است که او می گوید او پیوست و هر دو مراکز. در گذشته محققان می تواند تمرکز بر روی یک یا دو تا از این عوامل اما با داده های بیشتر و مدرن تکنولوژی منابع "ما در حال حاضر می توانید ببینید که چگونه همه این عوامل در تعامل است."

"و دانستن این ما می توانیم با استفاده از تمام داده ها و فن آوری های جدید به درایو نتایج بهتر برای کسانی که به آن نیاز دارید بیشتر" Ruggeri می گوید. "داده های موسسه علوم به من یک فرصت بزرگ را به شیرجه رفتن سر به این کار در اوایل زمان من در دانشگاه کلمبیا و حمایت آنها را به من داد تا به جلو حرکت با تحقیقات من چیزی است که من امیدوارم که خواهد شد که حتی تاثیر بیشتری در آینده نزدیک. هدف من این است که برای ایجاد نتایج بهتر در خوب بودن در تمام جوامع--این چیزی است که من می شود تا در صبح--و علم داده ها است که کمک به من برای رسیدن به این هدف است."

###

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.