与调查结果一起使用的电子健康记录的数据集，利用人工智能机器学习算法来传达病人的满意度改进的建议，根据最近的一项研究发表在电气的和电子工程师学会生物医学和健康信息，建立伙伴关系与盖辛格。

“患者医疗保健就像一次旅行。他们需要在整个住院期间与不同服务单位的多名卫生专业人员进行互动，”该研究的主要作者刘宁在一份新闻稿中说。

“对于提供者来说，了解每个患者群体的需求非常重要，例如接受手术、癌症治疗或急诊就诊的患者。我们想知道什么对每个组最重要，我们如何从收到的数据中解释这一点?”

研究人员将机器学习算法应用于电子健康记录和调查结果的综合数据集，将数据转换为信息，然后人工智能可以将其转化为建议。

调查结果显示，患者与其护理团队之间的有效沟通和尊重对患者满意度有重大影响。虽然护理效率和解决问题的帮助是调查受访者成功的最重要衡量标准，但事实证明，疼痛管理质量对患者满意度也至关重要。

Liu 解释说，许多机器学习算法会输出可靠的结果，但很少有人深入了解它们是如何达到这些结果的。这个特定模型的独特之处在于它提供了对其发现的解释，使其更加用户友好且更易于理解。

“如果你申请信用卡并被拒绝，信用卡公司必须告诉你原因，”刘在新闻稿中解释道。

“对于我们的模型，它必须告诉我们它是如何得到答案的。这使得其他人更容易理解数据，使其成为医院和整个医疗保健系统的强大工具。这有助于他们实施变革，以提高各个层面的患者满意度，从上到下到各个单位工作人员。”

由于其可用性，该模型也有可能用于其他行业。但是对于医疗保健而言，有一种解释患者满意度的方法可能会对改善满意度和健康结果产生积极影响。

“我认为这项工作鼓励了患者满意度与高级分析相结合的未来研究，”盖辛格钢铁健康创新研究所商业智能和高级分析主管 Eric S. Reich 在新闻稿中说。

“医疗保健系统可以利用这些发现来推动患者满意度的有针对性的改善，直到我们知道具有某些特征的患者是否正在接受膝关节置换术，然后我们相信这些是前三项将确保患者有非常积极的体验。发现患者满意度背后的关键驱动因素是提高以患者为中心的医疗保健质量的关键因素。”

研究人员强调，患者满意度是医院极其重要的衡量标准。最近的数据甚至表明，患者的保险类型可能会对他们的满意度产生重大影响。但这通常是一种被误解的衡量标准，许多医疗保健专业人员在评估和提高患者满意度方面遇到了障碍。