Analytics and lean health care to address nurse care management challenges for inpatients in emerging economies

Abstract

Purpose: Prescriptive and predictive analytics and artificial intelligence (AI) provide tools to analyze data with objectivity. In this paper, we pro-vide an overview of how these techniques can improve nursing care, and we detail a quantitative model to afford managerial insights about care management in a Hospital in Colombia. Our main purpose is to provide tools to improve key performance indicators for the care management of inpatients which includes the nurse workload.Methods: The optimal nurse- to- patient assignment problem is addressed using analytics, lean health care, and AI. Also, we propose a new math-ematical model to optimize the nurse- to- patient assignment decisions con-sidering several variables about the patient state such as the Barthel index, their risks, the complexity of the care, and the mental state.Findings: Our results show that there are several processes inherent to compassionate nursing care that can be improved using technology. By using data analytics, we can also provide insights about the high variability of the care requirements and, by using models, find nurse- to- patient as-signments that are nearly perfectly balanced.Conclusions: We illustrated this improvement with a pilot test that makes the equitable distribution of nursing workload the functionality of this strategy. The findings can be useful in highly complex hospitals in Latin America.Clinical Relevance: The proposed model presents an opportunity to make near perfectly balanced nurse- to- patient assignments according to the num-ber of patients and their health conditions using technology.This is an open access article under the terms of the Creat ive Commo ns Attributio n- NonCo mmerc ial- NoDerivs License, which permits use and distribution in any medium, provided the original work is properly cited, the use is non- commercial and no modifications or adaptations are made.

Propósito: el análisis prescriptivo y predictivo y la inteligencia artificial (IA) brindan herramientas para analizar datos con objetividad. En este artículo, proporcionamos una descripción general de cómo estas técnicas pueden mejorar la atención de enfermería y detallamos un modelo cuantitativo para brindar información gerencial sobre la gestión de la atención en un hospital en Colombia. Nuestro objetivo principal es proporcionar herramientas para mejorar los indicadores clave de rendimiento para la gestión de la atención de los pacientes hospitalizados, lo que incluye la carga de trabajo de la enfermera. Métodos: el problema de asignación óptima de enfermera a paciente se aborda mediante análisis, atención de la salud ajustada e IA. Además, proponemos un nuevo modelo matemático para optimizar las decisiones de asignación de enfermera a paciente considerando varias variables sobre el estado del paciente, como el índice de Barthel, sus riesgos, la complejidad de la atención y el estado mental. Hallazgos : Nuestros resultados muestran que existen varios procesos inherentes al cuidado compasivo de enfermería que se pueden mejorar con la tecnología. Mediante el uso de análisis de datos, también podemos proporcionar información sobre la gran variabilidad de los requisitos de atención y, mediante el uso de modelos, encontrar asignaciones de enfermera a paciente que estén casi perfectamente equilibradas. Conclusiones: Ilustramos esta mejora con una prueba piloto que hace de la distribución equitativa de la carga de trabajo de enfermería la funcionalidad de esta estrategia. Los hallazgos pueden ser útiles en hospitales de alta complejidad en América Latina. Relevancia clínica: El modelo propuesto presenta una oportunidad para hacer asignaciones de enfermera a paciente casi perfectamente equilibradas de acuerdo con el número de pacientes y sus condiciones de salud usando tecnología. Esto es un artículo de acceso abierto bajo los términos de Creative Commons Attribution- NonCommerc ial- NoDerivs License, que permite el uso y la distribución en cualquier medio, siempre que se cite correctamente el trabajo original, el uso no sea comercial y no se realicen modificaciones o se hacen adaptaciones.