SYSTEM AND METHOD FOR PROVIDING MODEL-BASED PREDICTIONS OF ACTIVELY MANAGED PATIENTS

• Main Authors: LAUTE, Niels, TESANOVIC, Aleksandra, LLOYD, David, CAFFAREL, Jennifer
• Format: Patent
• Language: English; French
• Published: 21.11.2019
• Subjects: HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; PHYSICS

The present disclosure pertains to a system for providing model-based predictions of actively managed patients. In some embodiments, the system (i) obtains a collection of information related to a payer-attributed population of patients associated with a provider; (ii) extracts, from the collection of information, health insurance claims data, clinical data, process data, and patient encounter data; (iii) provides the health insurance claims data, clinical data, process data, and patient encounter data to a machine learning model to train the machine learning model; (iv) causes the machine learning model to predict familiarity values associated with patients of the population of patients; and (v) generates a provider assessment based on the familiarity values and the collection of information. La présente invention concerne un système pour fournir des prédictions basées sur un modèle de patients activement gérés. Dans certains modes de réalisation, le système (i) obtient une collection d'informations relatives à une population attribuée au payeur de patients associés à un prestataire; (ii) extrait, à partir de la collection d'informations, des données de déclaration d'assurance de santé, des données cliniques, des données de processus et des données de rencontre de patient; (iii) fournit les données de déclaration d'assurance santé, les données cliniques, les données de processus et les données de rencontre de patient à un modèle d'apprentissage automatique pour entraîner le modèle d'apprentissage automatique; (iv) amène le modèle d'apprentissage automatique à prédire des valeurs de familiarité associées à des patients de la population de patients; et (v) génère une évaluation de prestataire sur la base des valeurs de familiarité et de la collecte d'informations.