Joint prediction of demand and care duration in Home Care patients: a Bayesian approach

Home Care (HC) service is an alternative to conventional hospitalization and consists of delivering medical, paramedical and social services to patients at their homes rather than in hospitals or nursing homes. Human resource planning in HC is a difficult task and, for a good quality of planning, knowledge of future patients' demands is required. The aim of this paper is to propose a Bayesian model for predicting the number of visits required by HC patients, which is fundamental for planning human and material resources, and at the same time describing the natural history of Care Profiles. We model patients' holding times, i.e., the duration of Care Profiles, and the number of nurses' visits at each future time slot. The model has been applied to the real data of one of the largest public HC providers in Italy. We computed the estimates of all model parameters and the predictions for both new patients and patients already in the charge. Preliminary results show the applicability of the approach in the practice and good quality of predictions.

L'Assistenza Domiciliare (HC) `e un'alternativa al ricovero ospedaliero convenzionale e consiste nell'erogazione di prestazioni mediche, paramediche e so- ciali ai pazienti direttamente a casa loro piuttosto che negli ospedali o nelle case di cura. La pianificazione delle risorse umane in Assistenza Domiciliare `e un com- pito difficile e, per una pianificazione di buona qualit`a, `e richiesta la conoscenza delle domande future dei pazienti. Lo scopo di questo lavoro `e proporre un mod- ello bayesiano per prevedere il numero di visite richieste dai pazienti in HC, che risulta fondamentale per pianificare le risorse umane e materiali, e allo stesso tempo l'evoluzione dei Profili di Cura. Sono stati modellati i tempi di permanenza dei pazienti, cio`e le durate dei Profili di Cura, e il numero di visite infermieristiche per ogni intervallo di tempo futuro. Il modello `e stato applicato ai dati reali di uno dei pi`u grandi erogatori pubblici di HC in Italia. Abbiamo calcolato le stime di tutti i parametri del modello e le previsioni sia per i nuovi pazienti che per quelli gi`a in carico. I risultati preliminari mostrano l'applicabilit`a pratica del metodo e l'accuratezza delle previsioni.