每天，NHS 的患者和工作人员都会花时间分享他们的经验。国家 NHS 调查计划在实现这一目标方面发挥了关键作用，我们知道许多 NHS 个体提供者不遗余力地征求员工、患者及其护理人员的反馈。这些信息非常有价值，因为它可以帮助我们了解我们在实现目标方面做得如何。
人们花时间写下的文字丰富而有力，反映了 NHS 在人们最需要关怀和同情的时刻触动人们的事实。这就是为什么我们现在正在思考 NHS 如何充分利用这些文字（技术上称为“非结构化数据”）——人们用自己的方式反馈的文字。
2020 年 NHS 员工调查提出了 2 个有关 COVID-19 的具体问题，让员工用自己的话回答。
疫情期间哪些做法行之有效，应该继续坚持下去？
我们应当汲取什么教训？
我们非常感谢许多 NHS 员工花时间回复并承担 副总裁维护电子邮件列表 起责任，认真分析收到的 700,000 条评论。通过调查提交的所有数据都是保密的。无法识别个人的回复；评论在公开之前都是匿名的。我们致力于支持 NHS 信托机构浏览、阅读并采取任何必要的行动来改进这些 NHS 员工的有力反馈。
NHS 员工调查是 NHS 中产生大量评论的众多工具之一。为了让我们能够以适当的速度理解关于 NHS 体验的数百万字，并利用它们来产生影响，我们需要数字技术。虽然人际交往和直接倾听员工、患者和护理人员的需求始终是必要的，但机器学习和数字技术的使用现在也是洞察工具包中必不可少的组成部分。我们正在运行许多项目，试图使用这项技术来支持该系统。
我们最近与多家 NHS 信托机构合作，作为癌症改进合作的一部分，致力于改善罕见和不常见癌症患者的体验。为了提供更多情报来指导和指导这项工作，我们委托了PEP Health（患者体验平台）。我们的目标是使用先进的算法来收集、分析和评价评论，以形成对护理质量的评分。评论来自评论网站、社交媒体和其他用户公开评论他们所接受的护理质量的网站。值得注意的是，我们没有收集个人特征，例如发帖人的年龄或性别，也没有试图推导它。此前从未有人以这种方式将社交媒体的数字数据用于 NHS 癌症服务，令人鼓舞的是，这项工作的成果显示出令人兴奋的潜力，可以提高我们对人们所说的话的理解。总体而言，这项工作发现了一个积极的画面，与癌症相关的评论得分高于所有其他评论。然而，也发现了一些重要的关键差异，例如，与所有其他癌症和非癌症评论相比，罕见和不常见癌症患者对快速访问的评论不太积极。研究还表明，癌症患者更频繁地谈论护理的持续性和清晰的信息。
令人鼓舞的是，这些数据与国家癌症患者体验调查一起支持了改进项目，包括在东兰开夏郡建立确诊的神经内分泌肿瘤患者数据库的工作。
我们也非常高兴能与 2 个 NHS 团队（帝国理工学院和诺丁汉郡）密切合作。我们正在支持他们探索如何利用他们在本地构建的方法来最好地理解员工和患者通过 NHS 朋友和家人测试提供的大量匿名评论。开发完成后，这些方法将进行试点并提供临时解决方案。如果我们能够找到一种方法来扩大这些方法的规模，他们的机器学习算法可能会改变 NHS 提供商的游戏规则。
这项工作是真正的前沿创新，有可能通过语言的力量为患者护理和员工体验带来巨大而有意义的改善。我们的目标是进一步分享和传播这项工作，并更好地了解 NHS 以及使用它和提供其服务的人们的需求——如果您有兴趣了解更多信息或分享您在这方面所做的工作，请与我们联系。