---
title: "AI przewiduje nieobecność: pomoc czy podwójna rezerwacja?"
description: "Zobacz, jak placówka może reagować na prognozę nieobecności pacjenta: zaoferować pomoc, zachować termin i zmierzyć efekt bez podwójnej rezerwacji."
image: "https://ai4med.pl/img/ai-ryzyko-nieobecnosci-pacjenta.jpg"
date: 2026-09-27
author: Jacek Wyderka
category: AI w placówce medycznej
tags: nieobecność pacjenta, rejestracja wizyt, predykcja AI, dostęp do świadczeń
url: "https://ai4med.pl/ai-w-placowce-medycznej/ai-ryzyko-nieobecnosci-pacjenta"
inLanguage: pl
---

# AI przewiduje nieobecność: pomoc czy podwójna rezerwacja?

Kiedy system oznacza umówionego pacjenta jako osobę z wysokim ryzykiem nieobecności, rejestracja może chcieć od razu wykorzystać ten termin drugi raz. **Wynik ryzyka powinien jednak uruchamiać dodatkowy kontakt i pomoc przy zachowaniu rezerwacji, nie automatyczną podwójną rezerwację**; w tym artykule porównamy oba podejścia i pokażemy, co mierzyć.

**Wynik ryzyka nieobecności** (ocena modelu wskazująca rezerwacje wymagające dodatkowego kontaktu) nie jest zapowiedzią tego, co zrobi konkretna osoba. AI może ustawić kolejność pracy rejestracji, ale **nie odwołuje wizyty, nie przydziela tego samego czasu drugiemu pacjentowi i nie nakłada kary**. Decyzję o kontakcie podejmuje człowiek według jawnej zasady placówki.

Dwa świeże materiały dobrze pokazują różnicę między prognozą a skutecznym działaniem. W amerykańskim sondażu stowarzyszenia zarządzających grupami medycznymi (Medical Group Management Association, MGMA) z 11 sierpnia 2026 r. 32% ze 190 grup medycznych zgłosiło wzrost nieobecności, a część respondentów stosowała nawet podwójne rezerwacje; autorzy wyraźnie zastrzegli, że komentarze nie dowodzą skuteczności tych reakcji. Z kolei badanie szpitalnych wizyt na rezonans magnetyczny opublikowane 4 sierpnia 2026 r. wykazało, że model potrafił wskazać grupę ryzyka, lecz telefon do oznaczonych pacjentów **nie zmniejszył ogólnego odsetka nieobecności**. To dane spoza Polski i z innych organizacji, więc są ostrzeżeniem przed skrótem myślowym, a nie gotową receptą dla przychodni.

## Prognoza ryzyka nie zwalnia terminu pacjenta

Dopóki pacjent nie odwołał wizyty albo placówka nie zmieniła jej zgodnie z uzgodnioną procedurą, **termin nadal jest zajęty**. W centralnej e-rejestracji NFZ pacjent może odwołać wizytę przez Internetowe Konto Pacjenta (IKP), aplikację lub telefonicznie, a dopiero uwolniony termin może trafić do innej osoby. Prywatna placówka powinna równie jasno opisać moment, w którym rezerwacja naprawdę staje się wolna.

**Prognoza nie jest odwołaniem.** Może być podstawą, by zapytać o przeszkodę, zaoferować zmianę godziny, wskazać prosty kanał anulowania lub przypomnieć przygotowanie do wizyty. Jeśli pacjent zrezygnuje, dopiero wtedy można uruchomić [listę rezerwową pacjentów](/ai-w-placowce-medycznej/lista-rezerwowa-ai). Sam ranking bywa trafny, ale nie mówi jeszcze jak zareagować wobec konkretnej osoby.

Ta granica chroni nie tylko pacjenta. **Chroni też grafik przed konfliktem**, którego model może nie uwzględnić: dwie osoby pojawiają się punktualnie, lekarz ma jedno stanowisko, a rejestracja musi na miejscu zdecydować, kto poczeka albo wróci innego dnia.

## Dodatkowy kontakt pomaga, podwójna rezerwacja przenosi ryzyko

> **Przykład modelowy** — liczby nie opisują żadnej rzeczywistej polskiej placówki ani oczekiwanego efektu. Zakładamy, że porównywane okresy obejmują podobne typy wizyt; tabela służy do wyboru sposobu reakcji, nie do przewidywania wyniku.

Porównaj oba warianty na podobnych typach wizyt i oceniaj nie tylko przyjścia, lecz także zmiany terminu oraz dodatkowy czas rejestracji. **Nie wdrażaj podwójnej rezerwacji jako testu tylko po to, by zebrać dane** — jej konsekwencje można najpierw przeanalizować na danych historycznych i modelowym scenariuszu.

| Reakcja rejestracji | Co dzieje się z terminem | Co trzeba zmierzyć | Ryzyko dla pacjenta |
| --- | --- | --- | --- |
| Dodatkowy kontakt i pomoc | Termin pozostaje przypisany pierwotnie zapisanej osobie; rejestracja pomaga potwierdzić, odwołać albo zmienić wizytę | frekwencja, wcześniejsze odwołania i zmiany terminu, minuty kontaktu, ukończona wizyta po zmianie | zbyt wiele prób kontaktu lub komunikat niedopasowany do bariery |
| Podwójna rezerwacja po samym wyniku | Druga osoba dostaje ten sam czas, choć pierwsza nie odwołała wizyty | jednoczesne przyjścia, opóźnienie, czas dodatkowej obsługi, przymusowa zmiana terminu, skargi | przeniesienie niepewności modelu na dwie osoby i personel |

**Różnica nie polega na liczbie SMS-ów.** Pierwszy wariant próbuje usunąć przeszkodę i daje pacjentowi prostą drogę do decyzji. Drugi zakłada, że przewidywanie jest wystarczająco pewne, by sprzedać ten sam zasób dwukrotnie — choć nawet dobry model podaje tylko prawdopodobieństwo, a nie informację o rezygnacji z wizyty.

## Przykład modelowy: co się dzieje, gdy obaj pacjenci przychodzą?

Wyobraźmy sobie wizytę o 10:30. Pacjent A ma wysoki wynik ryzyka, bo w danych widnieje długi czas oczekiwania i wcześniejsza nieobecność; placówka dopisuje więc pacjenta B. **A przychodzi dziesięć minut wcześniej, B punktualnie**, a gabinet może obsłużyć tylko jedną osobę.

W tym momencie najważniejsze nie jest to, jak często model prawidłowo wskazuje wizyty zakończone nieobecnością. Manager musi uwzględnić **opóźnienie kolejnych wizyt, dodatkową pracę rejestracji, ewentualną zmianę terminu i wpływ na dostęp obu osób**. Jeśli jedna z nich przyjechała z daleka, przygotowała się do badania albo zwolniła się z pracy, koszt błędu nie mieści się w polu „slot wykorzystany”.

To jest kotwica całej decyzji: **model może prawidłowo wykrywać podwyższone ryzyko w grupie, a jednocześnie mylić się wobec konkretnego pacjenta**. Dlatego akcja po wyniku powinna być odwracalna i pomocna. Telefon, SMS z możliwością zmiany terminu lub pytanie o barierę można zakończyć bez szkody; dwóch pacjentów na jeden gabinet już nie tak łatwo.

## Porównaj frekwencję, zmiany terminu i czas obsługi

Bezpieczny pilotaż nie porównuje „AI kontra brak AI”. Porównuje **standardowe przypomnienie** z **tym samym przypomnieniem oraz dodatkowym kontaktem dla podobnej grupy wizyt**. Typ wizyty, długość oczekiwania i okres pomiaru powinny być możliwie zbliżone, inaczej różnicę łatwo przypisać modelowi, choć wynika z sezonu albo innego grafiku.

Zapisz osobno cztery wyniki. **Frekwencja** mówi, ilu pacjentów przyszło. **Wcześniejsza zmiana lub rezygnacja** pokazuje, czy kontakt uwolnił termin z czasem na reakcję placówki. **Ukończenie wizyty po przełożeniu** sprawdza, czy pomoc nie zakończyła się tylko przesunięciem problemu. **Minuty pracy rejestracji** pokazują koszt działania, którego nie widać w samej trafności prognozy.

Badanie wizyt na rezonans magnetyczny z 2026 r. jest tu szczególnie pouczające: w grupie objętej dodatkowymi telefonami 21,9% wizyt zakończyło się nieobecnością wobec 22,0% w grupie porównawczej. Osoby, które odebrały telefon, miały lepszy wynik niż te nieosiągnięte, ale nie dowodzi to, że samo odebranie spowodowało różnicę. **Najpierw trzeba sprawdzić, czy kontakt realnie dociera do pacjentów i czy oferuje pomoc pasującą do bariery.**

Taki zapis pomaga oddzielić wynik modelu od działania które naprawdę dostał pacjent. Manager widzi wtedy trzy osobne rzeczy: jak często model wskazuje właściwe wizyty, czy rejestracja dociera do oznaczonych osób i czy kontakt poprawia frekwencję bez nadmiernego obciążenia personelu. Dopiero ta trójka pozwala zdecydować, czy rozszerzać proces.

## Kiedy zacząć od dodatkowego kontaktu, a kiedy go zatrzymać?

**Pierwszy krok:** wybierz jeden typ wizyty i jedną pomoc, którą rejestracja może zaoferować osobie z wysokim wynikiem ryzyka — na przykład łatwą zmianę godziny, rozmowę o przygotowaniu do badania albo wskazanie kanału odwołania. Zachowaj termin, ustal maksymalną liczbę prób kontaktu i zapisz, kto zatwierdza wyjątek.

**Warto zacząć, gdy** placówka ma spójne dane o wizytach, potrafi rozdzielić nieobecność od wcześniejszego odwołania i ma konkretną pomoc zamiast samego ponaglenia. **Zatrzymaj pilotaż, gdy** wynik uruchamia karę, automatyczne odebranie terminu, kontakt bez jasnej podstawy albo nacisk na personel, by dublował grafik mimo braku rezygnacji.

Po pierwszym okresie porównaj grupy i przeczytaj kilka spraw od początku do końca. **AI przygotowuje kolejkę do kontaktu, człowiek wybiera bezpieczną reakcję**, a manager ocenia zarówno dostęp, jak i koszt obsługi. Jeżeli dodatkowy kontakt nie zmienia frekwencji ani wcześniejszych zmian terminu, nie ratuj projektu większą liczbą wiadomości — wróć do pytania, jaką barierę placówka naprawdę może usunąć.

## Źródła

- [McMahon i in., JAMIA Open — From prediction to practice](https://pubmed.ncbi.nlm.nih.gov/42553932/) — badanie modelu ryzyka nieobecności i losowej serii telefonów przy wizytach na rezonans magnetyczny; pokazuje różnicę między trafnością prognozy a efektem kontaktu oraz ograniczenie przenoszenia wyników na inne placówki. Sprawdzono: 2026-09-25.
- [MGMA Stat — About 1 in 3 medical groups see higher no-shows in 2026](https://prod.mgma.com/mgma-stat/about-1-in-3-medical-groups-see-higher-no-shows-in-2026-as-patients-face-higher-costs) — świeży sygnał branżowy z USA o skali problemu, stosowanych reakcjach i zastrzeżeniu, że komentarze respondentów nie dowodzą przyczyn ani skuteczności działań. Sprawdzono: 2026-09-25.
- [NFZ — Centralna e-rejestracja na kolejne świadczenia](https://www.nfz.gov.pl/aktualnosci/aktualnosci-centrali/centralna-e-rejestracja-na-mammografie-test-hpv-hr-i-pierwsza-wizyte-u-kardiologa%2C8969.html) — oficjalny polski komunikat o sposobach odwołania wizyty i udostępnieniu zwolnionego terminu innemu pacjentowi; wybrany zamiast wtórnego poradnika. Sprawdzono: 2026-09-25.
- [Insight Media — Ghosted by Patients? AI Can Help](https://insightmediagroup.com/2026/08/27/ghosted-by-patients-ai-can-help/) — branżowy komentarz pokazujący popularny schemat: wskazanie wizyt o podwyższonym ryzyku i kontakt rejestracji; użyty jako punkt wyjścia, nie jako dowód skuteczności ani danych dla Polski. Sprawdzono: 2026-09-25.
- Okładka: [Artem Podrez na Pexels](https://www.pexels.com/photo/person-drawing-a-circle-on-a-calendar-6823618/)