為解決醫護人員因排班不穩、臨時變動造成的不滿，美國杜克醫療體系導入預測性排程系統。此系統結合病患與人力數據，透過演算法優化班表，不僅能精準匹配臨床需求與人力供給，亦有助改善醫護人員的工作與生活平衡，但資料整合與內部協調是推行關鍵。
隨著醫療環境日益複雜，醫護人員工作排程的不可預測性及臨時變動，常導致不滿。為此，全球各地醫療機構正積極導入預測性排程系統，以期提升營運效率並改善醫護人員的工作與生活平衡。
例如，美國杜克醫療體系（Duke）便採用此類系統，旨在解決因病患人數波動與照護需求緊急程度變化，導致排班不穩定、臨時調動頻繁的問題。此系統能建立更具彈性的排班模式，使其與實際的病患需求更精準地匹配。
專家麥克唐納（McDonnell）指出，預測性排程系統的運作核心，是結合「病患驅動分析」與「人力驅動分析」兩大類數據。病患驅動分析涵蓋病患病況嚴重度、預計量能、照護強度等，而人力驅動分析則包括醫護人員的能力、專業認證、經驗水平等。透過整合這些數據集，並利用演算法平衡臨床需求與人力供給，系統便能生成最佳化的班表。
然而，導入這項技術也面臨挑戰。麥克唐納強調，預測性排程平台需與現有電子病歷系統（EHRs）、病患流動管理系統及人力資源管理工具進行串接，這些系統可能來自不同供應商。醫療機構必須扮演協調角色，確保各第三方供應商能協同合作，同時符合所有法規要求，並保障病患與員工的資料安全與隱私。
此外，組織內部的所有權與治理架構對計畫成功至關重要，其中人力資源（HR）部門扮演著常被低估的關鍵角色。HR政策及勞動法規直接影響排班演算法的配置與部署，因此早期讓HR部門參與規劃不可或缺。麥克唐納也提醒，若未能讓最終使用者，也就是醫護人員，參與系統的設計與推行，他們可能感受系統是強加的，而非協助改善工作生活平衡的工具，進而影響系統的採用成效。