5 Důvodů, proč Zdravotní péče Data je Jedinečný a Je Obtížné Měřit

Stáhnout PDF

Ti z nás, kteří pracují s daty mají tendenci myslet ve velmi strukturované, lineární výrazy. Máme rádi B následovat a A C následovat B, ne jen některé z času, ale po celou dobu. Údaje o zdravotní péči nejsou tímto způsobem. Je to různorodé a složité, takže lineární analýza je zbytečná.

existuje několik charakteristik údajů o zdravotní péči, které je činí jedinečnými. Zde je pět, zejména

velká část dat je na více místech.

údaje o zdravotní péči mají tendenci se nacházet na více místech. Od různých zdrojových systémů, jako jsou EMR nebo HR software, po různá oddělení, jako je radiologie nebo lékárna. Data pocházejí z celé organizace. Agregace těchto dat do jediného centrálního systému, jako je enterprise data warehouse (EDW), činí tato data přístupnými a použitelnými.

zdravotní údaje se také vyskytují v různých formátech (např., text, numerický, papír, digitální, obrázky, videa, multimédia atd.). Radiologie používá obrázky, staré lékařské záznamy existují v papírové podobě a dnešní EMR mohou obsahovat stovky řádků textových a číselných dat.

někdy existují stejná data v různých systémech a v různých formátech. To je případ údajů o nárocích oproti klinickým údajům. Zlomená ruka pacienta vypadá jako obrázek v lékařském záznamu, ale v údajích o nárocích se objevuje jako kód ICD-9 813.8.

A vypadá to, že budoucnost přinese ještě více zdrojů dat, jako pacient-generované sledování z zařízení, jako je fitness monitory krevního tlaku a senzory.

data jsou strukturovaná a nestrukturovaná.

Elektronický zdravotní záznam software poskytuje platformu pro konzistentní sběr dat, ale realita je sběr dat je něco, ale konzistentní. Pro let, dokumentující klinické fakta a poznatky na papír trénoval průmysl zachytit data jakýmkoliv způsobem, je nejvhodnější pro poskytovatele péče, s malým ohledem na to, jak tato data by nakonec mohla být agregovány a analyzovány. EMR se snaží standardizovat proces sběru dat, ale poskytovatelé péče se zdráhají přijmout univerzální přístup k dokumentaci. Nestrukturovaný sběr dat je tedy často umožněn uklidnit frustrované uživatele EMR a zabránit tomu, aby bránil procesu poskytování péče. Výsledkem je, že velká část dat zachycených tímto způsobem je obtížné agregovat a analyzovat jakýmkoli konzistentním způsobem. Jak EMR produkty zlepšit, jak se uživatelé stávají vyškoleni na standardní pracovní postupy, a jako poskytovatelé péče staly více zvyklí na zadávání dat do strukturovaných oblastech, jako je navržen tak, budeme mít více a lepších dat pro analytiky.

příklad výše uvedeného jevu lze nalézt v nedávné iniciativě na snížení zbytečných C-sekcí ve velkém zdravotnickém systému na severozápadě. Prvním úkolem týmu bylo pochopit, jak byly v EMR zdokumentovány indikace pro C-sekci. Ukázalo se, že existují pouze dvě možnosti: 1) Indikace plodu a 2) Indikace matky. Protože to byli jen dvě možnosti, přináší lékaři často si vybrat, aby se dokument pravda označení pro C-sekce, ve volné textové formě, zatímco jiní ne dokument. No, to nepřispívalo k pochopení hlavní příčiny zbytečných C-řezů. Tým tedy spolupracoval s analytikem na úpravě seznamu dostupných možností v EMR tak, aby bylo možné přidat další podrobnosti. Po provedení této mírné úpravy procesu sběru dat, tým získal obrovský přehled, a identifikoval příležitosti ke standardizaci poskytování péče a snížení zbytečných C-sekcí.

nekonzistentní / variabilní definice; praxe založená na důkazech a nový výzkum vychází každý den.

údaje o zdravotní péči mohou mít často nekonzistentní nebo variabilní definice. Například jedna skupina lékařů může definovat kohortu astmatických pacientů odlišně než jiná skupina lékařů. Zeptejte se dvou lékařů, jaká kritéria jsou nezbytná k identifikaci někoho jako diabetika, a můžete získat tři různé odpovědi. Možná prostě neexistuje shoda ohledně konkrétní léčby nebo definice kohorty.

i když existuje shoda, souhlasící odborníci neustále objevují nově dohodnuté znalosti. Jak jsme se dozvěděli více o tom, jak tělo funguje, naše chápání i nadále měnit, co je důležité, co měřit, jak a kdy měřit, a cíle na cíl. Například letos většina lékařů souhlasí s tím, že diagnóza diabetu je hodnota Hg A1C nad 7, ale příští rok je možné, že dohoda bude něco jiného.

v tomto odvětví jsou zavedeny osvědčené postupy, ale vždy probíhá diskuse o tom, jak jsou tyto věci definovány. Což znamená, že se snažíte vytvořit pořádek z chaosu a zasáhnout cíl, který se nejen pohybuje, ale zdá se, že se pohybuje způsobem, který nemůžete předvídat.