udgivet i data: kvalitet, ledelse, governance og Enterprise Data lager/data operativsystem .
klik infografik for at se de 5 måder sundhedsdata er forskellige
Hent PDF
de af os, der arbejder med data, har tendens til at tænke i meget strukturerede, lineære termer. Vi kan godt lide, at B følger A og C følger B, ikke kun noget af tiden, men hele tiden. Sundhedsdata er ikke sådan. Det er både mangfoldigt og komplekst, hvilket gør lineær analyse ubrugelig.
der er flere egenskaber ved sundhedsdata, der gør det unikt. Her er fem, især
meget af dataene er flere steder.
sundhedsdata har tendens til at opholde sig flere steder. Fra forskellige kildesystemer, som EMR ‘ er eller HR-programmer, til forskellige afdelinger, som radiologi eller apotek. Dataene kommer fra hele organisationen. Aggregering af disse data i et enkelt, centralt system, som f.eks.
sundhedsdata forekommer også i forskellige formater (f. eks., tekst, numerisk, papir, digital, billeder, videoer, multimedier osv.). Radiologi bruger billeder, gamle medicinske poster findes i papirformat, og dagens EMR ‘ er kan indeholde hundreder af rækker med tekstmæssige og numeriske data.
Nogle gange findes de samme data i forskellige systemer og i forskellige formater. Sådan er tilfældet med kravdata versus kliniske data. En patients brækkede arm ligner et billede i lægejournalen, men vises som ICD-9-Kode 813.8 i påstandsdataene.
og det ser ud til, at fremtiden rummer endnu flere datakilder, som patientgenereret sporing fra enheder som fitnessmonitorer og blodtrykssensorer.
dataene er strukturerede og ustrukturerede.
elektronisk medicinsk journalprogram har givet en platform til konsekvent datafangst, men virkeligheden er, at datafangst er alt andet end konsistent. Årevis, dokumentation af kliniske fakta og fund på papir har trænet en industri til at indsamle data på den måde, der er mest praktisk for plejeudbyderen med ringe hensyntagen til, hvordan disse data til sidst kunne aggregeres og analyseres. EMR ‘ er forsøger at standardisere datafangstprocessen, men plejeudbydere er tilbageholdende med at vedtage en tilgang, der passer til alle, til dokumentation. Således får ustruktureret datafangst ofte lov til at berolige de frustrerede EMR-brugere og undgå at hindre plejeleveringsprocessen. Som et resultat er meget af de data, der er fanget på denne måde, vanskelige at samle og analysere på en ensartet måde. Efterhånden som EMR-produkter forbedres, efterhånden som brugerne bliver uddannet til standardarbejdsgange, og efterhånden som plejeudbydere bliver mere vant til at indtaste data i strukturerede felter som designet, vil vi have flere og bedre data til analyse.
et eksempel på ovenstående fænomen findes i et nyligt initiativ til at reducere unødvendige C-sektioner ved et stort sundhedssystem i Nordvest. Den første opgave for holdet var at forstå, hvordan indikationerne for C-sektion blev dokumenteret i EMR. Det viste sig, at der kun var to muligheder at vælge imellem: 1) fosterindikation og 2) moderindikation. Fordi disse var de eneste to muligheder, leverede klinikere ville ofte vælge at dokumentere den sande indikation for C-sektion i en fritekstform, mens andre slet ikke dokumenterede det. Nå, dette var ikke befordrende for at forstå årsagen til unødvendige C-sektioner. Så teamet arbejdede med en analytiker for at ændre listen over tilgængelige indstillinger i EMR, så flere detaljer kunne tilføjes. Efter at have foretaget denne lille ændring af datafangstprocessen, holdet fik enorm indsigt, og identificerede muligheder for at standardisere plejelevering og reducere unødvendige C-sektioner.
inkonsekvente / variable definitioner; evidensbaseret praksis og ny forskning kommer ud hver dag.
ofte kan sundhedsdata have inkonsekvente eller variable definitioner. For eksempel kan en gruppe klinikere definere en kohorte af astmatiske patienter anderledes end en anden gruppe klinikere. Spørg to klinikere, hvilke kriterier der er nødvendige for at identificere nogen som diabetiker, og du kan få tre forskellige svar. Der kan bare ikke være et niveau af konsensus om en bestemt behandling eller kohortdefinition.
også, selv når der er enighed, opdager de samtykkende eksperter konstant ny aftalt viden. Når vi lærer mere om, hvordan kroppen fungerer, fortsætter vores forståelse med at ændre, hvad der er vigtigt, hvad man skal måle, hvordan og hvornår man skal måle det, og de mål, der skal målrettes. For eksempel, i år er de fleste klinikere enige om, at en diabetesdiagnose er en HG A1c-værdi Over 7, Men næste år er det muligt, at aftalen vil være noget andet.
der er etableret bedste praksis i branchen, men der er altid løbende diskussion om, hvordan disse ting defineres. Hvilket betyder, at du prøver at skabe orden ud af kaos og ramme et mål, der ikke kun bevæger sig, men ser ud til at bevæge sig på en måde, du ikke kan forudsige.