, Senior Vice President of Professional Services
Veröffentlicht in Daten: Qualität , Management, Governance und Enterprise Data Warehouse / Daten-Betriebssystem .
Klicken Sie auf die Infografik, um zu sehen, wie sich Gesundheitsdaten von anderen unterscheiden
PDF herunterladen
Diejenigen von uns, die mit Daten arbeiten, neigen dazu, sehr strukturiert und linear zu denken. Wir mögen es, wenn B A folgt und C B folgt, nicht nur einige Zeit, sondern die ganze Zeit. Gesundheitsdaten sind nicht so. Es ist sowohl vielfältig als auch komplex und macht die lineare Analyse unbrauchbar.
Es gibt mehrere Merkmale von Gesundheitsdaten, die sie einzigartig machen. Hier sind fünf, insbesondere
Ein Großteil der Daten befindet sich an mehreren Stellen.
Gesundheitsdaten befinden sich in der Regel an mehreren Orten. Von verschiedenen Quellsystemen wie EMRs oder HR-Software bis hin zu verschiedenen Abteilungen wie Radiologie oder Pharmazie. Die Daten kommen aus der ganzen Organisation. Die Aggregation dieser Daten in einem einzigen, zentralen System, wie z. B. einem Enterprise Data Warehouse (EDW), macht diese Daten zugänglich und verwertbar.
Gesundheitsdaten liegen auch in verschiedenen Formaten vor (z., text, numerisch, Papier, digital, Bilder, Videos, Multimedia, etc.). Die Radiologie verwendet Bilder, alte Krankenakten liegen in Papierform vor, und die heutigen EMRs können Hunderte von Zeilen textlicher und numerischer Daten enthalten.
Manchmal existieren dieselben Daten in verschiedenen Systemen und in verschiedenen Formaten. Dies ist der Fall bei Schadensdaten im Vergleich zu klinischen Daten. Der gebrochene Arm eines Patienten sieht aus wie ein Bild in der Krankenakte, erscheint jedoch als ICD-9-Code 813.8 in den Anspruchsdaten.Und es sieht so aus, als ob die Zukunft noch mehr Datenquellen bereithält, wie patientengeneriertes Tracking von Geräten wie Fitnessmonitoren und Blutdrucksensoren.
Die Daten sind strukturiert und unstrukturiert.
Electronic medical record Software hat eine Plattform für konsistente Datenerfassung bereitgestellt, aber die Realität ist, dass die Datenerfassung alles andere als konsistent ist. Seit Jahren hat die Dokumentation klinischer Fakten und Befunde auf Papier eine Branche darin geschult, Daten auf die für den Leistungserbringer bequemste Weise zu erfassen, ohne Rücksicht darauf, wie diese Daten letztendlich aggregiert und analysiert werden könnten. EMRs versuchen, den Datenerfassungsprozess zu standardisieren, aber die Leistungserbringer zögern, einen einheitlichen Ansatz für die Dokumentation zu verfolgen. Daher wird die unstrukturierte Datenerfassung häufig verwendet, um die frustrierten EMR-Benutzer zu besänftigen und den Pflegeprozess nicht zu behindern. Infolgedessen ist es schwierig, einen Großteil der auf diese Weise erfassten Daten zu aggregieren und konsistent zu analysieren. Mit der Verbesserung der EMR-Produkte, der Schulung der Benutzer in Standardworkflows und der Gewöhnung der Leistungserbringer an die Eingabe von Daten in strukturierte Felder wie vorgesehen werden wir mehr und bessere Daten für die Analyse haben.Ein Beispiel für das obige Phänomen findet sich in einer kürzlich durchgeführten Initiative zur Reduzierung unnötiger Kaiserschnitte in einem großen Gesundheitssystem im Nordwesten. Die erste Aufgabe für das Team bestand darin, zu verstehen, wie die Indikationen für den Kaiserschnitt in der EMR dokumentiert wurden. Es stellte sich heraus, dass nur zwei Optionen zur Auswahl standen: 1) fetale Indikation und 2) mütterliche Indikation. Da dies die einzigen beiden Optionen waren, entschieden sich einige Kliniker häufig dafür, die wahre Indikation für einen Kaiserschnitt in einer freien Textform zu dokumentieren, während andere sie überhaupt nicht dokumentierten. Nun, dies war nicht förderlich für das Verständnis der Ursache unnötiger Kaiserschnitte. Daher arbeitete das Team mit einem Analysten zusammen, um die Liste der verfügbaren Optionen im EMR so zu ändern, dass weitere Details hinzugefügt werden konnten. Nach dieser geringfügigen Änderung des Datenerfassungsprozesses gewann das Team enorme Einblicke und identifizierte Möglichkeiten, die Versorgung zu standardisieren und unnötige Kaiserschnitte zu reduzieren.
Inkonsistente / variable Definitionen; Evidenzbasierte Praxis und neue Forschung kommen jeden Tag heraus.
Oft können Gesundheitsdaten inkonsistente oder variable Definitionen haben. Zum Beispiel kann eine Gruppe von Klinikern eine Kohorte von Asthmatikern anders definieren als eine andere Gruppe von Klinikern. Fragen Sie zwei Kliniker, welche Kriterien erforderlich sind, um jemanden als Diabetiker zu identifizieren, und Sie erhalten möglicherweise drei verschiedene Antworten. Möglicherweise besteht einfach kein Konsens über eine bestimmte Behandlung oder Kohortendefinition.
Auch wenn es Konsens gibt, entdecken die zustimmenden Experten ständig neu vereinbartes Wissen. Wenn wir mehr darüber erfahren, wie der Körper funktioniert, ändert sich unser Verständnis davon, was wichtig ist, was zu messen ist, wie und wann es zu messen ist und welche Ziele zu erreichen sind. Zum Beispiel sind sich die meisten Kliniker in diesem Jahr einig, dass eine Diabetesdiagnose ein Hg A1c-Wert über 7 ist, aber nächstes Jahr ist es möglich, dass die Vereinbarung etwas anderes sein wird.
Es gibt Best Practices in der Branche, aber es gibt immer Diskussionen darüber, wie diese Dinge definiert werden. Das heißt, Sie versuchen, Ordnung aus dem Chaos zu schaffen und ein Ziel zu treffen, das sich nicht nur bewegt, sondern sich auf eine Weise zu bewegen scheint, die Sie nicht vorhersagen können.