5 Motivi Sanitari Dati È Unica e Difficile da Misurare

Scarica il PDF

Quelli di noi che lavorano con i dati tendono a pensare in modo molto strutturato, termini lineari. Ci piace B per seguire A e C per seguire B, non solo un po ‘ di tempo, ma tutto il tempo. I dati sanitari non sono così. È sia vario che complesso rendendo inutile l’analisi lineare.

Esistono diverse caratteristiche dei dati sanitari che lo rendono unico. Qui ci sono cinque, in particolare

Gran parte dei dati è in più posti.

I dati sanitari tendono a risiedere in più luoghi. Da diversi sistemi di origine, come EMRs o software HR, a diversi reparti, come radiologia o farmacia. I dati provengono da tutta l’organizzazione. L’aggregazione di questi dati in un unico sistema centrale, ad esempio un Enterprise Data warehouse (EDW), rende questi dati accessibili e fruibili.

I dati sanitari si presentano anche in diversi formati (ad es., testo, numerico, carta, digitale, immagini, video, multimedia, ecc.). La radiologia utilizza immagini, vecchie cartelle cliniche esistono in formato cartaceo e gli EMR di oggi possono contenere centinaia di righe di dati testuali e numerici.

A volte gli stessi dati esistono in sistemi diversi e in diversi formati. Tale è il caso con i dati dei reclami rispetto ai dati clinici. Il braccio rotto di un paziente sembra un’immagine nella cartella clinica, ma appare come codice ICD-9 813.8 nei dati delle richieste.

E sembra che il futuro contiene ancora più fonti di dati, come il monitoraggio generato dal paziente da dispositivi come monitor di fitness e sensori di pressione sanguigna.

I dati sono strutturati e non strutturati.

Electronic medical record software ha fornito una piattaforma per l’acquisizione dei dati coerente, ma la realtà è l’acquisizione dei dati è tutt’altro che coerente. Per anni, documentare fatti clinici e risultati su carta ha addestrato un settore a catturare i dati in qualsiasi modo sia più conveniente per il fornitore di cure con poca considerazione di come questi dati potrebbero essere aggregati e analizzati. Gli EMR tentano di standardizzare il processo di acquisizione dei dati, ma i fornitori di assistenza sono riluttanti ad adottare un approccio unico alla documentazione. Pertanto, l’acquisizione di dati non strutturati è spesso consentita per placare gli utenti EMR frustrati ed evitare di ostacolare il processo di consegna della cura. Di conseguenza, gran parte dei dati acquisiti in questo modo è difficile da aggregare e analizzare in modo coerente. Man mano che i prodotti EMR migliorano, gli utenti vengono addestrati ai flussi di lavoro standard e i fornitori di assistenza diventano più abituati a inserire dati in campi strutturati come progettati, avremo più e meglio dati per l’analisi.

Un esempio del fenomeno di cui sopra si trova in una recente iniziativa per ridurre le sezioni C non necessarie in un grande sistema sanitario nel nord-ovest. Il primo compito per il team è stato quello di capire come le indicazioni per il taglio cesareo sono state documentate nell’EMR. Si è scoperto che c’erano solo due opzioni tra cui scegliere: 1) indicazione fetale e 2) indicazione materna. Poiché queste erano le uniche due opzioni, i medici che consegnavano spesso sceglievano di documentare la vera indicazione per la sezione C in una forma di testo libero, mentre altri non la documentavano affatto. Bene, questo non è stato favorevole alla comprensione della causa principale dei C-sections non necessari. Quindi, il team ha lavorato con un analista per modificare l’elenco delle opzioni disponibili nell’EMR in modo da poter aggiungere ulteriori dettagli. Dopo aver apportato questa leggera modifica al processo di acquisizione dei dati, il team ha acquisito informazioni straordinarie e ha identificato le opportunità per standardizzare l’erogazione delle cure e ridurre i C-section non necessari.

Definizioni incoerenti / variabili; Pratica basata sull’evidenza e nuove ricerche escono ogni giorno.

Spesso, i dati sanitari possono avere definizioni incoerenti o variabili. Ad esempio, un gruppo di medici può definire una coorte di pazienti asmatici in modo diverso rispetto a un altro gruppo di medici. Chiedi a due medici quali criteri sono necessari per identificare qualcuno come diabetico e potresti ottenere tre risposte diverse. Potrebbe non esserci un livello di consenso su un particolare trattamento o definizione di coorte.

Inoltre, anche quando c’è consenso, gli esperti consenzienti scoprono costantemente nuove conoscenze concordate. Man mano che impariamo di più su come funziona il corpo, la nostra comprensione continua a cambiare di ciò che è importante, cosa misurare, come e quando misurarlo e gli obiettivi da raggiungere. Ad esempio, quest’anno la maggior parte dei medici concorda sul fatto che una diagnosi di diabete è un valore di Hg A1c superiore a 7, ma l’anno prossimo è possibile che l’accordo sarà qualcosa di diverso.

Ci sono le migliori pratiche stabilite nel settore, ma c’è sempre una discussione in corso nel modo in cui queste cose sono definite. Il che significa che stai cercando di creare ordine dal caos e colpire un bersaglio che non solo si muove, ma sembra muoversi in un modo che non puoi prevedere.