fra detaljhandel til finans har mange bransjer allerede omfavnet fordelene ved å bruke store data. Fra å prøve å forutsi fremtidige kjøp for å optimalisere produktmiks, bruker selskaper dataanalyse for å forbedre salget gjennom målrettet annonsering eller dynamisk prising. Helsesektoren er ikke fremmed for store datasett. Farmasøytiske selskaper har blitt eksperter i å samle enorme mengder data gjennom kliniske studier for å bevise effekten av deres medisiner TIL Food And Drug Administration (FDA). I tillegg til kliniske data sporer disse selskapene også reseptbelagte data fra apotek for å finne ut en lege reseptmønstre eller pasientens preferanser. Sykehus samler også omfattende data gjennom elektroniske medisinske journaler (EPJ).
IMS Health ER et selskap som tilbyr informasjon, tjenester og teknologi for helsevesenet. Det ble grunnlagt i 1954 Av Bill Frohlich Og David Dubow, og det er den største leverandøren AV AMERIKANSKE lege forskrivning data. I utgangspunktet BLE IMS Healths produkter og tjenester brukt av farmasøytiske selskaper til å utvikle kommersialiseringsplaner, å velge pasient – og legepopulasjoner for spesifikke terapier, og å måle effektiviteten av markedsføringskampanjer og salgsressurser. IMIDLERTID HAR IMS Health nylig utvidet sitt fokus-går utover å analysere salgstrender for å forbedre pasientresultater og effektivitetsdata.
Et eksempel på verdifangst: Sanofis Latus vs. tysk payor
tysk payor, G-BA, hadde avvist dekning For Sanofis Lantus (glargin), en form for insulin, på grunn av den høyere prisen på stoffet. IMS Health bruker sin «Sykdom Analyzer» utnyttet virkelige verden forskning for å motvirke sin utelukkelse fra formulary. Sykdom Analyzer samler narkotika resepter, diagnoser, og grunnleggende medisinske og demografiske data hentet fra praksis datasystemer. Målet med studien var å beskrive prediktorer (kliniske egenskaper, medisinering) av glykemisk kontroll (strengt kriterium: HbA1c <6,5%) i løpet av det første året etter oppstart av insulinbehandling i primærhelsetjenesten
Metodikk: Studien brukte en retrospektiv tilnærming ved hjelp av en landsdekkende database I Tyskland (Disease Analyzer, IMS Health, januar 2008 til desember 2011, inkludert 1,024 generell og internmedisinsk praksis). Potensielle prediktorer for glykemisk kontroll som ble vurdert var alder, kjønn, varighet av diabetes, type basalinsulin, komedikasjon med korttidsvirkende insulin, baseline HbA1c, tidligere orale antidiabetika, etc. Multivariable logistiske regresjonsmodeller ble utstyrt med glykemisk kontroll som den avhengige variabelen.
Resultater: Studien viste at typen basal insulin (insulin glargin) var relatert til vellykket oppnåelse av målet. Første års Bruk Av lantus (glargin) var en statistisk signifikant prediktor for vellykket glykemisk kontroll og resulterte i en 17% høyere varighet Av HbA1a < 6,5% og kan forsinke behovet for høyere priset intensiv konvensjonell behandling. Andre statistisk signifikante prediktorer var sex, diabetologist omsorg, ekstra korttidsvirkende insuliner, tidligere antidiabetisk medisinering og annen komedikasjon, f. eks. diuretika eller lipidsenkende legemidler
ved å bruke den virkelige verden bevis gitt GJENNOM IMS Helse, reverserte den tyske betaleren G-BA sin posisjon. Sanofi har nå sikret kontrakter med mer enn 150 individuelle betalere I Tyskland, som dekker om lag 90 prosent av den tyske befolkningen.
så hva er neste?IMS Health skifter strategier, fra å være ledende leverandør av reseptbelagte data, de «utnytter anonyme pasientnivådata for bedre beslutningstaking», og betjener ikke bare farmasøytiske selskaper, men hjelper også sykehus og pasientomsorgsleverandører til å ta bedre informerte beslutninger om formularinkludering og kostnadsstyring.
—
Glykemisk kontroll etter initiering av basalinsulinbehandling hos pasienter med type 2 diabetes: en primærhelsedatabaseanalyse http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4298311/pdf/dmso-8-045.pdf
den store datarevolusjonen i helsevesenet: Accelerating value and innovation http://www.pharmatalents.es/assets/files/Big_Data_Revolution.pdf
IMS Health http://www.imshealth.com/en/solution-areas/real-world-evidence