wiele branż już skorzystało z zalet korzystania z big data. Od próby przewidywania przyszłych zakupów po optymalizację asortymentu produktów, firmy wykorzystują analitykę danych do poprawy sprzedaży poprzez ukierunkowane reklamy lub dynamiczne ceny. Branża opieki zdrowotnej nie jest obca dużym zbiorom danych. Firmy farmaceutyczne stały się ekspertami w zbieraniu ogromnych ilości danych poprzez badania kliniczne, aby udowodnić skuteczność swoich leków do Food and Drug Administration (FDA). Oprócz danych klinicznych firmy te śledzą również dane dotyczące recept w aptekach, aby ustalić wzory recept lub preferencje pacjenta. Szpitale gromadzą również obszerne dane za pośrednictwem elektronicznej dokumentacji medycznej (EMR).
IMS Health jest firmą dostarczającą informacje, usługi i technologie dla branży medycznej. Została założona w 1954 roku przez Billa Frohlicha i Davida Dubowa i jest największym dostawcą danych dotyczących przepisywania leków przez amerykańskich lekarzy. Początkowo produkty i usługi IMS Health były wykorzystywane przez firmy farmaceutyczne do opracowania planów komercjalizacji, wyboru populacji pacjentów i lekarzy do konkretnych terapii oraz do pomiaru skuteczności kampanii marketingowych i zasobów sprzedażowych. Jednak w ostatnim czasie IMS Health rozszerzyło swoją działalność –wychodząc poza analizę trendów sprzedaży, aby poprawić wyniki pacjentów i dane dotyczące skuteczności.
przykład przechwytywania wartości: Latus firmy Sanofi vs.Niemiecki płatnik
Niemiecki płatnik, G-BA, odrzucił ochronę dla Lantus (glargine) firmy Sanofi, postaci insuliny, ze względu na wyższą cenę leku. IMS Health wykorzystując swój „Analizator chorób”wykorzystał badania w świecie rzeczywistym, aby przeciwdziałać wykluczeniu z Formuły. Analizator choroby gromadzi recepty na leki, diagnozy oraz podstawowe dane medyczne i demograficzne uzyskane z systemów komputerowych praktyki. Celem pracy było opisanie predyktorów (charakterystyka kliniczna, leki) kontroli glikemii (kryterium ścisłe: HbA1c <6,5%) w pierwszym roku po rozpoczęciu leczenia insuliną w praktyce podstawowej
Metodologia: W badaniu zastosowano podejście retrospektywne z wykorzystaniem ogólnopolskiej bazy danych w Niemczech (Disease Analyzer, IMS Health, od stycznia 2008 do grudnia 2011, w tym 1024 praktyki medycyny ogólnej i wewnętrznej). Potencjalnymi czynnikami predykcyjnymi kontroli glikemii były wiek, płeć, czas trwania cukrzycy, rodzaj insuliny podstawowej, podawanie krótko działającej insuliny, wyjściowy poziom HbA1c, wcześniejsze doustne leki przeciwcukrzycowe itp. Wielozmienne modele regresji logistycznej wyposażono w kontrolę glikemii jako zmienną zależną.
wyniki: W badaniu udowodniono, że rodzaj insuliny podstawowej (insulina glargine) był związany z pomyślnym osiągnięciem celu. Stosowanie produktu leczniczego Lantus (glargine) w pierwszym roku było statystycznie istotnym predyktorem udanej kontroli glikemii i skutkowało o 17% wyższą trwałością HbA1a < 6,5% i może opóźniać konieczność intensywnej terapii konwencjonalnej o wyższej cenie. Innymi statystycznie istotnymi czynnikami predykcyjnymi były płeć, Opieka diabetologa, dodatkowe krótko działające insuliny, wcześniejsze leki przeciwcukrzycowe i inne leki przeciwcukrzycowe, np. leki moczopędne lub leki obniżające stężenie lipidów
korzystając z rzeczywistych dowodów dostarczonych przez IMS Health, Niemiecki płatnik G-BA odwrócił swoją pozycję. Sanofi zabezpieczył obecnie kontrakty z ponad 150 indywidualnymi płatnikami w Niemczech, obejmującymi około 90 procent ludności Niemiec.
Co dalej?
IMS Health zmienia strategie, ponieważ jest wiodącym dostawcą danych na temat recept, „wykorzystuje anonimowe dane na poziomie pacjentów do lepszego podejmowania decyzji”, służąc nie tylko firmom farmaceutycznym, ale także pomagając szpitalom i placówkom opieki nad pacjentami w podejmowaniu bardziej świadomych decyzji dotyczących włączenia leków i zarządzania wydatkami.
—
kontrola glikemii po rozpoczęciu podstawowej terapii insuliną u pacjentów z cukrzycą typu 2: Analiza Bazy danych podstawowej opieki zdrowotnej http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4298311/pdf/dmso-8-045.pdf
rewolucja „big data” w opiece zdrowotnej: 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