, Senior Vice President of Professional Services
inlagd i data: kvalitet, förvaltning, styrning och enterprise data warehouse / data operativsystem .
klicka på infographic för att se 5 sätt sjukvårdsdata är olika
ladda ner PDF
de av oss som arbetar med data tenderar att tänka i mycket strukturerade, linjära termer. Vi gillar B att följa A och C att följa B, inte bara en del av tiden, men hela tiden. Sjukvårdsdata är inte så. Det är både mångsidigt och komplext vilket gör linjär analys värdelös.
det finns flera egenskaper hos vårddata som gör den unik. Här är fem, särskilt
mycket av data finns på flera ställen.
vårddata tenderar att ligga på flera ställen. Från olika källsystem, som EMRs eller HR-programvara, till olika avdelningar, som radiologi eller apotek. Uppgifterna kommer från hela organisationen. Att aggregera dessa data till ett enda centralt system, till exempel ett enterprise data warehouse (EDW), gör dessa data tillgängliga och handlingsbara.
hälso-och sjukvårdsdata förekommer också i olika format (t. ex., text, numerisk, papper, digital, bilder, videor, multimedia, etc.). Radiologi använder bilder, gamla journaler finns i pappersformat, och dagens EMR kan hålla hundratals rader av text-och numeriska data.
ibland finns samma data i olika system och i olika format. Så är fallet med påståenden data kontra kliniska data. En patients trasiga arm ser ut som en bild i journalen men visas som ICD-9-kod 813.8 i skadedata.
och det ser ut som att framtiden har ännu fler datakällor, som patientgenererad spårning från enheter som fitnessmonitorer och blodtryckssensorer.
data är strukturerade och ostrukturerade.
elektronisk journalprogramvara har tillhandahållit en plattform för konsekvent datainsamling, men verkligheten är att datainsamling är allt annat än konsekvent. I åratal har dokumentation av kliniska fakta och fynd på papper utbildat en bransch för att fånga data på vilket sätt som helst som är mest lämpligt för vårdgivaren med liten hänsyn till hur dessa data så småningom kan aggregeras och analyseras. EMRs försöker standardisera datainsamlingsprocessen, men vårdgivare är ovilliga att anta en one-size-fits-all-strategi för dokumentation. Således tillåts ostrukturerad datainsamling ofta att blidka de frustrerade EMR-användarna och undvika att hindra vårdleveransprocessen. Som ett resultat är mycket av de data som fångas på detta sätt svårt att aggregera och analysera på något konsekvent sätt. När EMR-produkter förbättras, när användarna blir utbildade till standardarbetsflöden och när vårdgivare blir vana vid att mata in data i strukturerade fält som utformade, kommer vi att ha mer och bättre data för analys.
ett exempel på ovanstående fenomen finns i ett nyligen initiativ för att minska onödiga C-sektioner vid ett stort hälsosystem i nordväst. Den första uppgiften för laget var att förstå hur indikationerna för C-sektionen dokumenterades i EMR. Det visade sig att det bara fanns två alternativ att välja mellan: 1) fosterindikation och 2) moderindikation. Eftersom dessa var de enda två alternativen, skulle leverera kliniker ofta välja att dokumentera den sanna indikationen för C-sektionen i en fri textform, medan andra inte dokumenterade det alls. Tja, detta bidrog inte till att förstå orsaken till onödiga C-sektioner. Så teamet arbetade med en analytiker för att ändra listan över tillgängliga alternativ i EMR så att mer detaljer kunde läggas till. Efter att ha gjort denna lilla modifiering av datainsamlingsprocessen fick laget enorm insikt och identifierade möjligheter att standardisera vårdleverans och minska onödiga C-sektioner.
inkonsekventa / variabla definitioner; Evidensbaserad praxis och ny forskning kommer ut varje dag.
ofta kan hälsovårdsdata ha inkonsekventa eller variabla definitioner. Till exempel kan en grupp kliniker definiera en kohort av astmatiska patienter annorlunda än en annan grupp kliniker. Fråga två kliniker vilka kriterier som är nödvändiga för att identifiera någon som diabetiker och du kan få tre olika svar. Det kan bara inte finnas en nivå av konsensus om en viss behandling eller kohortdefinition.
även när det finns konsensus upptäcker de samtyckande experterna ständigt ny överenskommen kunskap. När vi lär oss mer om hur kroppen fungerar fortsätter vår förståelse att förändras av vad som är viktigt, vad man ska mäta, hur och när man ska mäta det och målen att rikta sig mot. Till exempel, i år är de flesta kliniker överens om att en diabetesdiagnos är ett Hg A1c-värde över 7, men nästa år är det möjligt att avtalet kommer att bli något annat.
det finns bästa praxis etablerade i branschen, men det finns alltid pågående diskussioner om hur dessa saker definieras. Vilket innebär att du försöker skapa ordning ur kaos och träffa ett mål som inte bara rör sig utan verkar röra sig på ett sätt som du inte kan förutsäga.