3月2014

好事太多?
苏珊·查普曼
郑重声明
第二十六卷第三期,第14页

业内人士一致认为,集中的数据分析方法会带来更大的好处。

随着医疗保健迅速从纸质系统转向电子病历,随之而来的是向负责任的医疗和人口健康管理的转变。这种转变和可用电子数据的激增导致各种规模的医疗保健机构都在强烈考虑开发数据分析程序。然而,业内专家警告说,这不是一个轻率的冒险,也不应该太过包容而降低其价值。

理解分析
过去,医院并不关心追踪病人的治疗结果或他们所服务人群的整体健康状况。医院按提供的服务和收到的付款收费。这一系统没有提供激励措施,使患者积极主动或全面了解单个患者或患者群体的健康状况。如今,医院正在签订基于风险的合同,这为管理健康及其相应的成本提供了新的激励,这种模式与支付方的模式非常相似。

MedeAnalytics负责医疗保健提供商解决方案的副总裁约翰•汉塞尔(John Hansel)表示:“过去医院的收费方式是按服务收费,因此不太需要进行人口分析。”不过,随着每个人都在承担更大的风险,这种旧模式正在发生变化。随着医院开始管理病人群体,他们开始像支付者一样行事。为了在这种环境中取得成功,医疗保健提供者需要采用付款人已经使用了几十年的复杂分析方法。”

医疗保健提供者和支付方都花费了大量的时间和金钱来构建企业数据仓库,这些数据仓库允许将信息存储在一个集中的数据存储库中,然后可以将信息用于分析。汉塞尔说,虽然数据看起来丰富而成熟,但挖掘工作可能会变得混乱。

他说:“医疗保健提供者只是在这些大型存储库中汇总数据,并不一定知道如何指导这些数据。”“分析可以放在这些仓库之上,但需要有能够将信息转化为可用解决方案的流程。问题是,所有新的临床信息根本不适合传统的分析。例如,电子病历中的大部分数据是非结构化的文本和笔记,它们没有组织起来进行分类分析。这使得卫生保健提供者越来越难以满足有意义使用阶段2和3的报告要求。为了正确地进行分析,必须对数据输入进行标准化,但目前还没有人强制执行。”

尽管电子病历越来越多,但由于数据通常只是纸质文档的电子版本,因此信息不能轻易转化为可以分析的形式。因此,许多设施,就像支付方一样,正在使用账单和索赔信息来执行分析。Hansel说:“你可以对账单和索赔信息做很多事情,但这并不能实现这些令人难以置信的丰富电子病历数据的承诺,这些数据的结构不是很好,无法进行分析。”

M*Modal的首席科学家于尔根·弗里奇(Juergen Fritsch)不同意只有结构化数据才有用的观点,他认为自然语言理解(NLU)是一种将无法以原始形式进行分析的重要信息编纂的方法。

他指出:“当医疗机构启动分析项目时,他们往往忽视了非结构化数据的重要性。”“虽然查看结构化数据很重要,但我们发现可以从非结构化信息中获得很多见解,例如出院摘要、进度记录和其他叙述性记录。这些信息片段位于电子病历中,但无法通过标准分析软件包访问。在最好的情况下,医院可能会错过一些关键的东西。在最坏的情况下,医生可能会对病人采取错误的行动。一个很好的例子是西顿医疗家庭(位于德克萨斯州中部)能够做到的事情。一些充血性心力衰竭患者出院后不断再次入院,但没有人知道为什么。答案不在结构化数据中;它存在于患者的社会历史和生活条件中。使用NLU将这些笔记处理成一种可以分析的形式,医院能够确定影响因素,现在正在积极解决这些问题。”

小心行事
西门子医疗(Siemens Healthcare)负责护理协调和分析的副总裁本杰明•卢普(Benjamin Loop)认为,供应商必须分析所有相关数据,但同时要耐心等待更彻底的数据分析项目的开发。他表示:“支付方正在进行更复杂的分析,但环境比提供商更简单。”“供应商需要了解他们面临着某些障碍,以及为什么会有这些障碍。”

Loop认为,有几个因素给刚刚起步的分析程序带来了挑战。其中之一就是过高的预期。他说:“管理人们对这些项目的期望很重要。”“通常,我们被召集到董事会会议,并被要求谈论硅谷的情况,但那些大型科技组织无法与特定医疗机构的情况进行比较。因此,我们需要弄清楚高管和董事会成员可以从分析项目中期待什么,以及他们需要什么。”

Health Catalyst负责战略的高级副总裁戴尔•桑德斯(Dale Sanders)对此表示赞同:“‘大数据’一词起源于硅谷,源于谷歌、雅虎和LAMP (Linux、Apache、MySQL、PHP/Perl/Python)开源社区的其他活跃成员的工作。它指的是Hadoop、MapReduce和其他专门为解决关系数据库引擎无法解决的可伸缩性问题而开发的工具。不幸的是,许多医疗保健行业的人立即认为大数据是我们数据分析需求的灵丹妙药,但事实并非如此。首先,与谷歌等公司收集和分析的数据相比,医疗保健行业的数据量相形见绌。

“我们扩展关系数据库来满足我们的需求没有任何问题,这意味着我们可以利用现有的大量技能,”他继续说。“此外,我们目前在医疗保健生态系统中拥有的数据的性质并不能充分利用Hadoop和MapReduce的全部功能。目前,大数据技术在医疗保健领域的价值还没有什么引人注目的地方——也许在5到10年内,但不是现在——所以不要被它分散了注意力。”

医疗保健提供者的另一个当务之急是需要将业务目标与度量框架结合起来。“例如,组织需要问自己我们的意图是什么,我们想用这些信息做什么,它将如何影响我们的组织及其绩效?”我们如何衡量成功?”环说。“组织需要将这些主题与一个全面的方法和战略联系起来。”

Loop认为,卫生保健组织有时会陷入关于卫生保健数据含义的无益争论中。例如,当医院测量一个月有多少急诊科病人就诊时。这样的快照可以在月底或所有图表编码完成后拍摄。这两种选择都是有用的,只要它们与数据的目的和组织提出这个问题的原因联系在一起。”

寻找相关数据
弗里奇说,为了让医疗机构建立有效的数据分析程序,他们必须收集正确数量和正确类型的信息。他说:“我建议组织确保他们正在收集和整合基于他们需要回答的问题的正确数量的数据。”“许多医院在不知道自己是否拥有合适种类和数量的电子数据的情况下,就开始使用分析和数据工具。”

Fritsch指出,几乎每个it供应商都有一个分析产品,这意味着医疗机构必须确保他们得到的解决方案符合他们的需求。他说:“分析是当今医疗保健领域的热门词汇。“设施需要做好功课。更大、更先进的医院往往会自己做功课,由这方面的专家来做。对于绝大多数其他医院来说,他们必须寻求行业专家的帮助。”

谈到分析,弗里奇说每家医院的需求和兴趣都略有不同。每家公司都在努力了解自己是否恰当地利用了资源。因此,医院必须做出选择,建立适合各自需求的方案。

他说:“其中一个挑战是让医疗保健从基础做起,解决我们多年前就应该解决的问题。”“在被更吸引眼球的分析所束缚之前,在节约成本和提高效率方面有很大的潜力。利用现有的数据和技术,组织可以提高基本医疗服务的效率,并消除浪费。”

订购、工作流程和不良事件是数据分析中成熟的基本护理组件。弗里奇说:“医疗机构订购的检测和程序没有任何附加价值,而且有损健康,这浪费了大量资金。”“就工作流程而言,医疗机构应该密切关注一些简单的事情——例如,提供护理需要多少劳动力和哪种劳动力。识别这些问题更具挑战性,因为很难在医疗服务过程中跟踪人们的流动,但为了提高医疗效率,有必要这样做。最后,我们需要关注患者的不良事件:再入院、与安全相关的跌倒和医院获得性感染。这些对改善卫生保健至关重要。一旦我们确定了这些事件和导致这些事件的因素,我们就可以使用预测算法和规范性预防措施,在患者处于这种轨迹时进行干预。”

建立基础
Loop说,谨慎的方法和明确的目标应该作为任何数据分析项目的框架。机构必须确定他们为什么要进行这样的投资,确定如何使用信息,并制定总体目标。组织还必须在技术和运营团队之间建立一种信任的文化,这是一个耗时的过程。专家还建议创建一个分析成熟度模型,以说明组织所处的位置和希望到达的位置,然后定期对组织能力进行基准测试。

“如果医疗机构不做这些事情,将会有很多落空的期望,浪费的投资,以及在项目不可避免地失败后的相互指责。需要建立一些基础设施,帮助你以一种智能的方式,而不是盲目地沿着这条道路前进,”Loop说。他补充说,基础设施必须专注于商业目的,并建立一个团队来支持这种分析水平。

他继续说道:“我总是鼓励人们把这当成一次旅行。“沿途有很多路标。这是一个他们应该深思熟虑、深思熟虑的项目,他们应该作为一个团队一起完成它。这种方法可以让人们有喘息的空间,在一个非常重要的项目上采取明智的方法。”

桑德斯赞成类似的模式。“在过去的几年里,我们一群人合作开发了一种用于医疗保健的分析采用模型。这就像一个循序渐进地采用和利用数据的课程,以便在质量、成本和风险管理方面做出更好的决策,”他解释说。“该模型解决了非常具体的数据治理以及实现个性化医疗保健所需的技术步骤。该领域的每个人都试图从过去的错误中学习和构建,这些错误的特点是分散的分析方法。我们借鉴了HIMSS EMR采用模型的思想,并将其应用于企业数据仓库和分析的采用。该模型将帮助组织构建自己的分析路线图,并评估供应商的产品。供应商也可以用它来影响自己的产品路线图。”

无论卫生保健提供系统的规模如何,其数据需求和挑战都相对平等。桑德斯说:“作为一个行业,我们需要弄清楚的是,我们如何让小型组织能够获得和负担得起分析。”“围绕着医疗保健技术,有很多事情真的很忙。许多组织仍在实施电子病历、健康信息交换和向icd -10的转换——所有这些事情加在一起给每个组织的技术团队和基础设施带来了非常沉重的负担。增加对分析系统的需求会加重本已沉重的负担。我们为客户所做的一切,无论是大型系统还是小型设施,都是为了尽可能快速、高效、无痛苦地采用分析。”

弗里奇表示,并非每家医院都适合处理分析问题。“到处都是孤岛,”他说。“小医院有自己的数据库,不能很好地共享数据。为了使分析更有意义,您需要将数据整合并聚集到大型池中。付款人能够看到许多医院的更广泛的数据,因为他们已经这样做了。”

尽管如此,弗里奇认为,如果一家机构想要改进自己,内部分析会有所帮助。他说:“如果他们真的想在控制成本的同时改善病人护理,那么他们就需要与该地区的其他医院共享信息和合作。”“建立这种系统的成本并不低,而且许多较小的医院没有预算、能力或自己进行有意义的分析所需的数据。”

未来
Fritsch表示,诸如有意义的使用、ICD-10和基于价值的报销模式等联邦倡议正在推动分析,并推动一种新的商业模式。综上所述,这些因素正在帮助医院确定什么在财务上是可行的。“我们需要更好地了解患者群体,”他说。“这样做的人在病人组合和报销方面都取得了积极的成果。高管们开始意识到,在政府法规和其他影响医疗保健领域的要求之前,从分析中可以获得一些东西。”

专家们设想,分析将以多种形式出现,并将变得更加普遍。正如美国疾病控制与预防中心(Centers for Disease Control and Prevention)和世界卫生组织(World Health Organization)能够挖掘互联网数据以更好地了解健康模式和流行病一样,先进的技术将能够分析Twitter更新和Facebook帖子,以实时确定流感爆发的地点。
然而,在不久的将来,医院必须建立数据分析的基本能力,以管理各自人群的风险。因为有许多模型和经过验证的指导方针可以遵循,提供者可以在现有科学的基础上构建他们的项目,同时用自己独特的数据来增强它们。最有效的方案将解决业务问题,并回答将推动行业发展和改善患者护理的具体问题。

-苏珊·查普曼,洛杉矶作家。