Эволюция подходов к аналитике в здравоохранении
Системы сбора, управления и анализа медицинских данных позволяют клиникам отслеживать информацию о пациентах в динамике, продвигать системный подход к уходу за пациентами, оптимизировать профилактический скрининг и мониторинг пациентов и улучшать общее качество ухода за пациентами. Модель EMRAM, разработанная HIMSS Analytics, стала на мировом уровне общепризнанной моделью развития информационной среды в учреждениях здравоохранения и сегодня большая часть больниц в целях развития и поддержки принятия решений внедряет в свою работу информационные системы здравоохранения. Кроме оптимизации внутренних процессов по управлению данными, согласно исследованиям HIMSS, соответствие клиники более высокой стадии развития по EMRAM способствует росту удовлетворенности пациентов, снижению смертности, улучшению прозрачности методов обоснования диагнозов, обеспечивает более быструю адаптируемость организации, предсказуемость бизнеса и способствует определению возможных точек роста.
С 2008 года сотрудники Smart Analytics выполняют работы по внедрению аналитических систем для предприятий сферы здравоохранения в Германии, Испании, Бельгии, Италии, Канаде и Саудовской Аравии. Естественно, клиники собирали данные о своих пациентах всегда. Но 15 лет назад это чаще всего были Excel-таблицы. Наша команда разрабатывала и продолжает развивать информационно-аналитические решения, использующие большие объёмы медицинских данных и предоставляющие эффективные и наглядные средства принятия решений по анализу эффективности госпиталя, управлению затратами, планированию и прогнозированию рисков.
Начальный уровень
На первом этапе уровня автоматизации данные медицинских учреждений хранились в электронных таблицах. Это давало возможность накапливать ретроспективные данные и формировать временные ряды по выбранным показателям. Excel позволял объединять данных из нескольких источников, в том числе, подключать различные внешние источники данных. Данные, агрегированные из разнообразных источников, были доступны для совместного анализа и проведения базового статистического анализа.
Однако с накоплением большего объема данных возрастает количество исходных показателей, аккумулируемых в файлах, а также периодов, за которые собираются данные, а как следствие, работа с файлами становится медленной: от непосредственно открытия самого файла до нахождения требуемой вкладки с нужными показателем, датой или подразделением.
Кроме того, при работе с эл.таблицами многие операции выполняются в ручном режиме, что требует определенных навыков (например, для добавление новых источников нужны навыки по работе с моделями данных), временных затрат, а также может привести к случайным ошибкам.
Единое хранилище данных
Следующим этапом автоматизации становится появление единого хранилища данных. Несомненно, единое хранилище обладает рядом преимуществом по сравнению с хранением данных в Excel. Во-первых, данные из различных источников загружаются в автоматическом режиме, что позволяет накопить больший объём данных, предоставляющий возможности для проведения более сложных аналитических расчётов и более глубокого анализа тенденций и взаимосвязей. Во-вторых, повышается достоверность и надежность используемых данных в связи с возможностью настройки валидации и гармонизации данных при их загрузке. Так, может быть настроена проверка сопоставимости данных, загружаемых из различных источников, и при необходимости их гармонизация (например, приведение к одной единице измерения).
Что касается верификации данных, то при импорте могут настраиваться проверки корректности загружаемых данных и отклонении некорректных. Кроме того, пользователи, ответственные за данные, могут получать информацию о наличии выбросов в исходных данных (например, многократное увеличение количества пациентов за период).
Несмотря на всё вышеназванное, пользователи всё еще сталкиваются с определенными трудностями. Данные накапливаются, но не работают: для извлечения дополнительных знаний нужны навыки работы с БД. С большим набором показателей становится сложней найти нужные из них и сделать верные выводы, возникает потребность в более развитой аналитике.
Автоматизация анализа внутренних бизнес-процессов клиники
С накоплением значительного количества показателей, характеризующих деятельность и результативность клиники, ее подразделений и персонала, становится возможным проведение анализа ее бизнес-процессов, оценки достижения клиниками KPI, выявления сильных и слабых мест в целом по учреждению и / или в разрезе отдельных направлений и сотрудников.
Аналитические системы, появляющиеся на данном этапе, предоставляют пользователям доступ к различным видам анализа (например, анализ динамики, структурный анализ, сравнительный анализ), а также обеспечивают возможность комплексного анализа показателей деятельности клиники.
Кроме того, на данном этапе помимо описательной и диагностической аналитики становятся востребованными такие виды аналитики, как предиктивная, прескриптивная и управляемая аналитика (guided analytics). На основе массива накопленных данных появляется возможность анализа «что будет если» (предиктивный анализ), «что необходимо для» («прескриптивный» анализ), а детализация данных сверху вниз (до уровня отделения, врача, специализации, заболевания / диагноза пациента) помогает выявить причины возникновения той или иной нежелательной ситуации (например, какой группой заболеваний вызвана избыточная смертность в клинике). Системы, обладающие перечисленной функциональностью, позволяют принимать более взвешенные и качественные управленческие решения.
Решения нашей компании в части автоматизации деятельности клиник можно отнести к данному этапу. Так, мы имеем опыт разработки интегрированных системы анализа эффективности деятельности клиник. В рамках наших решений мы предлагаем следующую функциональность:
- Импорт и совместный анализ данных из различных источников;
- Оперативный анализ загружаемых данных (оценка полноты и качества показателей);
- Анализ непротиворечивости записей о пациенте (EHR), в т.ч. соответствие диагнозов и процедур;
- Многоуровневый анализ в различных сферах деятельности качество медицинского ухода, качество сестринского ухода, финансирование клиник;
- Возможность детализации результатов до уровня конкретных подразделений / специализаций / врачей;
- Сопоставительный анализ различных обезличенных клиник по ключевым показателям деятельности и выявление места исследуемой клиники среди прочих;
- Сервисы предварительной валидации отчётности перед отправкой в контролирующий орган.
Но несмотря на богатую функциональность решений данного этапа, они всё еще обладают некоторыми ограничениями. Данные о пациенте, формирующиеся в разных клиниках, изолированы, нет сквозной истории болезни, что обуславливает риски при принятии решений.
На наш взгляд, следующим важным этапом автоматизации здравоохранения должно стать развитие информационного обмена данными по пациенту и его истории болезни между врачами различных клиник посредством формирования единой базы, с обеспечением доступа к ней персонала независимо от места приема. Данные по пациенту должны быть интегрированы из всех доступных источников и визуализированы в виде электронных карточек пациента, доступных как врачам любой клиники, так и самому пациенту.