Verbesserung der wertorientierten Pflege durch Leistungsüberwachung

Genaue Messung der Auswirkungen Ihrer wertorientierten Versorgungsstrategie

Das Gesundheitswesen befindet sich seit den 1970er Jahren in einem ständigen Wandel. Im Jahr 2001 veröffentlichte das Institute of Medicine „Crossing the Quality Chasm“ und das Triple Aim, das die Verbesserung der Gesundheit der Bevölkerung, der Patientenerfahrung und der Qualitätsergebnisse sowie die Senkung der Pro-Kopf-Kosten im Gesundheitswesen zum Ziel hatte. Seitdem hat sich die Art und Weise, wie die Gesundheitsversorgung erbracht wird, grundlegend verändert. Anstatt sich auf volumenorientierte Aktivitäten zu konzentrieren, die mehr Besuche, mehr Verfahren und mehr Aufnahmen belohnen, hat sich die Gesundheitsbranche auf ein wertorientiertes System der integrierten Versorgung verlagert, das patientenzentrierte Aktivitäten anerkennt, Ressourcen optimiert und die Ergebnisse sowohl für die Gesundheit des Patienten als auch für die finanzielle Lage der Organisation verbessert.

Um ein wertorientiertes Modell zu fördern, können sich Gesundheitsorganisationen nicht einfach auf die klinischen Systeme verlassen, um Kostenineffizienzen zu erkennen und zu verringern. Sie benötigen einen Überblick über das gesamte Unternehmen, um eine ausgewogene Analyse durchführen zu können, die ihnen hilft, Verbesserungsmöglichkeiten zu erkennen, indem sie Faktoren wie Erstattungsmodelle, Qualität, Ergebnisse, Ressourcennutzung und Kosten abwägen und anpassen. Die Unfähigkeit, klinische Daten aus elektronischen Krankenakten mit nicht-klinischen und unstrukturierten Daten zu integrieren, ist eines der Haupthindernisse, die sie davon abhalten, die wertorientierte Versorgung in vollem Umfang zu verwirklichen.

Die Überwindung dieser Unfähigkeit muss eine Priorität für Organisationen im Gesundheitswesen sein, und glücklicherweise kann Technologie dabei helfen. Eine moderne Datenplattform ermöglicht es Gesundheitsdienstleistern, die erforderlichen Daten zu sammeln, diese Daten mithilfe einer Kombination aus High-End-Analytik und künstlicher Intelligenz auszuwerten und Berichte zu erstellen und diese Daten zu nutzen, um potenzielle Probleme – entweder innerhalb einer bestimmten Pflegesituation oder in einem umfassenderen Aspekt des Unternehmens – sowie Chancen zu erkennen.

Vereinfachung der Entwicklung von KPIs

Bei der Umsetzung von Initiativen zur Förderung der patientenzentrierten Versorgung ist es für Gesundheitsorganisationen von entscheidender Bedeutung, kostengünstigere Bereitstellungsmodelle zu entwickeln und Wege zur Senkung der Fixkosten, zur Verbesserung der Versorgungsqualität und zur Berücksichtigung sozialer Gesundheitsfaktoren zu finden. Sobald diese Initiativen umgesetzt sind, müssen die Gesundheitseinrichtungen ihre Wirksamkeit anhand mehrerer wichtiger Leistungsindikatoren (KPIs) bewerten, z. B. anhand der von den Patienten gemeldeten Ergebnisse und der Wiederaufnahmeraten. Gleichzeitig müssen die Mitarbeiter des Unternehmens nicht nur Zugang zu allen relevanten Daten haben, sondern sie müssen auch in der Lage sein, diese Daten zu verstehen, zu interpretieren und entsprechend zu handeln.

Oracle Data Platform bietet alle Funktionen, die Organisationen im Gesundheitswesen benötigen, um alle verfügbaren Daten erfolgreich zu erfassen und zu nutzen, und bietet gleichzeitig automatisierte Funktionen zur Vereinfachung des Prozesses.

Diese Abbildung zeigt, wie Oracle Data Platform for Healthcare zur Unterstützung der wertorientierten Pflege mit Leistungsüberwachung verwendet werden kann. Die Plattform umfasst die folgenden fünf Pillar:

1. 1. Datenquellen, Erkennung
2. 2. Aufnehmen, transformieren
3. 3. Ausharren, kuratieren, schaffen
4. 4. Analysieren, lernen, prognostizieren
5. 5. Messen, handeln

Der Pillar „Datenquellen, Entdeckung“ umfasst vier Datenkategorien.

1. 1. Die Anwendungen bestehen aus administrativen Patientenakten.
2. 2. Zu den Gesundheitsakten gehören allgemeine und krankheitsspezifische Fragebögen und klinische Daten, z. B. Daten aus elektronischen Patientenakten, elektronischen Patientenakten und Behandlungspfaden.
3. 3. Die Daten von Dritten umfassen die von den Patienten gemeldeten Ergebnisse.
4. 4. Der technische Input umfasst Daten aus EMR- und E-Prescribing-Systemen.

Der Pillar „Aufnehmen, transformieren“ umfasst vier Funktionen.

1. 1. Die Massenübertragung verwendet OCI FastConnect, OCI Data Transfer, MFT und OCI CLI.
2. 2. Die Batchaufnahme verwendet OCI Data Integration, Oracle Data Integrator und Data Studio.
3. 3. Die Datenänderungserfassung verwendet OCI GoldenGate und Oracle Data Integrator.
4. 4. Die Streaming-Aufnahme verwendet Kafka Connect.

Alle vier Funktionen verbinden sich unidirektional mit dem Serving Data Store, dem Cloud-Speicher und dem Transaktionsdatenspeicher innerhalb der Säule „Ausharren, kuratieren, schaffen“.

Der Pillar „Beibehalten, kurieren, erstellen“ umfasst fünf Funktionen.

1. 1. Der Serving Data Store verwendet Autonomous Data Warehouse, Exadata Cloud Service und Exadata Cloud@Customer.
2. 2. Managed Hadoop verwendet Oracle Big Data Service.
3. 3. Der Cloud-Speicher verwendet OCI Object Storage.
4. 4. Die Batchverarbeitung verwendet OCI Data Flow.
5. 5. Governance verwendet OCI Data Catalog.

Diese Funktionen sind innerhalb des Pillars miteinander verbunden. Der Cloud-Speicher ist unidirektional mit dem bereitstellenden Datenspeicher und dem verwalteten Hadoop und außerdem bidirektional mit der Batchverarbeitung verbunden.

Das verwaltete Hadoop ist unidirektional mit dem bereitstellenden Datenspeicher verbunden.

Zwei Funktionen sind mit der Säule „Analysieren, lernen, prognostizieren“ verbunden: Der Serving Data Store ist sowohl mit den Analyse- und Visualisierungsfunktionen als auch mit den Datenprodukten und APIs verbunden. Der Cloud-Speicher ist mit der ML-Funktion verbunden.

Die Säule „Analysieren, lernen, prognostizieren“ umfasst drei Funktionen.

1. 1. Analysen und Visualisierungen verwenden Oracle Analytics Cloud, GraphStudio und ISVs.
2. 2. Datenprodukte, APIs verwenden OCI API Gateway und OCI Functions.
3. 3. Maschinelles Lernen verwendet OCI Data Science, Oracle Machine Learning und ML-Notizbücher.
4. 4. Die Datenprodukte und APIs sind unidirektional mit der Fähigkeit zum maschinellen Lernen verbunden.
5. 5. Der Serving Data Store und der Objektspeicher stellen Metadaten für den OCI Data Catalog bereit.

Die Säule „Messen, handeln“ erfasst, wie die Datenanalyse angewendet werden kann, um ein wertorientiertes Bereitstellungsmodell zu unterstützen und die Leistung zu überwachen.

1. Die erste Gruppe umfasst die Überwachung der Zuweisung und Verwendung von Ressourcen und die Bewertung von Ergebnissen und Kohorten auf der Grundlage von Patientenrisiko und Behandlungsprotokoll, Peer-Vergleichen und internationalem Benchmarking sowie Kostenberichterstattung.
2. Die zweite Gruppe umfasst Vorhersagen zu den Patientenergebnissen.

Die drei zentralen Pillar – Aufnehmen, transformieren; Ausharren, kuratieren, schaffen; und Analysieren, lernen, prognostizieren – werden durch Infrastruktur, Netzwerk, Sicherheit und IAM unterstützt.

Die Architektur für Oracle Data Platform for Healthcare gibt Organisationen die Möglichkeit, Daten zu erfassen, zu speichern, zu verwalten und Einblicke in Daten zu gewinnen, die aus von Patienten gemeldeten Ergebnissen, administrativen Aufzeichnungen von Patienten und vielen anderen Datenquellen stammen, um ihr Ziel zu erreichen, ein wertorientiertes Gesundheitssystem zu schaffen.

• Um unseren Prozess zu beginnen, müssen wir alles über den Patienten wissen, was wir können. Dazu verwenden wir OCI GoldenGate, um die Datenänderungserfassungs von nahezu Echtzeit-Betriebsdaten wie Patientenadministrationsdatensätze und Behandlungspfade aus verschiedenen Gesundheitsmanagementsystemen.
• Wir können jetzt Datensätze hinzufügen, die das, was wir bereits über den Patienten wissen, bereichern und uns helfen zu verstehen, warum der Patient untersucht wird und was ihm verschrieben wurde. Diese Datensätze umfassen häufig große Datenmengen. In den meisten Fällen ist die Batchaufnahme in der Regel die effizienteste Aufnahmemethode. Das ist außerdem die effizienteste Methode, um Daten von verschiedenen Anbietern elektronischer Gesundheitsdatensätze wie Epic und Oracle zu nutzen
• Wir können auch die Streamingaufnahme verwenden, um Streaming-Daten aufzunehmen, wie z. B. elektronische Rezepte und, je nach Anbieter, sogar elektronische Krankenakten. Darüber hinaus beabsichtigen wir in diesem Anwendungsfall, die Stimmung der Patienten zu analysieren und schnell darauf zu reagieren, indem wir Nachrichten in sozialen Medien, Antworten auf Beiträge von Erstanbietern und Trendmeldungen analysieren. Social-Media-(Anwendungs-)Nachrichten/Ereignisse werden aufgenommen und im Cloud-Speicher gespeichert, damit wir die Erfahrungen des Patienten später besser verstehen können.
• Optional ist es ratsam, einen Massenübertragungsprozess zu verwenden, um historische patientenbezogene Ergebnisse, patientenbezogene Erfahrungswerte und ergebnisorientierte Vertragsbedingungen mit Versicherern hochzuladen.

Datenpersistenz und -verarbeitung basieren auf vier Komponenten.

• Aufgenommene Rohdaten werden im Cloud-Speicher gespeichert. Für die Batchverarbeitung dieser nun persistenten Daten, wie z. B. elektronische Rezepte, elektronische Gesundheitsdaten, ausgefüllte Fragebögen, von Patienten berichtete Ergebnisse und Daten aus sozialen Medien, verwenden wir OCI Data Flow. Die verarbeiteten Datensätze werden an den Cloud-Speicher zurückgegeben, wo sie weiter aufbewahrt, kuratiert und analysiert und schließlich in optimierter Form in den dienenden Datenspeicher geladen werden. Je nach Architekturvoreinstellung und dem Wunsch, Open-Source-Optionen zu verwenden, kann dies auch mit Oracle Big Data Service als Managed Hadoop-Cluster erfolgen.
• Wir haben nun verarbeitete Datensätze erstellt, die in optimierter relationaler Form für die Kuration und Abfrageleistung im Serving Data Store aufbewahrt werden können. Auf diese Weise können wir die wichtigsten Leistungsindikatoren ermitteln und zurückmelden, z. B. die Wiederaufnahmequote, die Ergebnisse für die Patienten, die Quote der Bearbeitung von Anträgen und die Quote der Ablehnung von Anträgen.

Die Fähigkeit, zu analysieren, zu lernen und vorherzusagen, basiert auf zwei Technologien.

• Analyse- und Visualisierungsservices stellen mehrere Kategorien von Analysen bereit. Die deskriptive Analyse beschreibt aktuelle Trends anhand von Histogrammen und Diagrammen und kann beispielsweise Informationen über Ergebnisse wie Fünf-Jahres-Überlebensraten, Wiederholungsoperationen, ungeplante Einweisungen und Abweichungen von Behandlungsplänen liefern. Die diagnostischen Analysen zielen darauf ab, zu erklären, warum bestimmte Ereignisse eingetreten sind und welche Faktoren sie ausgelöst haben. So können Sie beispielsweise diagnostische Analysen nutzen, um die möglichen Gründe für eine Abweichung von der Standardzeit zu verstehen, die ein Patient von der Überweisung bis zum ersten Klinikbesuch in einer bestimmten Region des Landes benötigt, oder um zu verstehen, warum die Pflegetage pro Patient für eine bestimmte Erkrankung gestiegen sind. Präskriptive Analysen schlagen geeignete Maßnahmen vor, um eine optimale Entscheidungsfindung zu unterstützen. So können Sie präskriptive Analysen beispielsweise verwenden, um verfahrenstechnische und klinische Anpassungen vorzuschlagen, die zu Verbesserungen bei den berichteten Lebensqualitätsergebnissen führen könnten (z. B. verbesserte Funktionsfähigkeit oder geringere Schmerzwerte).
• Neben der erweiterten Analyse werden Machine Learning-(ML-)Modelle entwickelt, trainiert und eingesetzt. Diese Modelle können über APIs aufgerufen oder im Serving Data Store bereitgestellt werden.
• Unsere kuratierten, getesteten und qualitativ hochwertigen Daten und Modelle können Governance-Regeln und -Richtlinien anwenden und als „Datenprodukt“ (API) innerhalb einer Data-Mesh-Architektur für die Verteilung im Gesundheitswesen verfügbar gemacht werden.

Die Vorteile einer wertorientierten Versorgung

Die erfolgreiche Umsetzung wertorientierter Versorgungsinitiativen ist der Schlüssel zur Weiterentwicklung und Anpassung der Strategien, um im Gesundheitswesen einen kontinuierlichen Erfolg zu erzielen. Eine erfolgreich umgesetzte und evaluierte wertorientierte Versorgungsstrategie wird Gesundheitsorganisationen viele Vorteile und Möglichkeiten bieten, die letztlich den Patienten, dem Personal und den Ärzten zugute kommen, aber auch dem Unternehmen selbst. Beispiele

• Effizientes Sammeln und Anwenden von Informationen von den Patienten selbst, um zu erfahren, wie gut das Gesundheitswesen sie behandelt
• Einführung eines gerechten, nachhaltigen und transparenten Ansatzes für die Ressourcennutzung, um bessere Ergebnisse und Erfahrungen für die Patienten zu erzielen
• Wirksamere Bekämpfung von überzogenen Diagnosen, übermäßigen Behandlungen, unzureichender Ressourcenzuteilung und der Einführung unzureichend belegter Behandlungen
• Identifizierung ungerechtfertigter Abweichungen im Zusammenhang mit der übermäßigen oder unzureichenden Inanspruchnahme von Gesundheitstechnologien und Pflege
• Begrenzung der antimikrobiellen Resistenz
• Kampf gegen die Opioid-Krise