Mejora la atención basada en el valor con la supervisión del rendimiento

Medir con precisión el impacto de la estrategia de atención basada en el valor

El sector salud ha estado en constante transformación desde la década de 1970. En 2001, Institute of Medicine publicó "Crossing the Quality Chasm" y el triple objetivo, que buscaba abordar la mejora de la salud de la población, la experiencia del paciente y la calidad de los resultados, así como reducir el costo per cápita de la atención sanitaria. Desde entonces, se ha producido un cambio sísmico en la forma en que se presta la atención sanitaria. En lugar de centrarse en actividades basadas en el volumen que recompensan el número de visitas, procedimientos y admisiones, el sector salud se ha movido hacia un sistema de atención integrada basada en el valor, que reconoce las actividades centradas en el paciente, optimiza los recursos y mejora los resultados tanto para la salud del paciente como para la posición financiera de la organización.

Para promover un modelo basado en el valor, a las organizaciones del sector salud no les basta con confiar en los sistemas clínicos para identificar y mitigar las ineficiencias de costos. Necesitan visibilidad de toda la empresa para realizar el tipo de análisis equilibrado que les ayude a identificar oportunidades de mejora sopesando y ajustando factores como los modelos de reembolso, la calidad, los resultados, la utilización de recursos y los costos. Sin embargo, muchas organizaciones del sector salud tienen dificultades para alcanzar este nivel de visibilidad, y la incapacidad de integrar los datos clínicos de los historiales médicos electrónicos y los registros clínicos electrónicos con datos no clínicos y no estructurados es uno de los mayores obstáculos para adoptar plenamente la atención basada en el valor.

Superar esta incapacidad debe ser una prioridad para las organizaciones del sector salud, y afortunadamente la tecnología puede facilitar las cosas. Las plataformas de datos modernas permiten a los proveedores de atención sanitaria recopilar los datos necesarios, evaluarlos e informar sobre ellos mediante una combinación de análisis de alta gama e inteligencia artificial, y utilizarlos para identificar posibles problemas, ya sea en un episodio específico de atención o en un aspecto más amplio del negocio, y oportunidades.

Simplificar el desarrollo de los KPI

A medida que las organizaciones sanitarias implementan iniciativas para apoyar la atención centrada en el paciente, resulta vital que construyan modelos de prestación más económicos e identifiquen formas de reducir los costos fijos, mejorar la calidad de la atención y abordar los determinantes sociales de la salud. Una vez implementadas estas iniciativas, las organizaciones sanitarias deben evaluar su eficacia considerando diversos indicadores clave de rendimiento (KPI), como los resultados informados por el paciente y las tasas de reingreso de pacientes. Al mismo tiempo, los que trabajan en la organización no solo necesitan disponer de acceso a todos los datos pertinentes, sino que también deben ser capaces de comprender esos datos, interpretarlos y actuar en consecuencia.

Oracle Data Platform ofrece todas las capacidades que las organizaciones del sector salud necesitan para captar y utilizar con éxito todos los datos disponibles, al tiempo que proporciona funciones automatizadas para simplificar el proceso.

En esta imagen se muestra cómo se puede utilizar Oracle Data Platform for Healthcare para fortalecer la atención basada en el valor con supervisión del rendimiento. La plataforma incluye estos cinco pilares:

1. 1. Orígenes de datos, detección
2. 2. Ingerir, transformar
3. 3. Persistir, curar, crear
4. 4. Analizar, aprender, predecir
5. 5. Medir, actuar

El pilar Origen de datos, detección incluye cuatro categorías de datos.

1. 1. Las aplicaciones están formadas por registros administrativos de los pacientes.
2. 2. Los registros sanitarios incluyen cuestionarios y datos clínicos genéricos y específicos de las condiciones de los pacientes, como datos de historiales clínicos electrónicos, registros médicos electrónicos y antecedentes.
3. 3. Los datos de terceros incluyen los resultados reportados por los pacientes.
4. 4. Los datos de entrada técnicos incluyen datos de sistemas de prescripción electrónica y registros médicos electrónicos.

El pilar "Ingerir, transformar" comprende cuatro capacidades.

1. 1. La transferencia masiva utiliza OCI FastConnect, OCI Data Transfer, MFT y OCI CLI.
2. 2. La ingesta por lotes utiliza OCI Data Integration, Oracle Data Integrator y Data Studio.
3. 3 La captura de datos modificados utiliza OCI GoldenGate y Oracle Data Integrator.
4. 4. La ingesta de streaming utiliza Kafka Connect.

Las cuatro capacidades se conectan de forma unidireccional con el almacén de datos de servicio, el almacén de datos transaccionales y el almacenamiento en la nube dentro del pilar Persistir, curar y crear.

El pilar "Persistir, curar y crear" incluye cinco capacidades.

1. 1. El almacén de datos de servicio utiliza Autonomous Data Warehouse, Exadata Cloud Service y Exadata Cloud@Customer
2. 2. Managed Hadoop utiliza Oracle Big Data Service.
3. 3. El almacenamiento en la nube utiliza OCI Object Storage.
4. 4. El procesamiento por lotes utiliza OCI Data Flow.
5. 5. La gobernanza utiliza OCI Data Catalog.

Estas capacidades están conectadas dentro del pilar. El almacenamiento en la nube está conectado de forma unidireccional al almacén de datos en servicio y a Hadoop gestionado; también está conectado de forma bidireccional con el procesamiento por lotes.

El Hadoop gestionado se conecta unidireccionalmente al almacén de datos de servicio.

Dos capacidades se conectan al pilar de Analiza, aprender, predecir: el almacén de datos de servicio se conecta a la capacidad de análisis y visualización, así como a la capacidad de los productos de datos y las API. El almacenamiento en la nube se conecta a la capacidad de machine learning.

El pilar Analizar, aprender, predecir incluye tres capacidades.

1. 1. La analítica y la visualización utilizan Oracle Analytics Cloud, GraphStudio e ISV.
2. 2. Las API y los productos de datos utilizan OCI API Gateway y OCI Functions.
3. 3. Machine learning utiliza OCI Data Science, Oracle Machine Learning y ML Notebooks.
4. 4. La capacidad de las API y los productos de datos está unidireccionalmente conectada a la capacidad de machine learning.
5. 5. El almacén de datos de servicio y el almacenamiento de objetos suministran metadatos al catálogo de datos de OCI.

El pilar Medir, actuar evalúa cómo se puede aplicar el análisis de datos para impulsar un modelo de prestación de asistencia basado en el valor y supervisar el rendimiento.

1. El primer grupo incluye el seguimiento de la asignación y el uso de recursos y la evaluación de resultados y grupos de edad en función del protocolo de tratamiento y riesgo del paciente, el cotejo con pacientes en condiciones similares y la evaluación comparativa internacional y la notificación de costos.
2. El segundo grupo incluye predicciones sobre los resultados del paciente.

Los tres pilares centrales, Ingerir, transformar; Persistir, curar, crear; y Analizar, aprender, predecir, son compatibles con la infraestructura, la red, la seguridad y la gestión de identidades y accesos.

La arquitectura de Oracle Data Platform for Healthcare ofrece a las organizaciones la capacidad de capturar, almacenar, gestionar y obtener insights a partir de los datos recopilados de los resultados informados por el paciente, los registros administrativos de los pacientes y muchas otras fuentes de datos para ayudarles a lograr su objetivo de pasar a un sistema sanitario basado en el valor.

• Para iniciar el proceso, necesitamos entender la situación del paciente tanto como podamos. Para ello, utilizamos OCI GoldenGate para permitir la ingestión mediante captura de datos modificados de información operativa casi en tiempo real, como registros administrativos de pacientes y antecedentes, desde diferentes sistemas de gestión sanitaria.
• Además, podemos agregar conjuntos de datos que enriquezcan nuestro conocimiento acerca del paciente y nos ayuden a entender por qué le están realizando las pruebas y qué se le ha recetado. Estos conjuntos de datos suelen incluir grandes volúmenes de datos y, en la mayoría de los casos, la ingesta por lotes suele resultar más eficaz. Esta es también la forma más eficiente de consumir datos proporcionados por diferentes proveedores de registros médicos electrónicos, como Epic y Oracle.
• Podemos igualmente recurrir a la ingesta de streaming para ingerir datos de flujos, como prescripciones electrónicas y, en función del proveedor, incluso registros médicos electrónicos. Además, en este caso de uso, pretendemos analizar y responder rápidamente al sentimiento de los pacientes mediante el análisis de mensajes de redes sociales, respuestas a publicaciones propias y mensajes de tendencias. Los mensajes/eventos de las redes sociales (aplicación) se ingerirán y alojarán en el almacenamiento en la nube, que se utilizará más adelante para ayudarnos a comprender plenamente la experiencia del paciente.
• Opcionalmente, si existe un gran volumen de datos históricos locales, puede ser aconsejable utilizar un proceso de transferencia masiva para cargar resultados históricos reportados por el paciente, medidas de experiencia reportadas por el paciente y condiciones basadas en resultados de contratos suscritos con aseguradoras .

La persistencia y el procesamiento de datos se basan en cuatro componentes.

• Los datos en bruto ingeridos se alojan en el almacenamiento en la nube. Para el procesamiento por lotes de estos datos ahora persistentes, como prescripciones electrónicas, datos de registros médicos electrónicos, cuestionarios completados, resultados reportados por el paciente y datos de redes sociales, utilizaremos OCI Data Flow. Estos conjuntos de datos procesados se devuelven al almacenamiento en la nube para una persistencia, curación y análisis continuos y, en última instancia, para cargarlos en formato optimizado en el almacén de datos de servicio. Por otro lado, en función de la preferencia de arquitectura y de utilizar opciones de código abierto, esto se puede lograr con Oracle Big Data Service como un clúster de Hadoop gestionado.
• Ahora hemos creado conjuntos de datos procesados que están listos para conservarse en un formato relacional optimizado para garantizar el adecuado rendimiento de la curación de contenidos y de las consultas en el almacén de datos de servicio. Esto nos permitirá identificar y abordar indicadores clave de rendimiento, como la tasa de reingreso, los resultados del paciente, la tasa de tramitación de reclamaciones y el porcentaje de denegación de reclamaciones.

La capacidad de analizar, aprender y predecir se basa en dos tecnologías.

• Los servicios de análisis y visualización ofrecen varias categorías de análisis. Los análisis descriptivos explican las tendencias actuales con histogramas y gráficos y, por ejemplo, pueden proporcionar información sobre los resultados, como tasas de supervivencia a cinco años, repetición de operaciones, admisiones no planificadas y desviaciones de los planes de tratamiento. El análisis de diagnóstico pretende explicar las razones que produjeron determinados eventos y cuáles fueron los factores que los desencadenaron. Por ejemplo, puedes utilizar el análisis de diagnóstico para comprender las posibles razones que explican cualquier desviación de la cantidad de tiempo estándar que se tarda en que un paciente pase de la derivación hasta su primera visita médica para un área específica del país o por qué se ha producido un aumento en los días de enfermería por paciente para una condición específica. El análisis prescriptivo propone acciones adecuadas para fomentar la óptima toma de decisiones. Por ejemplo, puede usar análisis prescriptivos para sugerir ajustes de procedimiento y clínicos que podrían conducir a mejoras en los resultados reportados en materia de calidad de vida (como mejor funcionamiento o disminución de los niveles de dolor).
• Además de los análisis avanzados, se desarrollan, entrenan y despliegan modelos de machine learning. Se puede acceder a estos modelos a través de API o desplegarse en el almacén de datos de servicio.
• Nuestros datos y modelos seleccionados, probados y de alta calidad pueden estar sujetos a reglas y políticas de gobernanza y exponerse como un producto de datos (API) dentro de una arquitectura de malla de datos para su distribución en todas las esferas de organización del sector salud.

Los beneficios de la atención basada en el valor

Comprender el rendimiento de sus iniciativas de atención basada en el valor es la clave para que la organización sanitaria pueda evolucionar y adaptar sus estrategias para lograr un éxito continuo. Una estrategia de atención basada en el valor implementada y evaluada con éxito proporcionará a las organizaciones sanitarias muchas ventajas y capacidades mejoradas que, en última instancia, beneficiarán a sus pacientes, personal y médicos, así como sus resultados. Por ejemplo

• Recopilar y aplicar eficazmente la información de los propios pacientes para aprender lo bien que el servicio de salud les está tratando
• Adoptar un enfoque equitativo, sostenible y transparente de la utilización de los recursos para mejorar los resultados y las experiencias de los pacientes
• Luchar de forma más eficaz contra el sobrediagnóstico, la prescripción excesiva, la mala asignación de recursos y la aplicación de tratamientos inadecuados
• Identificar variaciones injustificadas asociadas al uso excesivo o deficiente de tecnologías y cuidados sanitarios
• Limitar la resistencia antimicrobiana
• Luchar contra la crisis de la adicción a los opiáceos