Gezondheidszorgbeheer onder de bevolking

Verbeter de resultaten voor patiënten en minimaliseer de kosten

Effectief beheer van de gezondheidszorg biedt veel voordelen voor gezondheidszorgsystemen, zorgverleners, patiënten, de gemeenschap en betalers. Het kan helpen de medische resultaten te verbeteren, de ervaring voor patiënten te verbeteren, ongelijkheden in de gezondheid te verminderen, inefficiënties en lacunes in de zorg te identificeren en de zorgkosten te beheersen. Om effectief te zijn, vereisen populatiegerichte gezondheidszorgsystemen echter toegang tot enorme hoeveelheden nauwkeurige, bijna realtime data uit meerdere bronnen, de tools om ongelijksoortige datasets te verbinden en die data te gebruiken om bruikbare inzichten te ontwikkelen. De data moeten bovendien te allen tijde veilig blijven.

Om deze uitdagingen het hoofd te bieden en effectieve beheerstrategieën te ondersteunen, hebben medische systemen een dataplatform nodig waarop inzichten kunnen worden verzameld, opgeslagen, beheerd en verworven op basis van data die met behulp van een data lakehouse zijn verzameld uit beheersystemen en biomedische, klinische en operationele systemen. De infrastructuur van het platform moet beschikken over een robuust framework voor informatiebeheer dat een opzegfunctie voor burgers en functionaliteit voor interoperabiliteit, data en cybersecurity bevat. Het platform moet ook geavanceerde analyses, machine learning en cognitieve analyses bieden. Dit is essentieel voor het ontwerpen van effectieve en krachtige methoden voor risicostratificatie en voor het bewaken van de gezondheid van de bevolking in de loop der tijd. Als zorgteams patiëntgegevens verspreid over verschillende informatiesystemen in de gezondheidszorg kunnen consolideren in één record, kunnen ze bruikbare inzichten ontwikkelen waarmee de resultaten voor patiënten worden verbeterd en tegelijkertijd de kosten voor de patiënt, zorgaanbieder en betaler worden verlaagd.

Maak gebruik van alle data

Er zijn nieuwe benaderingen nodig om de huidige behoeften van de gezondheidszorg te helpen identificeren en te voorspellen wat patiënten in de toekomst nodig zullen hebben. De volgende architectuur laat zien hoe Oracle Data Platform het beheren van populatiegerichte gezondheidszorgsystemen ondersteunt door data vast te leggen, op te slaan, te beheren en te analyseren om zo beter inzicht te krijgen in de behoeften van patiënten.

Er zijn drie manieren om data in te voeren in een architectuur en zorgorganisaties een optimaal beeld te geven van hun patiënten.

• Om patiënten te begrijpen, moet de zorgverlener hun medische geschiedenis kennen. Hiertoe moeten zorgorganisaties alle registratie- en overdrachtsrecords verkrijgen uit verschillende informatiesystemen voor de gezondheidszorg. Deze data kunnen worden verrijkt met patiëntdata uit externe bronnen, zoals ongestructureerde data op sociale media, enzovoort. Frequente realtime of bijna realtime extracties waarvoor het vastleggen van wijzigingsdata is vereist, komen vaak voor en data worden regelmatig met behulp van OCI GoldenGate overgenomen uit operationele registratie- en ontslagsystemen. OCI GoldenGate is ook een essentieel onderdeel van nieuwe data mesh-architecturen waarin 'dataproducten' de centrale dataobjecten zijn.
• We kunnen nu streamingdata van medische apparaten toevoegen die in realtime worden opgeslagen met behulp van een streamingservice/Kafka. Dit omvat niet alleen data van alle apparaten en monitoren die een patiënt kan dragen voor directe observatie door de arts, maar het omvat ook data van alle persoonlijke draagbare apparaten die een patiënt gebruikt. Zo krijgen zorgteams beter inzicht in de symptomen en levensstijl van de patiënt buiten het behandelcentrum. Deze gestreamde data (events) zullen enkele basistransformaties/aggregaties ondergaan voordat de data in de cloudopslag worden opgeslagen.
• Ondanks dat de realtime behoeften blijven evolueren, is de meest voorkomende extractie uit zorgsystemen een soort batchopslag met behulp van een proces voor extractie, laden en transformatie of een proces voor extractie, transformatie en laden. Batchopslag wordt gebruikt voor het importeren van data uit systemen die geen ondersteuning bieden voor datastreaming (bijvoorbeeld oudere mainframesystemen). Om een holistisch beeld van elke patiënt te krijgen, hebben we ook data nodig uit operationele systemen, zoals factureringssystemen en data die via het FHIR-protocol (Fast Healthcare Interoperability Resources) binnenkomen uit elektronische medische dossiers of applicaties voor medische registratie. De data worden opgehaald uit verschillende producten en geografieën. Data kunnen regelmatig worden opgeslagen, bijvoorbeeld elke 10 of 15 minuten, maar dit gebeurt altijd in bulkvorm. In plaats van afzonderlijke transacties worden groepen transactiedatasets geëxtraheerd en verwerkt.

Opties voor datapersistentie en -verwerking voor verzamelde data zijn gebaseerd op drie (of optioneel vier) componenten.

• Onbewerkte data worden opgeslagen in de cloudopslag voor batchverwerking. De data worden vervolgens opgeschoond, aangevuld en gereedgemaakt voor downstreamgebruikers, zoals mensen, applicaties of machine learning-platforms. Hoewel sommige data direct op de opslaglocatie kunnen worden opgeslagen, worden ze ook meteen in de cloudopslag geplaatst. Deze data worden verwerkt met Spark. De verwerking kan rechtstreeks worden uitgevoerd met OCI Data Flow of als onderdeel van een grotere pijplijn met behulp van de orkestratiefuncties van OCI Data Integration. Deze verwerkte datasets worden geretourneerd naar de cloudopslag voor verdere persistentie, beheer en analyse, en uiteindelijk voor het in geoptimaliseerde vorm laden in de dataopslag. Afhankelijk van de voorkeur voor de architectuur kan dit ook worden bereikt met Oracle Big Data Service als een beheerde Hadoop-cluster.
• We hebben nu verwerkte datasets gemaakt die persistent kunnen worden gemaakt in geoptimaliseerde relationele vorm voor het uitvoeren van beheerfuncties en query's in de respectievelijke dataopslag. Hierdoor kunnen zorgverleners beter inspelen op de behoeften van een patiënt, met als doel het voorkomen dat de patiënt (opnieuw) moet worden opgenomen als klinische patiënt.

Het analysegedeelte is gebaseerd op twee technologieën.

• Services voor analyse en visualisatie leveren beschrijvende analyses (beschrijven de huidige trends met histogrammen en grafieken), voorspellende analyses (voorspellen toekomstige gebeurtenissen, identificeren trends en bepalen de kans op onzekere resultaten) en voorspellende analyses (stellen geschikte acties voor die leiden tot een optimale besluitvorming). Samen kunnen ze worden gebruikt om de behoeften van patiënten te voorspellen en passende interventies te bieden. Analyses kunnen bijvoorbeeld voorspellen of een cluster van patiënten van een bepaalde leeftijd, die in een specifiek gebied wonen, die worden blootgesteld aan verschillende milieueffecten en die een specifieke combinatie van behandelingen worden voorgeschreven, een bepaalde chronische ziekte zou kunnen ontwikkelen.
• Naast het gebruik van geavanceerde analyses worden machine learning-modellen ontwikkeld, getraind en geïmplementeerd. Deze modellen zijn toegankelijk via API's, zijn geïmplementeerd in de respectievelijke dataopslag of zijn geïntegreerd in de OCI GoldenGate pijplijn voor streaming van analyses.
• Op onze beheerde, geteste en hoogwaardige data en modellen kunnen beheer- en beleidsregels worden toegepast en ze kunnen worden weergegeven als een 'dataproduct' (API) in een data mesh-architectuur voor distributie binnen de zorgorganisatie.

Verminder de complexiteit en verlaag de kosten voor het beheren van een gezondheidszorgsysteem met het juiste dataplatform

Met het juiste dataplatform kunnen gezondheidsorganisaties optimaal gebruikmaken van alle beschikbare data om beter afgestemde, efficiëntere en duurzame services voor de gezondheidszorg te ontwerpen. Dit omvat beter afgestemde zorgplannen en ondersteuning voor individuen, waaronder vroege en proactieve interventies zoals routinematige bevolkingsonderzoeken, die de gezondheidsresultaten en de betrokkenheid en tevredenheid van patiënten kunnen verbeteren.