16 Δεκέμβριος 2017

Έρευνα: Πώς τα κλινικά analytics βοηθούν με σημαντική χρήση

Αν και οργανισμός υγείας επιβεβαιώνει το επίπεδο 1 ή 2 για σημαντική χρήση φέτος, αυτή η διαδικασία μπορεί να μην είναι τελείως διαισθητική για τους γιατρούς και άλλους υπαλλήλους της κλινικής για την καταγραφή της φροντίδας των ασθενών. Στο Γενικό Νοσοκομείο Μασαχουσέτης (ΓΝΜ), οι γιατροί λαμβάνουν πολύ λίγη βοήθεια από τον Φάκελο με τις Πληροφορίες Ασθενών (QPID), μια μηχανή κλινικής ανάλυσης που αναπτύχθηκε στο νοσοκομείο για να εντοπίζει πληροφορίες για τους ασθενείς και να κάνει πιο εύκολα προβλέψεις από ότι γιατροί που βιάζονται.

 

«Μπορείτε να φανταστείτε με όλα τα στοιχεία της σημαντικής χρήσης ότι οι γιατροί μας είναι υπεύθυνοι για αυτά, και παρακαλούν την ηγεσία του νοσοκομείου να τους βοηθήσει με τα δεδομένα που χρειάζονται, και αυτό πρέπει να γίνει με τέτοιο τρόπο ώστε να μην αποσπάται η ενέργεια των γιατρών από τους άλλους ασθενείς» ανέφερε ο δόκτωρ David Ting, αναπληρωτής ιατρικός διευθυντής για πληροφοριακά συστήματα στην οργάνωση ιατρών ΓΝΜ.«Ένα τέτοιο παράδειγμα είναι η επιλογή «καπνιστής», την οποία πρέπει να καταγράψουμε σε ειδικό πεδίο» εξήγησε στην EHRintelligence. «Εντοπίσαμε ότι αυτό που κάνουν τον περισσότερο χρόνο οι γιατροί μας είναι να το καταγράφουν, αλλά σε κείμενο. Λένε «Μια 28χρονη καπνίστρια εδώ και δύο χρόνια». Ξεκάθαρα αυτή η κοπέλα καπνίζει, αλλά αυτό δεν κωδικοποιείται, άρα δεν μας είναι σημαντικό».

 

Ο δόκτωρ Ting συνειδητοποίησε ότι αντί να αλλάξουν τον τρόπο που λειτουργούν οι γιατροί, θα μπορούσε το QPID να χρησιμοποιηθεί έτσι ώστε να εντοπίζει δεδομένα σε κείμενα και να τα κωδικοποιήσει. «Ζητάμε να δημιουργηθεί μια υπηρεσία που θα σαρώνει τις σημειώσεις για όλους τους ασθενείς σε ένα συγκεκριμένο πλαίσιο, και θα κάνει μετά ανάλυση με βάση τι θα βρεθεί στο αρχείο π.χ. ποιος είναι καπνιστής και ποιος όχι. Και ο λόγος που ανέφερα και τους μη καπνιστές είναι ότι πρέπει να πούμε με σιγουριά αν κάποιος καπνίζει ή όχι», ανέφερε ο Ting.«Μετά την έρευνα αυτή, εντοπίσαμε ότι οι κωδικοποιήσεις ήταν 99% ακριβείς. Αν λένε ότι είσαι καπνιστής, τότε δεν είσαι όντως. Στην πραγματικότητα, χρησιμοποιήσαμε νοσοκόμες σε σύγκριση με τη πλατφόρμα, και βρέθηκε πως το δεύτερο λειτουργεί καλύτερα, γιατί οι άνθρωποι ξεχνούν πράγματα. Λάβαμε δεδομένα από τα κείμενα και τα τοποθετήσαμε στην αναζήτηση, και έτσι βρήκαμε τα αποτελέσματα χωρίς να χρειαστεί να ασχοληθούμε καθόλου με τους γιατρούς. Μπορούσαν να το καταγράψουν και να πληρούν τις απαιτήσεις την ίδια στιγμή.

 

Το Γενικό Νοσοκομείο Μασαχουσέτης βρίσκεται στη διαδικασία επιβεβαίωσης του επιπέδου 2 των EHR Incentive Programs, και βρίσκεται εν μέσω αλλαγής του οικείου της συστήματος EHR υπέρ του Epic Systems, ανέφερε ο Ting, ενώ αναζητούν τρόπους για να διατηρήσουν τις δυνατότητες που ήδη υπάρχουν. «Υπάρχουν βέβαια εργαλεία αναζήτησης στο Epic, αλλά δεν έχουμε ολόκληρο γαλαξία δυνατοτήτων όπως πριν», παρατηρεί ο  Ting.  «Όταν πηγαίνεις στον προμηθευτή του προϊόντος, χάνεις ένα μέρος της ευελιξίας του ελέγχου του σχεδιασμού του δικού σου ντιζάιν».Παρόλα αυτά, η οργάνωση θα κερδίσει τη δυνατότητα να σταθεροποιήσει την τεχνολογία της σε διάφορες σελίδες φροντίδας, αλλά και να μειώσει τον χρόνο και την προσπάθεια ανάπτυξης και διατήρησης της υγείας των ΙΤ εφαρμογών. «Συνειδητοποιήσαμε ότι δεν μπορούμε να είμαστε για πολύ καιρό ακόμα εταιρία λογισμικών», ανέφερε ο Ting. «Είμαστε σύστημα ενσωματωμένων στοιχείων υγείας και σκοπός μας είναι να φροντίζουμε τους ασθενείς. Από εκεί ελήφθη και η απόφαση για την  Epic. Η πρόκλησή μας είναι να βρούμε τον τρόπο να κάνουμε όλο και καλύτερη την πλατφόρμα μας. Πρέπει να είμαστε έτοιμοι να δούμε που θα γίνει αυτή η ενσωμάτωση».

 

 

 

Πηγή: www.qpidhealth.com