Melhore o cuidado baseado em valor com monitoramento de desempenho

Meça com precisão o impacto da sua estratégia de cuidados com base em valor

O setor de saúde está em constante transformação desde a década de 1970. Em 2001, o Institute of Medicine lançou “Crossing the Quality Chasm” e o Triple Aim, que buscavam abordar a melhoria da saúde da população, experiência do paciente e resultados de qualidade, bem como reduzir o custo per capita da assistência médica. Desde então, houve uma mudança considerável na forma como os cuidados de saúde são prestados. Em vez de se concentrar em atividades voltadas para o volume que recompensam mais visitas, mais procedimentos e mais internações, o setor de saúde mudou para um sistema de atendimento integrado baseado em valor, que reconhece atividades centradas no paciente, otimiza recursos e melhora os resultados tanto para a saúde do paciente quanto para a posição financeira da organização.

Para promover um modelo baseado em valor, as organizações de saúde não podem simplesmente confiar em sistemas clínicos para identificar e mitigar ineficiências de custo. Elas precisam de visibilidade em toda a empresa para realizar o tipo de análise equilibrada que ajudará a identificar oportunidades de melhoria, ponderando e ajustando fatores como modelos de reembolso, qualidade, resultados, utilização de recursos e custo. No entanto, muitas organizações de saúde acham difícil alcançar esse nível de visibilidade, e a incapacidade de integrar dados clínicos de registros médicos e de saúde eletrônicos com dados não clínicos e não estruturados é um dos principais obstáculos que as impede de adotar totalmente o cuidado baseado em valor.

Superar essa dificuldade deve ser uma prioridade para as organizações de saúde e, felizmente, a tecnologia pode ajudar. Uma plataforma de dados moderna permite que os profissionais de saúde coletem os dados necessários, avaliem e relatem esses dados usando uma combinação de análise de ponta e inteligência artificial e usem esses dados para identificar possíveis problemas - seja em um episódio específico de atendimento ou em um aspecto mais amplo do negócio - bem como oportunidades.

Simplifique o desenvolvimento de KPIs

À medida que as organizações de saúde implementam iniciativas para apoiar o cuidado centrado no paciente, é vital que construam modelos de entrega de baixo custo e identifiquem maneiras de reduzir custos fixos, melhorar a qualidade do atendimento e abordar os determinantes sociais da saúde. Depois que essas iniciativas forem implementadas, as organizações devem avaliar sua eficácia com base em vários indicadores-chave de desempenho (KPIs), como resultados relatados pelo paciente e taxas de reinternação. Ao mesmo tempo, aqueles que trabalham dentro da organização não precisam apenas acessar todos os dados relevantes, mas também precisam ser capazes de entender esses dados, interpretá-los e agir de acordo.

A Oracle Data Platform oferece todos os recursos de que as organizações de assistência médica precisam para capturar e agir com sucesso em todos os dados disponíveis, ao mesmo tempo em que fornece recursos automatizados para simplificar o processo.

Esta imagem mostra como a Oracle Data Platform para saúde pode ser usada para oferecer suporte a cuidados baseados em valor com monitoramento de desempenho. A plataforma inclui os seguintes cinco pilares:

1. 1. Fontes de dados, Descoberta
2. 2. Ingestão, Transformação
3. 3. Persistência, Curadoria, Criação
4. 4. Análise, Aprendizado, Predição
5. 5. Medição, Ação

O pilar Fontes de Dados, Descoberta inclui quatro categorias de dados.

1. 1. As aplicações são compostas por registros administrativos do paciente.
2. 2. Os registros de saúde incluem questionários genéricos e específicos da condição e dados clínicos, como dados de EHRs, EMRs e outros.
3. 3. Os dados de terceiros compreendem os resultados relatados pelo paciente.
4. 4. As informações técnicas incluem dados de sistemas de EMR e prescrição eletrônica.

O pilar Ingestão, Transformação abrange quatro recursos.

1. 1. A transferência em massa usa OCI FastConnect, OCI Data Transfer, MFT e OCI CLI.
2. 2. A ingestão em lote usa OCI Data Integration, Oracle Data Integrator e Data Studio.
3. 3. A captura de dados alterados usa OCI GoldenGate e Oracle Data Integrator.
4. 4. A ingestão de streaming usa Kafka Connect.

Todos os quatro recursos se conectam unidirecionalmente ao armazenamento de dados de serviço, armazenamento em nuvem e armazenamento de dados transacionais no pilar Persistência, Curadoria, Criação.

O pilar Persistência, Curadoria, Criação abrange cinco recursos.

1. 1. O armazenamento de dados de serviço usa Autonomous Data Warehouse, Exadata Cloud Service e Exadata Cloud@Customer.
2. 2. O Hadoop gerenciado usa Oracle Big Data Service.
3. 3. O armazenamento em nuvem usa OCI Object Storage.
4. 4. O processamento em lote usa OCI Data Flow.
5. 5. A governança usa OCI Data Catalog.

Esses recursos estão conectados no pilar. O armazenamento em nuvem é conectado unidirecionalmente ao armazenamento de dados de serviço e ao Hadoop gerenciado; ele também é conectado bidirecionalmente ao processamento em lote.

O Hadoop gerenciado é conectado unidirecionalmente ao armazenamento de dados de serviço.

Dois recursos se conectam ao pilar Análise, Aprendizado, Previsão: O armazenamento de dados de serviço se conecta tanto ao recurso de análise e visualização quanto ao recurso de APIs, produtos de dados. O armazenamento em nuvem se conecta ao recurso de machine learning.

O pilar Análise, Aprendizado, Previsão abrange três recursos.

1. 1. Análise e visualização usam Oracle Analytics Cloud, GraphStudio e ISVs.
2. 2. Produtos de dados, APIs usam OCI API Gateway e OCI Functions.
3. 3. Machine learning usa OCI Data Science, Oracle Machine Learning e ML Notebooks.
4. 4. O recurso de produtos de dados, APIs é conectado unidirecionalmente ao recurso de machine learning.
5. 5. O armazenamento de dados de serviço e o armazenamento de objetos fornecem metadados para o OCI Data Catalog.

O pilar Medição, Ação captura como a análise de dados pode ser aplicada para apoiar um modelo de prestação de cuidados baseado em valor e monitorar o desempenho.

1. O primeiro grupo inclui o monitoramento da alocação e uso de recursos e avaliação de resultados e coortes com base no risco do paciente e protocolo de tratamento, comparações com pares e benchmarking internacional e relatórios de custos.
2. O segundo grupo inclui previsões de resultados dos pacientes.

Os três pilares centrais—Ingestão, Transformação; Persistência, Curadoria, Criação; e Análise, Aprendizado, Previsão — têm suporte de infraestrutura, rede, segurança e IAM.

A arquitetura da Oracle Data Platform para saúde oferece às organizações a capacidade de capturar, armazenar, gerenciar e obter insights de dados coletados de resultados relatados por pacientes, registros administrativos de pacientes e muitas outras fontes de dados para ajudá-las a atingir seu objetivo de mudar para uma sistema de saúde baseado em valor.

• Para iniciar nosso processo, precisamos entender tudo o que pudermos sobre o paciente. Para isso, usamos o OCI GoldenGate para permitir a captura de dados alterados da ingestão de dados operacionais quase em tempo real, como registros administrativos de pacientes de diferentes sistemas de gerenciamento de saúde.
• Agora podemos adicionar conjuntos de dados que enriquecem o que já sabemos sobre o paciente e nos ajudam a entender por que ele está sendo avaliado e o que foi prescrito. Esses conjuntos geralmente compreendem grandes volumes de dados e, na maioria dos casos, a ingestão em lote geralmente é o método mais eficiente. Essa também é a maneira mais eficiente de consumir dados de diferentes provedores de registros eletrônicos de saúde, como Epic e Oracle
• Também podemos usar ingestão de streaming para obter dados de streaming, como receitas eletrônicas e, dependendo do provedor, até mesmo registros eletrônicos de saúde. Além disso, nesse caso de uso, pretendemos analisar e responder rapidamente ao sentimento do paciente analisando mensagens de redes sociais, respostas a postagens próprias e mensagens de tendências. Mensagens/eventos de redes socuais (aplicação) serão ingeridos e armazenados na nuvem para serem usados posteriormente para nos ajudar a entender completamente a experiência do paciente.
• Opcionalmente, se houver um grande volume de dados históricos no on-premises, pode ser sensato usar um processo de transferência em massa para carregar resultados históricos e medidas de experiência relatadas por pacientes e cláusulas contratuais baseadas em resultados com seguradoras.

A persistência e o processamento de dados são baseados em quatro componentes.

• Os dados brutos ingeridos são armazenados na nuvem. Para o processamento em lote desses dados agora persistentes, como prescrições eletrônicas, dados de registros eletrônicos de saúde, questionários preenchidos, resultados relatados pelo paciente e dados de redes sociais, usaremos o OCI Data Flow. Esses conjuntos de dados processados são devolvidos ao armazenamento em nuvem para persistência, curadoria e análise e, finalmente, para carregamento de forma otimizada no armazenamento de dados de serviço. Como alternativa, dependendo da preferência de arquitetura e de usar opções de software livre, isso pode ser feito com o Oracle Big Data Service como um cluster Hadoop gerenciado.
• Agora criamos conjuntos de dados processados prontos para serem mantidos em forma relacional otimizada para curadoria e desempenho de consulta no armazenamento de dados de serviço. Isso nos permitirá identificar e retornar os principais indicadores de desempenho, como a taxa de reinternação, os resultados dos pacientes, a taxa de processamento de sinistros e a taxa de negação de sinistros.

A capacidade de analisar, aprender e prever depende de duas tecnologias.

• Os serviços de análise e visualização fornecem várias categorias de análise. A análise descritiva descreve as tendências atuais com histogramas e gráficos e, como exemplo, pode fornecer informações sobre os resultados, como taxas de sobrevivência de cinco anos, operações repetidas, internações não planejadas e desvios dos planos de tratamento. A análise de diagnóstico visa explicar por que certos eventos ocorreram e quais foram os fatores que os desencadearam. Por exemplo, você pode usar a análise de diagnóstico para entender os possíveis motivos por trás de um desvio da quantidade padrão de tempo que um paciente leva desde o encaminhamento até sua primeira consulta clínica em uma área específica do país ou por que houve um aumento em dias de acompanhamento por paciente para uma condição específica. A análise prescritiva propõe ações adequadas para apoiar a tomada de decisão ideal. Por exemplo, você pode usar análises prescritivas para sugerir ajustes de procedimentos e clínicos que possam levar a melhorias nos resultados relatados de qualidade de vida (como melhor funcionamento ou diminuição dos níveis de dor).
• Juntamente com análises avançadas, modelos de machine learning são desenvolvidos, treinados e implementados. Esses modelos podem ser acessados por meio de APIs ou implementados no armazenamento de dados de serviço.
• Nossos dados e modelos selecionados, testados e de alta qualidade podem ter regras e políticas de governança aplicadas e podem ser expostos como um produto de dados (API) em uma arquitetura de malha de dados para distribuição em toda a organização de assistência médica.

Os benefícios do cuidado baseado em valor

Compreender o desempenho de suas iniciativas de cuidados baseados em valor é a chave para a capacidade de uma organização de saúde evoluir e adaptar suas estratégias para alcançar o sucesso contínuo. Uma estratégia de cuidados baseada em valor implementada e avaliada com sucesso fornecerá às organizações de saúde muitos benefícios e recursos aprimorados que, em última instância, beneficiarão seus pacientes, funcionários e médicos, bem como seus resultados. Por exemplo

• Coletar e aplicar com eficiência as informações dos próprios pacientes para saber como o serviço de saúde os está tratando
• Adotar uma abordagem equitativa, sustentável e transparente para a utilização de recursos para alcançar melhores resultados e experiências para os pacientes
• Combater de forma mais eficaz o diagnóstico e a prescrição excessivos, a má alocação de recursos e a introdução de tratamentos inadequadamente comprovados
• Identificar variações injustificadas associadas ao uso excessivo ou subutilizado de tecnologias e cuidados de saúde
• Limitar a resistência antimicrobiana
• Combatendo a crise de dependência de opioides