Gestión sanitaria de la población

Mejora los resultados de tus pacientes y minimiza tus costos

La gestión eficaz de la salud de la población ofrece muchos beneficios a los sistemas de salud, profesionales sanitarios, pacientes, comunidades y compañías de seguros médicos. Puede ayudar a optimizar los resultados de salud, mejorar la experiencia de los pacientes, reducir las disparidades sanitarias, identificar ineficiencias y lagunas en la atención y controlar el costo de la atención. Sin embargo, para ser eficaz, la gestión sanitaria de la población requiere acceso a grandes cantidades de datos precisos y casi en tiempo real, procedentes de múltiples fuentes; herramientas para conectar conjuntos de datos dispares y poder usarlos para desarrollar insights útiles; y protección para garantizar la seguridad de los datos en todo momento.

Para superar estos desafíos y respaldar estrategias eficaces de gestión sanitaria de la población, los sistemas de salud precisan de una plataforma de datos que pueda capturar, almacenar, gestionar y extraer insights a partir de los datos recopilados en los sistemas de administración, ómicos, clínicos y operativos mediante un data lakehouse. La infraestructura de la plataforma debe contar con un sólido marco de gobernanza de la información que incluya un estándar de exclusión para los ciudadanos, así como estándares de interoperabilidad, datos y ciberseguridad. La plataforma también debe ofrecer análisis avanzados, machine learning y análisis cognitivo, ya que son esenciales para diseñar metodologías eficaces y robustas de estratificación de riesgos y supervisar la salud de la población a lo largo del tiempo. Con la capacidad de consolidar datos de pacientes distribuidos en numerosos sistemas de información sanitaria en un único registro, los equipos sanitarios pueden desarrollar insights útiles que mejoren los resultados de los pacientes, al tiempo que reducen los costos, tanto para estos últimos como para los proveedores y las compañías de seguros médicos.

Aprovecha todos los datos

Para identificar las necesidades actuales en cuanto a atención sanitaria y predecir lo que los pacientes necesitarán en el futuro, son necesarios nuevos enfoques. La siguiente arquitectura demuestra cómo Oracle Data Platform se ha diseñado para facilitar la gestión sanitaria de la población, mediante la captura, el almacenamiento, la selección y el análisis de datos, con el fin de comprender mejor las necesidades de los pacientes y proporcionar insights útiles.

Existen tres formas principales de inyectar datos en una arquitectura para permitir que las organizaciones sanitarias comprendan de manera óptima a sus pacientes.

• Para entender a los pacientes, es necesario conocer su historial médico. Con este fin, las organizaciones sanitarias deben reunir todos los registros de admisión y transferencia disponibles en todos los sistemas de información sanitaria. Estos datos se pueden enriquecer con datos del paciente de otras fuentes, como datos no estructurados de redes sociales, etc. Las extracciones frecuentes en tiempo real o casi en tiempo real que requieren captura de datos de cambio son comunes y los datos se ingieren regularmente a partir de los sistemas operativos de admisión y descarga mediante OCI GoldenGate. OCI GoldenGate también es un componente fundamental de la evolución de las arquitecturas de malla de datos en las que los "productos de datos" son los objetos de datos centrales.
• Ahora podemos agregar datos de transmisión desde dispositivos médicos que se ingerirán en tiempo real mediante un servicio de transmisión/Kafka. Esto incluye no solo los datos de todos los dispositivos y aparatos de monitoreo que un paciente puede usar mientras está bajo la observación directa de su médico, sino también los datos de cualquier dispositivo portátil personal que utilice, lo que puede ayudar a su equipo de atención a comprender mejor sus síntomas y estilo de vida cuando se encuentra fuera del centro de tratamiento. Estos datos transmitidos (eventos) se ingerirán con algunas transformaciones/agregaciones básicas que se producirán antes de su almacenamiento en la nube.
• Si bien las necesidades en tiempo real están evolucionando, la extracción más común de los sistemas sanitarios es un tipo de ingesta por lotes que aplica un proceso de extracción, carga y transformación o de extracción, transformación y carga. La ingestión por lotes se utiliza para importar datos de sistemas que no admiten la transmisión de datos (por ejemplo, los sistemas mainframe antiguos). Para lograr una visión holística de cada paciente, también se necesitan datos de sistemas operativos, como sistemas de facturación, y datos entrantes a través del protocolo Fast Healthcare Interoperability Resources (FHIR) desde historias clínicas electrónicas o aplicaciones de registros médicos electrónicos. Los datos se obtienen de los diversos productos y geografías. Las ingestas pueden producirse frecuentemente (tan a menudo como cada 10 o 15 minutos), pero siempre son masivas. Se extraen y procesan grupos de conjuntos de datos de transacciones en lugar de transacciones específicas.

Las opciones de procesamiento y persistencia de datos para los datos recopilados se basan en tres (opcionalmente cuatro) componentes.

• Los datos sin formato ingeridos se almacenan en la nube para su procesamiento por lotes, durante el que se realizarán la depuración, el enriquecimiento, etc. necesarios para que los usuarios descendentes (personas, aplicaciones o plataformas de machine learning) puedan consumir los datos en el estado necesario. Aunque algunos datos se pueden enviar directamente al almacén de datos de servicio, estos datos también se incorporan simultáneamente al almacenamiento en la nube. Los datos se procesarán con Spark. El procesamiento se puede realizar directamente mediante OCI Data Flow o como parte de un pipeline más amplio mediante las funcionalidades de orquestación de OCI Data Integration. 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. De forma alternativa, en función de la arquitectura preferida, esto puede llevarse a cabo 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 permitirá a los profesionales sanitarios responder mejor a las necesidades de los pacientes, con el objetivo de evitar tener que admitirlos o readmitirlos para su hospitalización.

El análisis se basa en dos tecnologías.

• Los servicios de análisis y visualización ofrecen análisis descriptivos (describen las tendencias actuales con histogramas y gráficos), predictivos (prevén eventos futuros, identifican tendencias y determinan las probabilidades de resultados inciertos) y prescriptivos (proponen acciones adecuadas, lo que lleva a una toma de decisiones óptima). Se pueden utilizarse en conjunto para predecir las necesidades de los pacientes y ofrecer las intervenciones adecuadas. Por ejemplo, los análisis pueden predecir si un grupo de pacientes de cierta edad, residentes en un área específica, que sufren impactos ambientales variables y a los que se prescribe una combinación precisa de tratamientos podrían desarrollar una determinada enfermedad crónica.
• Además del uso de análisis avanzados, se desarrollan, entrenan y despliegan modelos de machine learning. Se puede acceder a estos modelos a través de API, desplegadas en el almacén de datos de servicio o integradas como parte del pipeline de análisis de flujos de OCI GoldenGate.
• 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 toda la organización sanitaria.

Reduce la complejidad y los costos de gestión de la atención sanitaria con la plataforma de datos adecuada

La plataforma de datos adecuada puede ayudar a las organizaciones sanitarias a extraer el mayor valor de todos los datos disponibles para diseñar servicios sanitarios más armonizados, rentables y sostenibles. Esto incluye unos planes de atención y una asistencia a las personas más adaptados, con intervenciones tempranas y proactivas, como cribados de población rutinarios, que pueden mejorar los resultados sanitarios, así como el compromiso y la satisfacción de los pacientes.