Population healthcare management

Velocizza i referti dei pazienti e riduci al minimo i costi

Una gestione efficace dell'assistenza sanitaria per la popolazione (PHM) offre molti vantaggi a sistemi sanitari, operatori del settore, pazienti, comunità e contribuenti. Può velocizzare gli esiti clinici, ottimizzare l'esperienza dei pazienti, ridurre le disuguaglianze, identificare le inefficienze, colmare le lacune nelle cure e controllare i costi dell'assistenza. Tuttavia, per essere efficace, la PHM richiede l'accesso a enormi quantità di dati accurati e quasi in tempo reale provenienti da più origini, strumenti per connettere set di dati eterogenei e utilizzarli per sviluppare approfondimenti utili, nonché misure di sicurezza per proteggere i dati in qualsiasi momento.

Per superare queste sfide e supportare strategie PHM efficaci, i sistemi sanitari richiedono una piattaforma dati in grado di acquisire, memorizzare, gestire e trarre informazioni approfondite dai dati raccolti da sistemi amministrativi, clinici e operativi utilizzando un data lakehouse. L'infrastruttura della piattaforma deve disporre di un solido framework di governance delle informazioni che includa un'opzione di recesso da parte dei cittadini, nonché standard relativi a interoperabilità, dati e sicurezza informatica. La piattaforma deve inoltre fornire strumenti di analisi avanzati, machine learning e analytics cognitivi, essenziali per progettare metodologie di stratificazione del rischio efficaci e affidabili e per monitorare lo stato di salute della popolazione nel tempo. Grazie alla capacità di consolidare i dati dei pazienti ottenuti da più sistemi informativi del settore in un unico record, i team di operatori sanitari possono fare approfondimenti utili che miglioreranno gli esiti dei pazienti riducendo al contempo i costi per pazienti, fornitori e contribuenti.

Utilizza tutti i dati

Per identificare le esigenze sanitarie attuali e prevedere quelle future, sono necessari nuovi approcci. La seguente architettura dimostra in che modo Oracle Data Platform è progettata per supportare la gestione dell'assistenza sanitaria per la popolazione acquisendo, memorizzando, esaminando e analizzando i dati per comprendere meglio le esigenze dei pazienti e fornire approfondimenti utili.

Ci sono tre modi principali per inserire i dati in un'architettura, affinché le organizzazioni sanitarie possano conoscere al meglio i loro pazienti.

• Per comprendere i pazienti, è fondamentale conoscere la loro storia medica. A tale scopo, le organizzazioni sanitarie devono ottenere tutti i dati di ricovero e trasferimento contenuti nei sistemi informativi sanitari. Queste informazioni possono essere arricchite con i dati dei pazienti provenienti da terze parti, come, per esempio, i dati non strutturati ottenuti dai social media. In genere, si ricorre a estrazioni in tempo reale o quasi che richiedono l'acquisizione dei dati relative alle modifiche e tali informazioni vengono incluse regolarmente nei sistemi operativi su ricoveri e dimissioni utilizzando OCI GoldenGate. OCI GoldenGate è anche una componente essenziale dell'evoluzione delle architetture di data mesh in cui i "i dat prodotti" sono gli oggetti di dati centrali.
• Ora possiamo aggiungere dati in streaming da dispositivi medici che verranno inclusi in tempo reale utilizzando un servizio di streaming/Kafka. Si tratta non solo di dati ottenuti da dispositivi e monitor applicati a un paziente sotto l'osservazione diretta del medico, ma anche di dati raccolti da tutti i dispositivi personali indossati da un paziente, che possono aiutare l'equipe medica a comprendere meglio sintomi e abitudini di vita al di fuori del centro di cura. Questi dati in streaming (eventi) verranno inclusi con alcune trasformazioni/aggregazioni di base che saranno realizzate prima della loro memorizzazione nello storage cloud.
• Per rispondere alle esigenze in tempo reale, le estrazioni più comuni dai sistemi sanitari sono una specie di inclusione batch che utilizza un processo di estrazione, caricamento e trasformazione o di estrazione, trasformazione e caricamento. L'inclusione batch viene utilizzata per importare dati da sistemi che non sono in grado di supportare lo streaming, ad esempio i sistemi mainframe meno recenti. Per avere una visione olistica di ogni paziente, sono necessari dati provenienti da sistemi operativi, come i sistemi di fatturazione, e dati ottenuti tramite il protocollo FHIR (Fast Healthcare Interoperability Resources) dalle applicazioni di cartelle cliniche o cartelle sanitarie elettroniche. I dati provengono da diversi prodotti e aree geografiche. Le inclusioni possono essere frequenti, anche ogni 10 o 15 minuti, ma per le loro caratteristiche continuano ad essere realizzate in massa. Anziché singole transazioni, l'estrazione ed elaborazione riguardano set di dati transazionali.

La persistenza e le opzioni di elaborazione dei dati raccolti si basano su tre (all'occorrenza quattro) componenti.

• I dati grezzi oggetto dell'importazione vengono memorizzati nello storage cloud per l'elaborazione batch, con le necessarie operazioni di pulizia, arricchimento e così via, in modo da inserire i dati nello stato richiesto e utilizzabili dagli utenti, ovvero persone, applicazioni o piattaforme di machine learning. Sebbene possano essere inseriti direttamente nel data store , questi dati vengono memorizzati simultaneamente anche nello storage cloud. Questi dati verranno elaborati mediante Spark. L'elaborazione può essere eseguita direttamente tramite OCI Data Flow o come parte di una pipeline di dimensioni maggiori utilizzando le funzionalità di orchestrazione in OCI Data Integration. Una volta elaborati, questi set di dati vengono collocati nuovamente nello storage cloud per le funzioni di persistenza, conservazione e analisi successivd e e infine per il caricamento in formato ottimizzato nel data store. In alternativa, a seconda dell'architettura scelta, è possibile utilizzare Oracle Big Data Service come cluster Hadoop gestito.
• È così che vengono creati set di dati elaborati pronti per essere resi persistenti in formato relazionale al fine di ottimizzare le prestazioni in termini di conservazione e query nel data store. Ciò consentirà agli operatori sanitari di soddisfare al meglio le esigenze dei pazienti, evitando ricoveri o riammissioni in modalità di ospedalizzazione.

La componente analitica si basa su due tecnologie.

• I servizi di analytics e visualization offrono analisi descrittive (per descrivere le tendenze attuali con istogrammi e grafici), anaisi predittive (per prevedere eventi futuri, identificare le tendenze e determinare la probabilità di esiti incerti) e analisi prescrittive (per creare azioni appropriate, consentendo un processo decisionale ottimale). Insieme, questi servizi possono essere utilizzati per prevedere le esigenze dei pazienti e predisporre interventi adeguati. Ad esempio, gli analytics possono prevedere se determinati pazienti di una certa fascia d'età, residenti in un'area specifica, esposti determinati impatti ambientali e sottoposti a una specifica combinazione di trattamenti, potrebbero sviluppare una certa malattia cronica.
• Oltre all'uso di analytics avanzati, vengono sviluppati, addestrati e distribuiti modelli di machine learning. Questi modelli sono accessibili tramite le API, sviulluppate all'interno del data store o incorporate in OCI GoldenGate nell'ambito degli analytics streaming pipeline.
• I dati e modelli di alta qualità esaminati e testati possono essere disciplinati da regole e policy di governance ed esposti come "prodotti di dati" (API) in un'architettura di data mesh per distribuirli all'interno dell'organizzazione sanitaria.

Riduci la complessità e i costi di gestione dell'assistenza sanitaria con la piattaforma dati giusta

Una piattaforma dati adeguata può aiutare le organizzazioni sanitarie a ottenere il massimo valore da tutti i dati disponibili per progettare servizi sanitari più convenienti, più sostenibili e meglio allineati. Sono inclusi piani di cura e supporto mirati, tra cui interventi precoci e proattivi, come gli screening di routine per la popolazione, in grado di migliorare il coinvolgimento e la soddisfazione dei pazienti.