Fournir des résultats aux patients avec des données
Les organisations de santé qui collectent, élaborent et exploitent efficacement les données peuvent améliorer la qualité des soins qu’elles fournissent, renforcer la confiance et améliorer l’expérience des cliniciens et des sufferers.
As well as il y a de données capturées, agrégées et analysées, as well as l’état des sufferers peut être surveillé et géré. En fin de compte, cela peut permettre des décisions cliniques furthermore rapides, meilleures et furthermore précoces qui profitent aux clients, aux cliniciens et aux gestionnaires de système.
Cependant, de nombreux établissements de santé manquent actuellement de processus et de fonctionnalités suffisants pour gérer ces données. Cela expose les organisations, les cliniciens et les people à des risques inutiles et à des opportunités manquées. La bonne nouvelle? Avec de nombreux canaux de santé virtuels encore à leurs balbutiements, c’est le second idéal pour mettre en put les bonnes fondations de données avant la mise à l’échelle et la mise à l’échelle.
Avoir une eyesight claire des parcours des sufferers (à travers plusieurs prestataires de santé ainsi que des modèles de soins en personne et virtuels) peut aider à identifier les opportunités de capturer les bonnes données, de les stocker de manière sécurisée mais available, de les partager avec les prestataires et les individuals et, surtout, traduisez-le en idées et steps significatives pour de meilleurs résultats pour les clients et des solutions de santé améliorés.
Pour ce faire, cependant, les fournisseurs ont besoin d’une stratégie globale qui couvre trois features clés de l’utilisation des données.
1. Normes, gouvernance et interopérabilité
Dans leur forme la furthermore brute, de nombreuses données de santé virtuelles ne sont pas structurées, stockées dans différents endroits et formats. La standardisation permet aux organisations de santé de traiter des données non structurées et de les combiner avec des données structurées à des fins d’analyse. Par exemple, le traitement du langage naturel, la récupération d’informations et les strategies d’apprentissage automatique peuvent convertir des données en texte libre non structurées (telles que des informations provenant du contenu en texte libre de rapports de pathologie) en données calculables à utiliser avec l’IA.
Pour convertir des données non structurées en informations significatives, les prestataires de soins de santé ont également besoin de pratiques de gouvernance pour étayer l’enregistrement, l’optimisation et l’analyse des données. La gouvernance doit s’étendre à l’ensemble de l’organisation elle-même et englober également des accords de partage de données avec des tiers. Par conséquent, la gouvernance doit être suffisamment adaptable pour adapter les données et les analyses aux différents scénarios de soins de santé.
Un pilier essentiel d’une bonne gouvernance des données est la confidentialité et la sécurité. Il est crucial d’intégrer cela tôt dans la phase de conception de nouveaux modèles de santé, plutôt que d’en faire une réflexion après coup qui est (coûteuse) modernisée additionally tard. La cartographie des parcours complets des clients et des cliniciens peut aider à identifier où les données doivent être échangées ou combinées avec différentes events, et dans quel format. À chaque étape, les exigences de sécurité et de confidentialité doivent être spécifiées.
Un autre pilier essentiel d’une bonne gouvernance des données est interopérabilité établir des connexions entre les systèmes pour permettre l’échange sécurisé, rapide et précis de données. Lorsque cela est bien géré, les données de santé et les données pertinentes pour la santé peuvent être combinées à partir de diverses sources (telles que les interactions de santé virtuelles, les dossiers de santé électroniques, les antécédents des people) et les données d’activité et de design de vie (comme les données numériques en temps réel provenant de capteurs, d’appareils portables et traqueurs).
Pour permettre l’interopérabilité, les organisations de santé doivent identifier les silos et les hurdles au partage des données, puis rechercher des moyens de les supprimer. Cela peut ouvrir la voie à l’adoption d’outils numériques qui permettent aux individuals d’être furthermore proactifs vis-à-vis de leur propre santé.*
2. Confidentialité et sécurité
L’activation de la santé virtuelle, notamment l’utilisation de la surveillance à distance des clients et de la interaction asynchrone, augmente la surface area qu’une organisation doit défendre du issue de vue de la cybersécurité. Il est donc critical d’évaluer si les technologies et les procédures existantes de l’organisation peuvent gérer la portée accrue et variée des appareils et des menaces.
Les évaluations doivent examiner les politiques de safety des données et les contrôles des programmes de sécurité actuels pour déterminer s’ils sont suffisants pour couvrir la frontière et l’architecture de réseau as well as complexes apportées par la santé virtuelle (sans parler de la « portée » complète des interactions de données avec des tiers).
Il est également important de regarder vers l’avenir et de considérer les objectifs à extended terme de l’organisation pour l’expansion de la santé virtuelle. Cela aide à clarifier les capacités de sécurité et de confidentialité qui seront nécessaires à l’avenir, et donc les mesures à mettre en area dès maintenant pour y parvenir (par exemple, l’interopérabilité des données, le suivi et les interventions, l’intégration des appareils, l’atténuation des cybermenaces).
De manière générale, de bons processus de sécurité et de confidentialité pour la santé virtuelle comprennent :
- 
-
Évaluations de sécurité: Tester l’efficacité des contrôles de sécurité protégeant les informations de santé (à l’aide de divers exams tels que l’évaluation de la vulnérabilité, les exams d’intrusion, l’examen de la configuration de sécurité, etc.).

-
Identité numérique: Établir la discipline de sécurité pour permettre aux bonnes personnes d’accéder aux bonnes ressources au bon instant pour les bonnes raisons.

-
Surveillance: Clarifier les capacités requises pour construire, collecter, agréger et corréler les cyberrisques et événements.




3. Suivi et évaluation des résultats
La beauté des modèles de santé virtuels réside dans le fait qu’avec la bonne préparation, ils peuvent évoluer et s’adapter aux changements de comportement des consommateurs et aux résultats cliniques. De cette façon, la prestation de products and services et les résultats pour les people peuvent continuellement s’améliorer.
Pour ce faire, il est essentiel de comprendre comment les résultats seront mesurés. Alors que la santé virtuelle en est à ses balbutiements (relatifs), il est maintenant temps de collecter des résultats de référence pour les comparer aux résultats futurs. Les données longitudinales peuvent révéler des schémas et des tendances susceptibles d’éclairer d’autres améliorations.
Pour déterminer quelles données sont les additionally importantes, considérez ceci du point de vue des cliniciens : quelles données pourraient le mieux soutenir leur prise de décision ? Et comment les résultats peuvent-ils être présentés aux cliniciens pour étayer leurs décisions sur les « meilleures pratiques » compte tenu des caractéristiques d’un individual (par exemple, des visualisations ou des tableaux de bord) ? Il est également vital de ne pas négliger la possibilité que, si les cliniciens savent que certaines mesures sont calculées, cela puisse affecter leur comportement lors de l’enregistrement de certaines données.
Dans cette stage de conception, il est essentiel de consulter étroitement les cliniciens. Les professionnels de la santé comprennent la logique de base selon laquelle des preuves solides produisent généralement de meilleurs résultats pour les sufferers. De même, as well as les données (c.-à-d. les preuves) sont gérées de manière solide, mieux les responsables de la santé peuvent évaluer les meilleures pratiques et optimiser les modèles de prestation pour obtenir des soins cliniques (fondés sur la valeur) de meilleure qualité.
Bien sûr, les résultats de la prestation des providers de santé vont également au-delà des expériences immédiates des clients et des cliniciens. Ainsi, en clarifiant les données à mesurer, il convient également d’examiner remark suivre la participation économique et sociale et l’amélioration de la qualité de vie.
Après avoir clarifié les résultats qui seront mesurés, les organisations de santé peuvent établir les méthodologies pour collecter les données, calculer les paramètres et présenter les résultats.
Commencer
L’introduction d’une stratégie complète de gestion des données dans l’ensemble d’une organisation, d’un company ou d’un secteur peut être une standpoint décourageante. Mais cela ne doit pas arriver du jour au lendemain. Souvent, la meilleure prospect de succès strong à grande échelle est en fait de commencer petit.
De nombreux responsables de la santé commencent par un projet pilote de gestion des données, où des leçons peuvent être tirées pour éclairer des déploiements as well as larges par la suite. (Par exemple, un pilote peut impliquer un assistance virtuel ambulatoire qui est riche en données et n’implique pas de soins pour les patients gravement malades.) La philosophie directrice de ces pilotes devrait être « construire, tester et apprendre », afin que les principles puissent être façonné et amélioré progressivement par l’expérience et les preuves.
Pour chaque organisation, une bonne gestion des données est un voyage, pas une location. Lorsqu’il s’agit de soins de santé basés sur les données, l’important est de commencer.