การคาดการณ์สารสนเทศสาธารณสุขสำหรับปีพ. ศ. 2561

เมื่อพูดถึงเรื่องสาธารณสุข เรื่องเซอร์ไพรส์แทบไม่เคยดีเลย คงจะดีไม่น้อยถ้าเรามีลูกบอลคริสตัลแสดงอนาคตโดยที่เราไม่แปลกใจเลย?

เรายังไม่ได้ไปที่นั่น แต่เราก็ใกล้เข้ามาทุกวัน

ข้อมูลสาธารณสุข (PHI) เป็นสิ่งที่ใกล้เคียงที่สุดกับหมอดูในด้านการดูแลสุขภาพ เป็นสาขาที่เติบโตอย่างรวดเร็วและมีความสำคัญมากขึ้นสำหรับผู้ให้บริการด้านการดูแลสุขภาพที่จะรู้และมีส่วนร่วม

ด้านล่างนี้ ฉันจะให้ภาพรวมสั้น ๆ ของ PHI และประโยชน์ของการรวมข้อมูล EHR แสดงให้คุณเห็นว่าในทางปฏิบัติเป็นอย่างไร และ PHI จะเป็นอย่างไรในปี 2018 และสรุปข้อมูลด้วยเคล็ดลับบางประการเกี่ยวกับวิธีที่ผู้ให้บริการด้านการดูแลสุขภาพสามารถเตรียมการได้ .

PHI คืออะไร?

ระบบไอทีด้านสาธารณสุขบันทึกข้อมูลเหตุการณ์และเหตุการณ์ด้านสุขภาพตามจำนวนประชากร ซึ่งรวมถึง:

• เกิดและตาย
• เงื่อนไขการรายงาน
• การฉีดวัคซีน
• มะเร็ง
• โรคประจำตัว

เมื่อระบบไอทีด้านสาธารณสุขรวมข้อมูลสุขภาพประชากรในอดีตเข้ากับข้อมูลสุขภาพของประชากรในปัจจุบันจากแหล่งอื่น นักวิจัยสามารถคาดการณ์เหตุการณ์ในอนาคตได้อย่างแม่นยำ กระบวนการนี้เรียกว่าข้อมูลสุขภาพของประชากร

ข้อมูลด้านสุขภาพของประชากรคือสิ่งที่คุณได้รับเมื่อคุณรวมข้อมูล PHI กับข้อมูลจากแหล่งต่างๆ เช่น EHR ข้อมูลการเคลม Google และแม้แต่ Twitter

(แหล่งที่มา)

ต่อไปนี้เป็นรายละเอียดว่าบทบาทและความรับผิดชอบในการเก็บรวบรวมข้อมูลมีการแบ่งปันกันอย่างไรระหว่างสารสนเทศด้านสุขภาพของประชากร สารสนเทศด้านสาธารณสุข และข้อมูลทางคลินิก:

รายละเอียดการเก็บรวบรวมข้อมูล (ที่มา)

พลังของการรวมข้อมูล EHR กับแหล่งข้อมูลอื่น

เมื่อคุณทำนายอนาคตได้อย่างแม่นยำ คุณจะเข้าสู่อนาคตนั้นพร้อมมากขึ้น พีสามารถช่วยระบบสุขภาพเพิ่มประสิทธิภาพกิจกรรมต่อไปนี้:

• การจัดลำดับความสำคัญของการดูแล
• การเฝ้าระวัง
• การศึกษา
• GIS (การแทรกแซงระดับภูมิศาสตร์)
• จ่ายตามผลงาน
• “การเรียนรู้ระบบสุขภาพชุมชน”

ลองดูวิธีการบางอย่างที่ PHI กำลังพัฒนาด้านสาธารณสุข

การพยากรณ์และการเตรียมตัวสำหรับไข้หวัดใหญ่

ไข้หวัดใหญ่เป็นสาเหตุการเสียชีวิตอันดับต้นๆ ในสหรัฐอเมริกา ตามรายงานของ Nature ความเจ็บป่วยที่คล้ายไข้หวัดใหญ่คร่าชีวิตชาวอเมริกันมากถึง 50,000 คนทุกปี เครื่องมือวิเคราะห์เชิงคาดการณ์ตอนนี้ดีพอที่จะคาดการณ์ได้อย่างแม่นยำว่าเมื่อใดและที่ใดจะเกิดการระบาดของไข้หวัดใหญ่ครั้งต่อไป รวมถึงจำนวนผู้ที่ได้รับผลกระทบด้วย ซึ่งหมายความว่าเจ้าหน้าที่สาธารณสุขและโรงพยาบาลสามารถทราบได้เมื่อต้องสวมหน้ากากอนามัยและวัคซีนไข้หวัดใหญ่ พร้อมกับเวลาและจำนวนเจ้าหน้าที่ที่ต้องเพิ่ม

ศูนย์ควบคุมและป้องกันโรคมีข้อมูลทางประวัติศาสตร์เกี่ยวกับการระบาดของไข้หวัดใหญ่ก่อนหน้านี้ วันนี้ แบบจำลองการถดถอยอัตโนมัติสำหรับการพยากรณ์โรคไข้หวัดใหญ่ “ได้แสดงผลงานที่น่าพอใจเมื่อนำไปใช้กับประชากรจำนวนมาก” ตามรายงานของวารสาร Medical Internet Research ระบบเหล่านี้ “มีศักยภาพที่จะให้การประมาณการการระบาดของไข้หวัดใหญ่ในสหรัฐอเมริกาที่ใกล้เคียงตามเวลาจริงได้อย่างแม่นยำและเชื่อถือได้” นักวิจัยใน Nature เขียนไว้

นักวิจัยของ JMIR กล่าวว่า พื้นที่ "ซึ่งความรู้ที่จำเป็นในปัจจุบันเร่งด่วนที่สุดคือการตรวจจับและคาดการณ์กิจกรรมไข้หวัดใหญ่ในระดับท้องถิ่น ในทางกลับกัน มุมมองที่ละเอียดดังกล่าวสามารถให้ข้อมูลในรูปแบบขนาดใหญ่และการคาดการณ์ที่แม่นยำของการแพร่กระจายของไข้หวัดใหญ่ในพื้นที่ทางภูมิศาสตร์ที่กว้างขวาง” ในปี 2559 นักวิจัยด้านธรรมชาติสามารถทำนายกิจกรรมไข้หวัดใหญ่ได้อย่างแม่นยำโดยใช้ข้อมูล EHR จาก athenahealth

ทำนายโรคอ้วนในหมู่ทหารผ่านศึก

กิจการทหารผ่านศึกเก็บรวบรวมข้อมูลสำคัญ (รวมถึง BMI) บวกกับปัจจัยเสี่ยงทางคลินิก เช่น ภูมิศาสตร์และสถานะทางเศรษฐกิจและสังคม สำหรับผู้ป่วย 30 ล้านคนในระบบ EHR ด้วยข้อมูลนี้ นักวิจัยสามารถทำแผนที่การกระจายตัวตามภูมิศาสตร์ของโรคอ้วนในผู้ป่วยที่บริหารงานสุขภาพทหารผ่านศึก

การกระจายตัวตามภูมิศาสตร์ของโรคอ้วนในกลุ่มประชากร VHA (ที่มา)

ฝ่ายบริหารจึงใช้แบบจำลองการคาดการณ์เพื่อคาดการณ์ว่าโรคอ้วนจะเพิ่มขึ้นเมื่อใดและที่ใดในกลุ่มประชากรกลุ่มนี้

ตัวอย่างอื่นๆ ของข้อมูลด้านสุขภาพของประชากรในทางปฏิบัติ

1. ในการศึกษาอื่น นักวิจัยได้รวมข้อมูลจาก eClinicalWorks กับข้อมูลด้านสาธารณสุขเพื่อคาดการณ์อัตราการสูบบุหรี่และโรคอ้วนของชาวนิวยอร์กที่มีรายได้น้อยได้อย่างแม่นยำ
2. Johns Hopkins CPHIT ทำงานร่วมกับกรมอนามัยเมืองบัลติมอร์เพื่อรวมข้อมูลทางสังคม การแพทย์ และสาธารณสุขเพื่อระบุผู้สูงอายุที่มีความเสี่ยงสูงต่อการหกล้มได้อย่างแม่นยำ และเข้าไปแทรกแซงก่อนเกิดการบาดเจ็บ เพื่อลดการเข้ารับการตรวจของห้องฉุกเฉินและปรับปรุงด้านสาธารณสุข

การใช้ข้อมูล EHR สำหรับ PHI เป็นอย่างไรในทางปฏิบัติ

ตัวอย่างหนึ่งของการรวมข้อมูล EHR กับข้อมูลด้านสาธารณสุขสามารถดูได้ที่ Johns Hopkins Center for Population Health Information Technology เป็นที่ตั้งของระบบซอฟต์แวร์ JHU ACG Predictive Modeling ซึ่งปัจจุบันมีการใช้งานในกว่า 30 ประเทศสำหรับผู้ป่วยมากกว่า 160 ล้านคน

นี่คือวิธีที่การแบ่งปันข้อมูลที่ CHHIT:

อินโฟกราฟิกหุ้นส่วนการแบ่งปันข้อมูล CPHIT (ที่มา)

อะไรต่อไปสำหรับข้อมูล EHR สำหรับสารสนเทศด้านสาธารณสุข

การควบรวมกิจการ

ความต้องการระบบการดูแลทางการแพทย์ส่วนบุคคลและระบบไอทีด้านสาธารณสุขในการบูรณาการเพิ่มขึ้นเท่านั้น ยังคงมีโรงพยาบาลชุมชนไม่เพียงพอที่จะแบ่งปันข้อมูล EHR กับฐานข้อมูลด้านสาธารณสุขเพื่อให้ทราบถึงศักยภาพของข้อมูลด้านสุขภาพของประชากรตามที่มหาวิทยาลัยโคลัมเบียกล่าว

ในปี 2561 คาดว่าจะเห็นบันทึกสุขภาพอิเล็กทรอนิกส์บนคลาวด์รวมฐานข้อมูลกับระบบไอทีด้านสาธารณสุขมากขึ้น นอกจากนี้ คาดว่าจะมีการควบรวมและเป็นพันธมิตรกันมากขึ้นระหว่างผู้ขาย EHR และแหล่งข้อมูลอื่นๆ รวมถึงผู้ชำระเงิน

การควบรวมกิจการมูลค่า 77 พันล้านดอลลาร์ระหว่าง CVS และ Aetna อาจช่วยนำ "ยุคใหม่ของการวิเคราะห์ การทำงานร่วมกัน และสุขภาพของประชากร" CVS มีที่ตั้งและรายได้สูงสุดในกลุ่มร้านขายยาในสหรัฐอเมริกาทั้งหมด นอกจากนี้ยังเป็นพันธมิตรกับ Epic ซึ่งเป็นบริษัท EHR ที่ใหญ่ที่สุดในโลก Epic และ CVS กำลังทำงานเพื่อรวมข้อมูลใบสั่งยาของ CVS เข้ากับแพลตฟอร์มการวิเคราะห์สุขภาพประชากร Healthy Planet ของ Epic เพื่อเพิ่มความสม่ำเสมอในการใช้ยาและลดต้นทุน

สำหรับคนอย่าง Alan Hutchison รองประธานด้านสุขภาพของประชากรของ Epic ศักยภาพของความก้าวหน้าของ PHI นั้นยิ่งใหญ่มากในขณะนี้ เนื่องจากพวกเขากำลังแชร์ข้อมูลกับ Aetna “CVS Health เป็นหนึ่งในผู้นำในการใช้ข้อมูลเพื่อละลายไซโลโดเมน ในขณะที่นำเสนอแหล่งข้อมูลข่าวกรองและความเชี่ยวชาญใหม่ๆ ที่สามารถแจ้งการส่งมอบการดูแลได้ดียิ่งขึ้น ลดค่าใช้จ่ายในการบริหาร และต้นทุนที่ต่ำลงสำหรับผู้ป่วย” ฮัทชิสันกล่าว

ฮัทชิสันแทบจะไม่อยู่คนเดียว David Anderson ผู้ร่วมวิจัยของ Duke University Margolis Center เพิ่งเขียนว่า:

“ฉันสามารถนึกถึงการใช้ข้อมูลการขายปลีก CVS เป็นบริการตรวจสอบสุขภาพของประชากร ฉันสามารถนึกถึงการใช้ข้อมูลการขายผ่านเคาน์เตอร์ที่เชื่อมโยงกับบุคคลเพื่อเติมเชื้อเพลิงให้กับแบบจำลองการคาดการณ์สำหรับปัญหาฝิ่นในอนาคต หรือโรคไขข้ออักเสบ หรือการเข้ารับการรักษาในโรงพยาบาลปอดหรืออย่างใดอย่างหนึ่ง อีกหลายร้อยสิ่ง ดังนั้นจากมุมมองเดิมของฉันในฐานะผู้เชี่ยวชาญด้านข้อมูลประกันภัย การควบรวมกิจการครั้งนี้นำเสนอข้อมูลที่หลากหลายอย่างเหลือเชื่อ ซึ่งสามารถขุดและสร้างขึ้นมาใหม่ได้”

กลุ่มที่ปรึกษา Kaufman Hall ติดตามธุรกรรมความร่วมมือของโรงพยาบาลและระบบสุขภาพ ในเดือนพฤศจิกายนที่ผ่านมา มีดีลสำหรับปีปัจจุบันมากกว่าปี 2016 ทั้งหมด และปี 2017 จะเป็นปีที่คึกคักที่สุดที่เคยมีมา คาดว่าจะมีการควบรวมกิจการเหล่านี้มากขึ้นในปี 2561

บล็อกเชน

แนวโน้มสำคัญอีกประการหนึ่งของความสามารถในการทำงานร่วมกันของ EHR สำหรับ PHI ที่เราจะเห็นมากขึ้นในปี 2018 คือการใช้งานบล็อคเชน

ในเกาหลีใต้ เป็นนโยบายระดับชาติสำหรับบริการประกันสุขภาพแห่งชาติของเกาหลีในการรวบรวมเวชระเบียนสำหรับชาวเกาหลีทุกคน ด้วยการเข้าถึงข้อมูลที่เป็นตัวแทนอย่างแท้จริง นักวิจัยสามารถคาดการณ์ได้อย่างแม่นยำถึง 80% ซึ่งประชาชนจะพัฒนาภาวะสมองเสื่อมได้

หากไม่มีการแบ่งปันข้อมูลทั่วประเทศประเภทนี้ การใช้บล็อคเชนสามารถอำนวยความสะดวกในการทำงานร่วมกันได้ ข้อมูลที่จัดเก็บในบล็อคเชนนั้นง่ายต่อการแบ่งปันและยากที่จะปลอมแปลง ซึ่งเป็นประโยชน์ที่ชัดเจนสำหรับ PHI Crypt Bytes Tech ตั้งข้อสังเกตว่า “แทนที่จะพึ่งพาตัวกลางที่กำหนดไว้สำหรับการแลกเปลี่ยนข้อมูล เช่น HIE ที่รัฐกำหนดหรือเครือข่ายส่วนตัวที่จัดตั้งขึ้นระหว่างโรงพยาบาลในท้องถิ่น ลักษณะการกระจายอำนาจของ blockchain จะอนุญาตให้ผู้เข้าร่วมที่ได้รับอนุมัติเข้าร่วมชุมชนแลกเปลี่ยน โดยไม่จำเป็นต้องสร้างท่อแลกเปลี่ยนข้อมูลระหว่างบางองค์กร”

ผู้เชี่ยวชาญรวมถึง Maria Palombini ผู้อำนวยการชุมชนเกิดใหม่และการพัฒนาความคิดริเริ่มที่ IEEE Standards Association และ Kate Monica แห่ง EHR Intelligence มองว่าบล็อกเชนถูกใช้มากขึ้นเพื่อสร้างมาตรฐานและรักษาความปลอดภัยข้อมูลด้านสุขภาพ

Bruce Broussard CEO ของ Humana อธิบายว่าบล็อคเชนเป็นนวัตกรรมเทคโนโลยีด้านการดูแลสุขภาพครั้งใหญ่ครั้งต่อไป

วิธีรับข้อมูล EHR ของคุณสำหรับข้อมูลด้านสาธารณสุขในปี 2018

หากคุณกำลังซื้อ EHR ใหม่ การทำงานร่วมกันควรเป็นหนึ่งในข้อพิจารณาหลักของคุณ

ข้อกำหนดประการหนึ่งสำหรับความสามารถในการทำงานร่วมกันคือมาตรฐานเอกสารที่พัฒนาขึ้นอย่างดีสำหรับระบบ EHR สำหรับยา EHRs ส่วนใหญ่พูดภาษาเดียวกัน สำหรับการแพ้ นั่นไม่ใช่กรณีเสมอไป รายงานใหม่ของ Journal of the American Medical Informatics Association (JAMIA) ชี้ให้เห็นถึงการเปลี่ยนแปลงวิธีการบันทึกปฏิกิริยาของยาที่ไม่พึงประสงค์ของ EHRs เพื่อปรับปรุงการสนับสนุนการตัดสินใจทางคลินิกที่เกี่ยวข้องกับการแพ้ เมื่อเปรียบเทียบผู้ขาย ให้สอบถามว่า EHR จัดทำเอกสารข้อมูลต่างๆ อย่างไร รวมทั้งปฏิกิริยาของยาที่ไม่พึงประสงค์

พิจารณาบริษัทที่ทดลองใช้บล็อกเชนด้านการดูแลสุขภาพด้วย ตัวอย่างเช่น ในปี 2017 FDA เริ่มเป็นพันธมิตรด้านการวิจัยกับ IBM Watson เพื่อใช้บล็อกเชนเพื่อแชร์ EHR การทดลองทางคลินิก การจัดลำดับทางพันธุกรรม และแม้แต่ข้อมูลอุปกรณ์พกพาได้อย่างปลอดภัย

สำหรับเคล็ดลับเพิ่มเติมในการซื้อ EHR ใหม่ โปรดดูโพสต์เหล่านี้:

รูปแบบการชำระเงินใหม่ของ EHR ของคุณพร้อมหรือยัง คำถามที่ถามผู้ขายของคุณ

3 SOAPWare EMR ทางเลือกที่เปรียบเทียบ

ผลิตภัณฑ์ซอฟต์แวร์ EMR ฟรีและโอเพ่นซอร์ส 6 อันดับแรก