Prediksi Informatika Kesehatan Masyarakat Tahun 2018

Ketika datang ke kesehatan masyarakat, kejutan hampir tidak pernah baik. Bukankah lebih baik jika kita memiliki bola kristal untuk menunjukkan masa depan sehingga kita tidak pernah terkejut?

Kami belum sampai di sana, tapi kami semakin dekat dari hari ke hari.

Informatika kesehatan masyarakat (PHI) adalah hal yang paling dekat yang kita miliki dengan peramal dalam perawatan kesehatan. Ini adalah bidang yang berkembang pesat dan semakin penting untuk diketahui dan diikuti oleh penyedia layanan kesehatan.

Di bawah ini, saya akan memberi Anda gambaran singkat tentang PHI dan manfaat menggabungkan data EHR, menunjukkan kepada Anda seperti apa praktiknya dan apa yang akan terjadi untuk PHI pada tahun 2018, dan melengkapinya dengan beberapa tip tentang bagaimana penyedia layanan kesehatan dapat mempersiapkan diri. .

Apa itu PHI?

Sistem TI kesehatan masyarakat mencatat data tentang insiden dan kejadian perawatan kesehatan berdasarkan populasi, termasuk:

• Kelahiran dan kematian
• Kondisi yang dapat dilaporkan
• imunisasi
• Kanker
• Penyakit bawaan

Ketika sistem TI kesehatan masyarakat menggabungkan data kesehatan populasi historis mereka dengan data kesehatan populasi saat ini dari sumber lain, peneliti dapat secara akurat memprediksi kejadian di masa depan. Proses ini dikenal sebagai informatika kesehatan populasi.

Informatika kesehatan populasi adalah apa yang Anda dapatkan ketika Anda menggabungkan data PHI dengan data dari sumber seperti EHRs, data klaim, Google, dan bahkan Twitter.

(Sumber)

Berikut rincian rinci tentang bagaimana peran dan tanggung jawab pengumpulan data dibagi antara informatika kesehatan kependudukan, informatika kesehatan masyarakat, dan informatika klinis:

Rincian pengumpulan data (Sumber)

Kekuatan menggabungkan data EHR dengan sumber data lain

Ketika Anda secara akurat memprediksi masa depan, Anda memasuki masa depan yang lebih siap. PHI dapat membantu sistem kesehatan mengoptimalkan aktivitas berikut:

• Prioritas perawatan
• Pengawasan
• Pendidikan
• GIS (intervensi tingkat geografis)
• Bayar untuk kinerja
• “Mempelajari sistem kesehatan masyarakat”

Mari kita lihat beberapa cara PHI meningkatkan kesehatan masyarakat.

Memprediksi dan mempersiapkan flu

Influenza adalah penyebab utama kematian di AS Menurut Nature, penyakit seperti influenza membunuh sebanyak 50.000 orang Amerika setiap tahun. Alat analisis prediktif sekarang cukup baik untuk memprediksi secara akurat kapan dan di mana wabah influenza berikutnya akan terjadi, serta berapa banyak orang yang akan terpengaruh. Ini berarti pejabat kesehatan masyarakat dan rumah sakit dapat mengetahui kapan harus menyiapkan masker wajah dan suntikan flu, serta kapan dan berapa banyak staf yang harus disiapkan.

Pusat Pengendalian dan Pencegahan Penyakit memiliki informasi sejarah tentang epidemi flu sebelumnya. Dewasa ini, model autoregresif untuk ramalan influenza ”telah menunjukkan kinerja yang memuaskan bila diterapkan pada populasi besar”, menurut Journal of Medical Internet Research. Sistem ini “memiliki potensi untuk secara akurat dan andal memberikan perkiraan wabah flu regional yang hampir real-time di Amerika Serikat,” tulis para peneliti di Nature.

Menurut peneliti JMIR, bidang “di mana kebutuhan pengetahuan saat ini paling mendesak adalah deteksi dan prediksi aktivitas influenza di tingkat lokal. Pandangan granular seperti itu, pada gilirannya, dapat memberikan masukan ke dalam model skala besar dan prediksi akurat penyebaran influenza di wilayah geografis yang luas.” Pada tahun 2016, peneliti Nature mampu memprediksi aktivitas flu secara akurat menggunakan data EHR dari athenahealth.

Memprediksi obesitas di kalangan veteran

Urusan Veteran mengumpulkan tanda-tanda vital (termasuk BMI), ditambah faktor risiko klinis seperti geografi dan status sosial ekonomi, untuk 30 juta pasien dalam sistem EHR-nya. Dengan data ini, peneliti dapat memetakan distribusi geografis obesitas di antara pasien Administrasi Kesehatan Veteran.

Distribusi geografis obesitas di antara populasi VHA (Sumber)

Administrasi kemudian menggunakan model prediktif untuk memproyeksikan kapan dan di mana obesitas akan meningkat di antara kelompok populasi ini.

Contoh lain dari informatika kesehatan kependudukan dalam praktik

1. Dalam studi lain, para peneliti menggabungkan data dari eClinicalWorks dengan data kesehatan masyarakat untuk secara akurat memprediksi tingkat merokok dan obesitas di antara warga New York yang berpenghasilan rendah.
2. Johns Hopkins CPHIT bekerja dengan Departemen Kesehatan Kota Baltimore untuk menggabungkan data sosial, medis, dan kesehatan masyarakat untuk secara akurat mengidentifikasi manula yang berisiko tinggi jatuh dan melakukan intervensi sebelum cedera terjadi untuk mengurangi kunjungan UGD dan meningkatkan kesehatan masyarakat.

Seperti apa penggunaan data EHR untuk PHI dalam praktiknya

Salah satu contoh menggabungkan data EHR dengan data kesehatan masyarakat dapat ditemukan di Pusat Teknologi Informasi Kesehatan Populasi Johns Hopkins. Ini menampung sistem perangkat lunak Pemodelan Prediktif JHU ACG, yang saat ini digunakan di lebih dari 30 negara untuk lebih dari 160 juta pasien.

Berikut pembagian data di CHHIT:

Infografis kemitraan berbagi data CPHIT (Sumber).

Apa selanjutnya untuk data EHR untuk informatika kesehatan masyarakat

Merger dan kemitraan

Kebutuhan akan sistem perawatan medis individu dan sistem TI kesehatan masyarakat untuk diintegrasikan semakin meningkat. Masih belum cukup banyak rumah sakit komunitas yang membagikan data EHR mereka dengan database kesehatan masyarakat untuk mewujudkan potensi penuh informatika kesehatan populasi, menurut Universitas Columbia.

Pada tahun 2018, berharap untuk melihat lebih banyak catatan kesehatan elektronik berbasis cloud yang mengintegrasikan database mereka dengan sistem TI kesehatan masyarakat. Selain itu, harapkan lebih banyak merger dan kemitraan antara vendor EHR dan sumber data lainnya, termasuk pembayar.

Penggabungan senilai $77 miliar antara CVS dan Aetna dapat membantu mengantarkan “era baru dalam analitik, interoperabilitas, dan kesehatan populasi.” CVS memiliki lokasi terbanyak dan pendapatan tertinggi dari semua rantai apotek AS. Itu juga bermitra dengan Epic, perusahaan EHR terbesar di dunia. Epic dan CVS saat ini bekerja untuk menggabungkan data resep CVS dengan platform analisis kesehatan populasi Healthy Planet Epic untuk meningkatkan kepatuhan pengobatan dan menekan biaya.

Bagi orang-orang seperti Alan Hutchison, wakil presiden kesehatan populasi Epic, potensi kemajuan PHI sangat besar sekarang karena mereka berbagi data dengan Aetna. “CVS Health adalah salah satu pemimpin dalam menggunakan data untuk membubarkan silo domain, sambil menawarkan sumber kecerdasan dan keahlian baru yang dapat menginformasikan pemberian perawatan dengan lebih baik, mengurangi biaya administrasi, dan menurunkan biaya bagi pasien,” kata Hutchison.

Hutchison tidak sendirian. Rekan peneliti Duke University Margolis Center, David Anderson baru-baru ini menulis:

“Saya dapat memikirkan untuk menggunakan data ritel CVS sebagai layanan pemantauan kesehatan populasi, saya dapat memikirkan untuk menggunakan data penjualan bebas yang terkait dengan individu untuk mendorong model prediktif untuk masalah opioid di masa depan, atau serangan arthritis, atau rawat inap di rumah sakit paru atau salah satunya. ratus hal lainnya. Jadi dari sudut pandang saya sebelumnya sebagai geek data asuransi, merger ini menawarkan data yang sangat kaya yang dapat ditambang dan dicetak.”

Kelompok konsultan Kaufman Hall melacak transaksi kemitraan rumah sakit dan sistem kesehatan. Pada November lalu, sudah ada lebih banyak transaksi di tahun ini daripada di sepanjang 2016, dan 2017 ditetapkan sebagai tahun tersibuk yang pernah ada. Harapkan lebih banyak merger dan kemitraan ini di tahun 2018.

blockchain

Tren besar lainnya dalam interoperabilitas EHR untuk PHI yang akan kita lihat lebih banyak di tahun 2018 adalah penggunaan blockchain.

Di Korea Selatan, merupakan kebijakan nasional untuk Layanan Asuransi Kesehatan Nasional Korea untuk mengumpulkan catatan medis untuk semua warga Korea. Dengan akses ke data yang benar-benar representatif, para peneliti dapat memprediksi—dengan akurasi 80%—warga negara mana yang akan mengembangkan demensia.

Tanpa pembagian data nasional semacam ini, penggunaan blockchain dapat memfasilitasi interoperabilitas. Informasi yang disimpan di blockchain sangat mudah untuk dibagikan dan sulit untuk dipalsukan, sebuah keuntungan nyata bagi PHI. Crypt Bytes Tech mencatat bahwa “Alih-alih mengandalkan perantara yang ditunjuk untuk pertukaran informasi, seperti HIE yang ditunjuk negara bagian atau jaringan pribadi yang didirikan antara rumah sakit lokal, sifat desentralisasi dari blockchain akan memungkinkan setiap peserta yang disetujui untuk bergabung dengan komunitas pertukaran, tanpa perlu membangun pipa pertukaran data antar organisasi tertentu.”

Para ahli termasuk Maria Palombini—direktur komunitas baru dan pengembangan inisiatif di IEEE Standards Association—dan Kate Monica dari EHR Intelligence melihat blockchain semakin banyak digunakan untuk menstandarisasi dan mengamankan data kesehatan.

CEO Humana Bruce Broussard menggambarkan blockchain sebagai inovasi teknologi perawatan kesehatan besar berikutnya.

Cara mendapatkan data EHR Anda untuk informatika kesehatan masyarakat pada tahun 2018

Jika Anda ingin membeli EHR baru, interoperabilitas harus menjadi salah satu pertimbangan utama Anda.

Salah satu persyaratan untuk interoperabilitas adalah standar dokumentasi yang dikembangkan dengan baik untuk sistem EHR. Untuk pengobatan, kebanyakan EHR berbicara dalam bahasa yang sama. Untuk alergi, tidak selalu demikian. Laporan Journal of American Medical Informatics Association (JAMIA) baru menyarankan perubahan cara EHR mendokumentasikan reaksi obat yang merugikan untuk meningkatkan dukungan keputusan klinis terkait alergi. Saat membandingkan vendor, tanyakan bagaimana EHR mendokumentasikan berbagai informasi, termasuk reaksi obat yang merugikan.

Lihat juga perusahaan yang bereksperimen dengan blockchain perawatan kesehatan. Misalnya, pada tahun 2017 FDA memulai kemitraan penelitian dengan IBM Watson untuk menggunakan blockchain untuk berbagi EHR, uji klinis, pengurutan genetik, dan bahkan data perangkat seluler yang dapat dikenakan dengan aman.

Untuk tips lebih lanjut tentang membeli EHR baru, lihat posting ini:

Apakah Model Pembayaran Baru EHR Anda Sudah Siap? Pertanyaan untuk Ditanyakan ke Vendor Anda

3 Alternatif SOAPWare EMR Dibandingkan

6 Produk Perangkat Lunak EMR Gratis dan Sumber Terbuka Teratas