Cómo tomar decisiones clínicas y estratégicas más eficientes, en la era del big data y la medicina de precisión?

Transcripción

1 Cómo tomar decisiones clínicas y estratégicas más eficientes, en la era del big data y la medicina de precisión? Dr. Eduardo Vigil. Dr. Francisco Murillo Ing. Francisco Fernández Webinar 10 th September 2015

2 1. Data Analytics para la toma de decisiones en la gestión sanitaria. Contamos en los contextos de la asistencia sanitaria actual, con herramientas de explotación de datos que nos permitan disponer de la información oportuna para atender de manera eficiente a nuestros pacientes? Tipos de decisiones en la gestión sanitaria, la toma de decisiones en el ámbito de la gestión, complejidad en las decisiones de pacientes, Big Data Analytics para la toma de decisiones. Ing. Francisco Fernández Galeano. Director everis USA / ehcos francisco.jose.fernandez.galeano@everis.com Webinar 10 th September 2015

3 Tipos de decisiones en la atención sanitaria Distinguimos tres ámbitos a lo hora de tomar decisiones en la atención sanitaria: Toma de decisiones clínicas: Los profesionales clínicos deben integrar una enorme variedad de datos clínicos mientras se enfrentan a presiones contradictorias para reducir la incertidumbre en el diagnóstico, los riesgos y los costes. La decisión sobre la información a tener en cuenta, qué pruebas son necesarias, y como interpretar e integrar esta información para obtener conclusiones diagnósticas y de tratamientos. Decisiones en el ámbito de gestión: Conjunto de decisiones estratégicas, tácticas y operativas sobre la planificación, gestión de los recursos disponibles, gestión de departamentos, etc. para optimizar la calidad y la eficiencia de la atención. Decisiones compartidas: los pacientes participan en el proceso colaborativo que les permite tomar decisiones sobre su salud junto con su médico, teniendo en cuenta la evidencia científica disponible, así como las prioridades y preferencias del paciente.

4 Dificultades para tomar decisiones La atención de salud ha cambiado drásticamente en las últimas décadas. Los profesionales y pacientes tienen hoy más opciones que nunca. Tomar las decisiones correctas, ya sea para la prevención, diagnóstico o tratamiento, requiere una evaluación crítica de los posibles beneficios e inconvenientes de las opciones. Los problemas de salud de los pacientes son cada vez más complejos y diversos (pacientes pluripatológicos). Las opciones de tratamiento disponibles para una determinada condición se han incrementado. Las organizaciones sanitarias se enfrentan a presiones económicas y sobre la calidad de la atención. La medicina personalizada investiga formas en las la genética, epigenética, etc. influyen en respuestas a terapias.

5 La información es clave para la toma de decisiones Todos estos ámbitos están muy relacionados, las decisiones de cada ámbito dependen de las otros, y sobre todo tienen algo en común: Todas las decisiones requieren la mayor cantidad de datos para generar una información de calidad que les permita tomar decisiones. Existen ya soluciones que permiten a los hospitales y prestadores de salud tomar decisiones rápidas basadas en datos en tiempo real que tienen impacto inmediato en la salud de los pacientes a su vez que reduciendo los gastos asociados.

6 Toma de decisiones en el ámbito de gestión Las organizaciones sanitarias de todo tipo se enfrentan a nuevos modelos en los que el análisis de datos clínicos jugará un rol fundamental en su habilidad para gestionar la prestación asistencial a sus pacientes. El hospital necesita conocer demanda, necesita conocer la calidad de sus servicios y los costes asociados. Necesita saber como optimizar sus ingresos y los costes con el compromiso de aumentar la calidad de la asistencia. Calidad Asistencial: Errores de medicamentos, resultados, mortalidad, infección nosocomial, cirugías repetidas, reingresos, etc Calidad Operativa: Tiempos de espera, calidad de consultas, tiempos de alta, tiempos de admisión, desviaciones, etc Eficiencia Operativa: Tiempos de estancia media, costes por cama, porcentajes de coste asociados a materiales y medicamentos, tasas de utilización, etc Salud Financiera: EBITA, Case Mix, Cash Flow, deuda, márgenes, etc

7 Herramientas de Data Analytics orientadas a Facilitar la Gestión Mejora Operativa: Para permitir a los gestores de operaciones enfocarse en objetivos específicos de mejora operativa, eficiencias de workflow y reducción de gastos. Gestión Financiera: Combinan fuentes de datos financieros con información de facturación, reclamaciones, clínica, de coste y satisfacción de pacientes para entender la causa y efecto, así como tener información prospectiva asociada a ingresos. Prevención de fraude y abusos. Planificación de Recursos: Previsión detallada de demanda de servicios y recursos necesarios para desarrollar planes de mitigación. Calidad y Resultados: Acceso a datos clínicos y no clínicos relevantes para la toma de decisiones orientadas a las mayores prioridades estratégicas (ej.: reingresos). Inteligencia de Procesos Clínicos y Operativos: La gestión efectiva de los procesos asistenciales requiere un entendimiento de la calidad y eficiencia con la que dichos procesos se están ejecutando. Los gestores pueden analizar las fuentes de ineficiencia o malgasto de recursos. Por ejemplo los gestores de los hospitales y los propios pacientes saldrían bastante favorecidos si los proveedores asistenciales tuvieran un conocimiento en tiempo real del flujo que siguen los pacientes en las emergencias o en las UCIs.

8 Beneficios del Uso de Healthcare Analytics Además de los objetivos previos, las herramientas de Analytics proporcionan a los Gerentes de los Hospitales: 1. Visión global del estado de la organización a través de cuadros de mando integrales. 2. Seguimiento del cumplimiento de los objetivos estratégicos de la organización a través de las metas de los indicadores y/o alertas. 3. Repositorio único del dato, independientemente de los sistemas de información origen. 4. Acceso directo al dato sin necesidad de peticiones de informes a IT. 5. Posibilidad de benchmarking con otros centros de condiciones similares The most successful organization are those which have used their EMR as a foundation for implementing process change and complementary technologies such as business analytics and clinical decision support to achieve improved outcomes and reduced costs. Annual Report of the U.S. Hospital IT Market HIMSS Analytics and The Dorenfest Institute for Health Information.

9 Dominios de Datos para Toma de Decisiones de Gestión Desde el punto de vista del uso de los datos, Healthcare Analytics ha evolucionado desde el uso principalmente de datos de facturación para empezar a utilizar datos de diferentes fuentes, tales como imágenes o HCE. 1. Billing data 2. Lab data 3. Imaging data 4. Inpatient EMR data 5. Outpatient EMR data 6. Claims data 7. HIE data 8. Detailed cost accounting data 9. Bedside monitoring data 10. External pharmacy data 11. Familial data 12. Home monitoring data 13. Patient reported outcomes data 14. Long term care facility data 15. Genomic data 16. Real time biometric monitoring Now 1-2 years 2-4 years La principal evolución es no tanto acerca de los tipos de datos sino como en los usos de la información. La tendencia es utilizar Analytics para mejorar la Calidad de Vida y para Salud Preventiva e Interventiva.

10 Modelo de Adopción de Healthcare Analytics Level 8 Level 7 Level 6 Level 5 Level 4 Level 3 Level 2 Level 1 Level 0 Personalized Medicine & Prescriptive Analytics Clinical Risk Intervention & Predictive Analytics Population Health Management & Suggestive Analytics Waste & Care Variability Reduction Automated External Reporting Automated Internal Reporting Standardized Vocabulary & Patient Registries Enterprise Data Warehouse Fragmented Point Solutions La tendencia es evolucionar hacia modelos que requieren más datos Analytics have gone from a nice-to-have to a must-have in today s challenging healthcare environment.

11 Evolución hacia Big Data Analytics La tendencia es utilizar nuevos datos, Big Data y datos proporcionados por los pacientes (Genoma, Fenoma, Crowd-Sourced Data, etc ). Aplicaciones de Salud Sistemas y Dispositivos Datos de Paciente Genoma Crow-Sourced Data Sensors

12 Big Data Analytics para la Investigación centrada en Pacientes La optimización de la capacidad de Big Data para generar valor conlleva, necesariamente, un modelo de organización orientada a datos a distintos niveles.

13 2. Ayuda a la toma de decisiones clínicas. La relación entre Información Clínica, Genómica y Medicina de Precisión En que áreas de la medicina se están aplicando estas tecnologías con más éxito? De qué manera este tipo de tecnologías van a contribuir a la sostenibilidad de los sistemas sanitarios? Se puede gestionar de manera eficiente un hospital en la actualidad sin disponer de la información necesaria sobre la eficiencia de los procesos asistenciales? Dr. Eduardo Vigil Chief Medical Information Officer everis health y coordinador del Consejo Asesor Científico y Médico. (eduardo.vigil.martin.sa@everis.com) Webinar 10 th September 2015

14 Ayuda a la toma de decisiones clínicas Los seres vivos esencialmente somos información codificada que dirige nuestro funcionamiento interactuando con el medio y los factores externos. Una parte de esa información es constante, mientras que otra es modificable y adaptativa. Por ejemplo, un grupo de células modifica su información lo que hace modificar su comportamiento y este cambio o mutación hace que esas células que eran normales, se conviertan en células con comportamiento anómalo como las cancerosas.

15 Ayuda a la toma de decisiones clínicas Lo apasionante de estas investigaciones, en las que las tics y las herramientas de big data tienen gran influencia, lo que nos permiten empezar a conocer la relación entre nuestra información esencial como ser vivo: el genoma, con las variables que representan a nuestro hábitos de vida y nuestro entorno medioambiental. Hoy día, hay consenso científico en asignar que en determinados cánceres y otras maneras de enfermar, a nuestra carga de información, la que llevamos en los genes, le corresponde alrededor de un 30 %. Otro 30% podría ser responsabilidad de nuestros hábitos de vida y medioambientales y el resto, el azar. Dicho de otra manera, debemos de contribuir a la investigación dotando de herramientas tecnológicas que permitan conocer mejor la relación entre nuestra información esencial y los factores externos y disminuir la incertidumbre del azar.

16 Ayuda a la toma de decisiones clínicas Todas las especialidades médicas se ven afectadas por esta dinámica de relación entre nuestra información genética y el mundo exterior Hoy día las áreas de mayor influencia son el cáncer y las enfermedades conocidas como auto inmunes o auto inflamatorias como la artritis reumatoide, el lupus, la enfermedad de Crohn, etc. En otras áreas como la cardiología, también se esperan resultados prometedores

17 Ayuda a la toma de decisiones clínicas Lo que conocemos como medicina de precisión, nos permite identificar, por ejemplo en el caso del cáncer, no solo qué tipo de cáncer, sino también qué tipo de expresión genética tienen las células del paciente y qué alternativas terapéuticas y farmacológicas, son eficaces, cuáles lo son menos, o no tienen ninguna eficacia en un paciente determinado.

18 Ayuda a la toma de decisiones clínicas Frente a la corriente que nos anuncia la imposibilidad de financiar esta medicina de precisión, pensamos que, si somos capaces de: Predecir con un nivel de certeza las posibilidades de que pacientes portadores de patologías ligadas a un conjunto de genes poligénicas- podríamos conocer los factores que contribuyen al desarrollo de la patología de la que es portador, lo que nos permite adelantarnos a su desarrollo. Establecer cribados de población portadores de patologías monogénicas o pologénicas, podremos hacer screening selectivos de esas poblaciones, en vez de lo que actualmente hacemos, estableciendo una real y eficaz medicina preventiva. Seleccionar, mediante la farmacogenética, las medicaciones eficaces, Disminuiremos no solo costes, sino los efectos adversos consustanciales a muchos de esos fármacos

19 Ayuda a la toma de decisiones clínicas La historia clínica electrónica, es la base necesaria para la organización ordenada de los datos del paciente, pero es insuficiente. La información generada desde los datos de la historia clínica fue el avance de los años pasados. En la actualidad, es el conocimiento y la contribución al avance científico global, pero desafortunadamente es solo para muy pocos entornos. El futuro es el que estamos construyendo ahora, con nuevas aplicaciones que permiten la integración de bioseñales, la comparación de variables, las técnicas de big data y las secuenciaciones genéticas, la proteómica, la metabolómica, etc.

20 3. La toma de decisiones en la medicina crítica. La medicina crítica incluye: Anestesiología de cirugía compleja, emergencia y medicina Intensiva. Un médico o una enfermera común pueden usar fácilmente estas herramientas, sin necesidad de recibir una formación muy específica para ello? Disponemos hoy de la información suficiente para tomar decisiones de calidad en los momentos críticos de un paciente? Dr. Francisco Murillo Director de Gestión clínica de cuidados críticos y urgencias. Hospital Universitario Virgen del Rocío. Consejo Asesor Científico y Médico ehcos. (francisco.murillo.sspa@juntadeandalucia.es) Webinar 10 th September 2015

21 Dificultades de los productos actuales del mercado A las preguntas iniciales que nos hacíamos responderíamos para comenzar: No disponemos hoy de la información suficiente para tomar decisiones de calidad en los momentos críticos de un paciente. Y los sistemas existentes no son fáciles de usar. Entre las dificultades que nos podríamos encontrar destacamos: Falta de usabilidad, especialmente para el personal de enfermería. Diseños muy enfocados a la recogida de una multitud de datos de complicada o imposible explotación.

22 Dificultades de los productos actuales del mercado Falta de interoperabilidad e integración de las bioseñales independientemente de su origen y producto. Muy influidos por la formación y desarrollo profesional de los asesores médicos. La mayoría de los productos, se nota que están desarrollados para el contexto de un hospital en específico. Más orientados a registros y base de datos que a suministrar información para tomar decisiones. Difícil traslación de múltiples datos a información útil, para el diagnóstico de situaciones fisiopatológicas definidas.

23 Expectativas clínicas que se le plantean a los sistemas de información clínica Escasa transversalidad e integración con otras soluciones departamentales y hospitalarias. Conexión y entendimiento con los demás sistemas departamentales y hospitalarios. Transformación de datos dispersos en información digerida para establecer estados y situaciones fisiopatológicas homogéneas. Disponibilidad de utilización de técnicas big data, para evaluar situaciones clínicas homogéneas y proponer protocolos de actuación ante situaciones clínicas críticas. Proporcionar información útil para la toma de decisiones clínicas y terapéuticas.

24 Expectativas clínicas que se le plantean a los sistemas de información clínica Información que permita monitorizar políticas de calidad y seguridad clínica. Sistemas que apoyen la gestión clínica integral (personal, fungibles, farmacia, «benchmarking», etc.) Sistemas orientados a la práctica de la telemedicina. Se pretende que las UCIs de hospitales de referencia se puedan comunicar y conectar con otras UCIs de hospitales dependientes, facilitando la accesibilidad a los mejores especialistas y la interconsulta entre profesionales.

25 Muchas Gracias!