A medida que el avance para integrar la inteligencia artificial y el aumento de la interoperabilidad, desarrolla, Arquitectura clínica Ve una mala necesidad de herramientas que puedan usarse para evaluar la calidad de los datos de salud. Los datos en mala calidad pueden conducir a conclusiones falsas y recursos desperdiciados, lo que obstaculizó el progreso de la investigación médica, las decisiones políticas e inversiones equivocadas, así como la atención ineficaz e injusta por parte de los pagadores, proveedores, inversores y el gobierno.
La infraestructura para apoyar la interoperabilidad a través de iniciativas como TEFCA y el número de QHIN continúa creciendo, pero la calidad de los datos, incluso los datos estructurados, varía mucho. Debe haber una manera de evaluar los datos que fluyen a través de estas tuberías.
Las acciones de atención médica no podrían ser más altas. Para que las herramientas de IA se extiendan en el sistema de salud, es de suma importancia que los grupos de datos se requieran para generar el soporte de toma de decisiones clínicas con IA reflejan datos confiables y datos confiables que pueden ayudar a mejorar los resultados del paciente. Si los eventos indeseables resultan de conclusiones incorrectas basadas en datos de baja calidad, el progreso de la industria médica se organiza a la introducción generalizada de las herramientas de IA.
En una entrevista, Charlie Harp, fundador y CEO de Clinical Architecture, como un marco de calificación de datos que desarrolló, el marco PIQI para mejorar la calidad del paciente (mejora de la calidad de la información del paciente), actúa como una taxonomía de la calidad de los datos de la atención médica para estos problemas.
Con una carrera que se desencadenó en el software de ciencias de la vida y atención médica, Harp fundó la compañía en Indiana en 2007 porque creía que la industria de la salud necesitaba una compañía que se compon con la fecha y portátil en la calidad de los datos, la intercambiabilidad de los datos y la provisión de datos.
El Marco piqi para la mejora de la calidad de la información del paciente ( Ofrece una forma uniforme y objetiva de evaluar la calidad de los datos con una sección seleccionada y enfatizar la causa principal de los problemas de calidad de los datos para que puedan remediarse. La arquitectura clínica en cooperación con los socios de Leavitt creó la Alianza PIQI, que incluye grupos de trabajo para diseñar este marco de código abierto que se puede utilizar en toda la industria de la salud. Piqi está pasando por el proceso de votación con HL7 para convertirse en un estándar.
Harp creó una sección para USCDI versión 3 Esto muestra cómo debería ser la calidad de los datos.
“Estamos en un momento de captación de agua para la atención médica”, dijo Harp. “El número de pacientes mayores aumenta y, por lo tanto, el número de personas con varias comorbilidades en varios medicamentos. Hacemos todas estas cosas con la genómica y la farmacogenómica y llegamos a una granularidad diferente a la forma en que las personas interactúan con el mundo. Cuidar a todos.
PIQI se trata de evaluar la calidad de los datos que envía una empresa. Harp comparó el marco PIQI con una prueba estandarizada, pero para datos. Explicó que PIQI evalúa la calidad de los datos a nivel granular y los calificaciones basados en la disponibilidad de datos, precisión, conformidad y plausibilidad. A veces, la fuente del problema de registrar los datos es inherente, lo que es más difícil de solucionar.
Un desafío es que los datos contenidos en un EMR en un hospital o sistema de salud a menudo son suficientes para cumplir con los requisitos de esta aplicación. Sin embargo, para compartir estos datos fuera de esta aplicación, el trabajo debe llevarse a cabo para diseñar los datos interoperables. Si este trabajo no se realiza o no está bien realizado, los datos son demasiado cortos. Los médicos tienden a escribir notas clínicas de una manera que tenga sentido para ellos. Al evaluar la calidad de los datos, que comparten un proveedor, la semántica y la intención detrás de los datos son increíblemente importantes, dijo Harp. Otro desafío es que cada EMR tiene su propio diccionario. Incluso con los códigos ICD-10 y los estándares FHIR, hay opciones significativas que dependen de la EMR utilizada en cómo difieren los datos clínicos. Hay tantas variables de datos que agregan capas de complejidad a la transferencia de datos clínicos.
“Como eso La fuente de la mayoría de los datos del paciente que usamos en la atención médica no es un segmento de mercado más complejo y desafiante que la sala de proveedores en términos de calidad de datos “, observó que Harp observó
Hay varios grupos que confían en los datos de los proveedores para sus propios registros de datos, p. B. Los pagadores que intentan usar datos clínicos para asegurar sus medidas de datos y tarifas de información (HEDIS) y sus revisiones de STAR. Si los departamentos gubernamentales como el Seguro Social o los Centros para el Control de Enfermedades, que desean llevar a cabo una mejor vigilancia sobre lo que está sucediendo en la salud pública, recibe datos de mala calidad e incompletos, no puede usar estos datos para obtener una imagen precisa para sus necesidades.
Hay una cadena de valor que pasa por el espectro de salud. Cualquier persona que quiera recibir datos clínicos debe tener una forma de confiar en los datos, ya sea para el procesamiento de la investigación o las demandas o la salud de la población o la salud pública.
“Lo genial de la alianza Piqi es que tenemos personas de este espectro. Los miembros cuentan a las personas de los pagadores, el Seguro Social y el CMS”, dijo Harp. “Comenzamos a conseguir algunos proveedores que también hagan esto”.
La arquitectura clínica actualmente está buscando socios adoptadores tempranos para probar y refinar el marco PIQI en entornos reales.
Al decidir hacer el código abierto del marco PIQI, Harp quería alentar a todos a evaluar y evaluar la metodología con la ayuda de rubers de evaluación comunes. La medición objetiva de los datos utilizando un marcos estándar ayudará a mejorar la calidad de los datos en la industria de la salud en la industria de la salud.
La arquitectura clínica realiza una prueba beta con varias de las HIES (intercambio de información de salud), el arpa entró en acción a través de un ejemplo ficticio de los marcos PIQI. Descubrió que los datos alergiados del hospital alcanzaron el 41% y sus datos de condición del 52%. La demografía es del 75% y su vacunación es del 77%. Pero se dio cuenta de que los usuarios podían perforar más.
Los datos demográficos solo alcanzaron el 75%porque no se logra la información del sexo de nacimiento para 2.761 mensajes. Los datos proporcionados por el hospital no son válidos de acuerdo con el marco PIQI. Es posible verificar las diversas piezas de datos medidas en la sección. Los medicamentos tienden a hacerlo Califique mal porque el 89% del tiempo los datos no contienen ninguna indicación. USCDI versión 3 requiere una nota.
Si necesita datos para respaldar la atención orientada al valor, puede buscar pacientes que tomen metformina para la diabetes tipo 2. Sin la pista, el usuario no puede verificar si ocupa metformina porque crea diabéticos. Agregar la información faltante mejora significativamente el puntaje. Entonces, si usted es una organización que compra datos del paciente, puede mejorar una puntuación del 70% al 95%, lo cual es significativo.
Harfe ve el marco PIQI y la alianza PIQI como un llamado de Wake -Up para la industria de la salud y subraya la necesidad de identificar y corregir diferentes datos clínicos para mejorar la calidad de los datos. Si considera la calidad de los datos de la ciencia de la vida, use el Observación de la asociación de resultados médicos (OMOP) Estándar, los datos fueron seleccionados manualmente, tocados por muchas personas para entrar en el formato OMOP y normalizar. Las ciencias de la vida para la vida son mucho más estrechas porque generalmente buscan pacientes en una determinada cohorte.
“Hay tantas razones que tenemos que avanzar en la calidad de los datos en la atención médica. En última instancia, los impulsores económicos son lo que suceden las cosas. Cuando los pagadores como CMS exceden la calidad de los datos y requieren una evaluación de calidad que promueva la aceptación”. Harp notó. “Si podemos avanzar en la introducción de los umbrales mínimos de calidad de datos, estaría muy emocionado de ver lo que vendría después”.
Foto: Issarawat Tattong, Getty Images
