Cinco claves para el uso de big data en la atención de salud

Patrocinado por: DONDOCTOR SAS

Comunicate con el proveedor:

Whatsapp
Contactar
Cinco claves para el uso de big data en la atención de salud

Patrocinado por: DONDOCTOR SAS

Comunicate con el proveedor:

Whatsapp
Contactar

!noticia guardada!

Sin duda, la respuesta a la pregunta qué hacer con grandes cantidades de información en atención a pacientes no se encuentra en continuar tomando decisiones con base en la intuición, la experiencia o la genialidad de alguien, sino que es necesario transformarse en empresas que tomen decisiones basadas en los datos. Cualquiera de los objetivos de las organizaciones de salud, como prestar una atención en salud de mejor calidad, fomentar la salud de las poblaciones, optimizar los ingresos o reducir los costos, no son cosas que suceden espontáneamente sin hacer esfuerzos significativos, valga decir, inversiones orientadas específicamente a hacer analítica de big data.

Existen algunas buenas prácticas en el análisis de datos, con base en la experiencia de muchas organizaciones de salud, que aumentan consistentemente el retorno de la inversión de estos proyectos, tanto para aseguradores como para prestadores. Cada una de ellas es un imperativo y a la vez un multiplicador de cualquier inversión que se haga en análisis de big data, tecnología que influirá decisivamente en las capacidades organizacionales y en la salud de los pacientes durante los próximos años.

Si usted es responsable o influye en el proceso de toma de decisiones sobre proyectos de analítica de datos en su organización, considere estos cinco puntos antes de aprobar un proyecto de análisis de big data para hacer que sea aún más exitoso:

  1. Invierta en detección. La analítica de big data es realmente análisis de detección. De la misma forma que los exámenes de laboratorio o los estudios de imágenes diagnósticas ofrecen información que ayuda sobre determinada condición de salud de un paciente y su tratamiento, el análisis de datos consiste en detectar cualquier información que proporcione indicios sobre la salud de la organización. Esto es completamente diferente a presentar y visualizar informes. En otras palabras: más que la presentación de los datos, lo importante es utilizar nuevos algoritmos de detección y técnicas de visualización de datos para que los datos hablen por sí mismos. Esto no va a reemplazar el cúmulo de datos clínicos que se conocen con base en la investigación basada en evidencia (en cuanto a los datos clínicos) o a años de experiencia (en cuanto a la información administrativa, financiera o de gestión), sí es de ayuda para dar los primeros pasos, y poder “ver el bosque en medio de los árboles”.
  2. Utilice todos los datos. Todos, absolutamente todos los datos son valiosos, incluso aquellos que ya se han analizado, integrado o depurado; es muy probable que muchos de ellos escondan aún respuestas que permanecen ocultas. Es muy posible que usted analice determinados conjuntos de datos y encuentre algunas respuestas en esta capa; continúe con otros conjuntos o capas de datos, como por ejemplo datos no estructurados (texto), datos de sensores y equipos biomédicos, web-logs, datos de redes sociales, etcétera, cada vez en más capas. Vuelva a los datos antiguos para obtener nuevas respuestas. Siempre tenga un inventario de sus “activos de datos”, y prenda las alarmas cuando encuentre datos en reposo o no utilizados.
  3. No se complique: hágalo fácil. Escoja tecnologías de análisis de big data que soporten análisis iterativos en ciclos muy cortos, y que se conecten con herramientas conocidas (por ejemplo: soluciones de business intelligence, soluciones estadísticas habituales, herramientas conocidas de visualización de datos). Por otra parte, la analítica de datos no es únicamente asunto de unos pocos “científicos de datos” bien pagados: “fácil” también significa que todos los profesionales y analistas de la organización sin formación avanzada en analítica de datos deben ser capaces de utilizar grandes volúmenes de datos para hacer mejor su trabajo.
  4. Establezca objetivos claros. Es muy importante saber qué va a hacer con las tecnologías de big data antes de adquirir una tecnología o aprobar un proyecto, así como hacer pruebas piloto o salidas en vivo de prueba. Es muy posible que usted tenga en mente una o varias preguntas de negocio que sean inquietantes, o que no hayan podido ser resueltas fácilmente con el enfoque tradicional, las herramientas y el personal disponibles actualmente. Los proyectos de analítica de big data deben ayudar a solucionar estos interrogantes. Si ignora este paso, corre el riesgo de que su proyecto de análisis de big data no pase de un experimento fallido.
  5. Utilice un equipo experto. Usted probablemente ya tiene bastante personal de TI y un equipo sólido de análisis de datos en salud, pero también puede (y debe) utilizar un equipo de apoyo especializado en big data y analítica de detección, es decir, científicos de datos expertos. Sin embargo, tenga en cuenta el punto 3: este nuevo equipo deberá integrarse y aprender de su equipo actual de tecnología, así como de las personas que ya tienen experiencia en tecnologías, herramientas y experiencia en datos específicos de salud. Es muy importante aclarar que el papel de estos científicos de datos es el de transmitir este conocimiento, y no solamente hacer análisis de datos.

Si usted desea obtener el máximo rendimiento de su inversión en analítica de big data, escoja tecnologías y proveedores que puedan ofrecer estas buenas prácticas. Todos ganan con una atención en salud más inteligente: pagadores, prestadores y pacientes.

Te podria interesar...