Fem sentrale komponenter for å bygge effektive dashboards i helsevesenet

Analytics i helsevesenet

Helseforvaltning trenger nøyaktig og detaljert informasjon om å ta suspendert og rimelige beslutninger. Forberedelse av slik informasjon krever betydelig innsats - dataene må være grundig montert, behandle, analysere og sende til beslutningstakere. På hvert trinn av slikt arbeid kan det oppstå problemer: Feil, inkonsekvenser, hopp, forsinkelser, forvrengning. Alt dette påvirker også kvaliteten på dataene og fører til dannelsen av feil konklusjoner, noe som gjør feil beslutninger.

Etter vår mening er den aktive digitaliseringen av helsevesenet designet for å løse de fleste av disse problemene. Spesielt innføringen av moderne informasjon og analytiske teknologier - Business Intelligence (BI). BI-løsninger øker fullstendigheten av datainnsamlingen og gir tilgang til dem. En analyse er enklere og raskere, arbeidshypotesene blir testet raskere, utførelsen av arbeidet vises. Hastigheten på adopsjon av ledelsesbeslutninger øker betydelig og effektiviteten i helseforvaltningen øker, noe som er spesielt viktig, med tanke på de ambisiøse målene og målene som står overfor helsevesenet innenfor føderale og nasjonale prosjekter.

Under sin egen aktivitet og under gjennomføringen av prosjektene som sendes innleverte prosjekter, er det nasjonale medisinske forskningsenteret oppkalt etter V. A. Alzozov engasjert i en vurdering av medisinsk behandling for kardiologi profiler og kardiovaskulær kirurgi i den russiske føderasjons bestanddeler. Studien av aktivitetene i regionene krevde etableringen av en egen informasjon og analytisk system. I denne artikkelen snakker vi om opplevelsen av å skape og implementere et slikt system i NMITS. V. A. Alzov, inkludert BI-beslutningen - Luxms som brukes i systemet og på disse komponentene som lar deg utføre en effektiv analyse i denne retningen.

Komponenter i bygningen Effektiv Analytics

Komponent 1. Operasjonell analyse av situasjonen

Forvaltningen av en egen medisinsk organisasjon, en gruppe organisasjoner eller et helsevesenet på nivået av regionen gir et bredt spekter av oppgaver for å samle inn og analysere en betydelig mengde informasjon. Imidlertid er rapporteringen der den nødvendige informasjonen samles inn, dannes med en forsinkelse. Byggingen av informasjon og analytisk system innebærer først og fremst tiltak for å optimalisere innsamlingen og lagringen av de nødvendige dataene.

For eksempel, under implementeringen av målene for det føderale prosjektet, vil de endelige dataene om resultatene av egne aktiviteter, bli anerkjent om seks måneder etter gjennomføring av rapporteringsperioden. De foreløpige resultatene diskuteres om to eller tre måneder, og det er under disse diskusjonene som det følgende året dannes. Forsinkelse Ved innsamling av informasjon er forvrengningen av den virkelige situasjonen misvisende ledelsen og forvrenger de planlagte målene.

Effektivt arbeid er arbeid med operasjonelle data, ideelt en analyse av situasjonen i sanntid. Og det er derfor når det analytiske systemet, vår organisasjon bruker operasjonelle data.

Komponent 2. Omfattende situasjonsanalyse

For korrekte konklusjoner trenger du en bred analyse av data: i ulike kutt, i sammenligning med andre trender og med nødvendig detaljnivå. Bare dette kan virke riktige ideer og bare slik at du kan teste eksisterende arbeidshypoteser. Valget av behandlingsmetoder, utvalg av utviklingsstrategier, analyse av påvirkningsfaktorene, definisjonen av prioriterte tiltak for å oppnå de deklarerte målene - alt dette er umulig uten en omfattende analyse av situasjonen.

Erfaring viser at et forsøk på å evaluere bare målrettede / nøkkelindikatorer gir ofte et forvrengt bilde. Så isolert analyse av en av målene - dødeligheten fra sykdommer i sirkulasjonssystemet (BSK), kan føre til feil tolkning av situasjonen. I regionen i 2015-2017 ble denne indikatoren redusert, som kan betraktes som en eksplisitt positiv dynamikk knyttet til aktivitetene som utføres (figur 1).

Imidlertid demonstrerer engangsstudie av dødeligheten fra andre sykdommer i 2015-2017 veksten av figuren, som som den viste seg, er knyttet til implementeringen av et automatisert system for å kode for dødsårsakene og en endring i Prinsippene for en posttumatisk diagnosekode (figur 2).

Dermed må vurderingen av dødelighetsdynamikken fra BSK være komplisert og inkludere som indikatorer for dødelighet fra BSK og indikatorene for total dødelighet og dødelighet på andre grunner (figur 3).

Komponent 3. Separere brukerroller

Selv før dannelsen av analytiske skjermer og fylling, må deres informasjon være representert som leger, analytikere, spesialister og ledere av organisasjoner vil bruke dem. Det er viktig å distribuere roller, som danner en algoritme for å jobbe med systemet og skille data tilgang.

Spesialister på forskjellige nivåer foregår forskjellige arbeidscenarier, avhengig av deres funksjoner. For eksempel er instituttet for avdelingen viktig for å overvåke indikatorene på nivået av spesifikke pasienter og grenen, generelt. Hoveddoktoren er viktig for å følge indikatorene på organisasjonsnivået. Representanten for den regionale utøvende myndighet innen helsevesenet kontrollerer effektiviteten av alle større leger, vurderer den generelle situasjonen og rapporterer om indikatorer umiddelbart før Helsetjenesten til den russiske føderasjonen. Spesifikke mål og metoder for deres beregning kan avvike betydelig avhengig av vurderingsnivået.

Så dødeligheten fra sykehusnivået krever nøye regnskapsføring av antall mottatte og oversatte pasienter fra en organisasjon til en annen, og på nivået av regionen krever oversettelser ikke regnskap, siden de utføres innen ett territorium. Et lignende mindre element kan føre til betydelige feil når man prøver å anvende målrettede verdier i gjenstanden for den russiske føderasjonens bestanddel til individuelle medisinske organisasjoner. Det er derfor separasjonen av roller og en individuell tilnærming er nødvendig både i overvåkingen og i formasjonen. Spesialister på ulike nivåer trenger forskjellig breddegrad og dybde i datafurdering. Denne forståelsen er basert på et flernivå tilgangssystem med en rollespillsmodell og funksjoner, takket være hvilken en analytisk plattform kan gi noen deltaker i ønsket datakutt.

I nmitter dem. V. A. Almoz BI-avgjørelse tillater analyse av regional helsevesen på ulike nivåer fra individuelle medisinske organisasjoner til distriktene og den russiske føderasjonen, generelt. Samtidig, på hvert nivå, avhengig av brukerens rolle, brukes et sett med parametere.

Komponent 4. Optimalisering av lagring av informasjon

Det er viktig å følge prinsippet om "rimelig tilstrekkelig": Du kan laste ned alle tilgjengelige data til systemet, men redundant informasjon distraherer og forstyrrer arbeidet. Når du danner dashboards og datasett, er det viktig å forstå på forhånd: Hva er indikatorene viktigst og hvordan man organiserer lagrings- og datainnlastingsprosedyre. Rangeringsindikatorer, gruppering og strukturering av dem, nøyaktig navn - Dette er viktige elementer av informasjonsoptimalisering i Analytics-systemet. I tillegg er det viktig å hele tiden kontrollere riktigheten av dataene og sammenligne informasjon fra ulike kilder - slik arbeid kan og skal automatiseres ved hjelp av analytiske plattformer.

I begynnelsen av sitt arbeid med BI-systemet ga vi tilgang til spesialister til all tilgjengelig informasjon på et visst nivå (avhengig av rollen). Denne tilnærmingen var ineffektiv. De fleste spesialister var ikke klare til å tilbringe tid på en detaljert studie av all informasjon og krevde en viss sortering av primærdata. Strukturering og gruppering av data, sortering etter typer og informasjonskilder tillot oss å overholde prinsippet om "rimelig tilstrekkelig" og øke effektiviteten til ansatte.

Komponent 5. Overføring av hovedarbeid i BI-systemet

Hovedfordelen til BI-systemet for leger og medisinske organisasjonsarbeidere er å redusere belastningen på dem og forbedre effektiviteten av sitt arbeid. Samtidig, blant medisinske arbeidstakere, blir en viss grad av inertitet og konservatisme observert i forhold til nye tekniske løsninger. Ofte forstår arbeidstakere selv ikke fullt ut hvordan de fungerer med dataene og hvilke oppgaver som faktisk utfører.

Vår erfaring med å implementere BI-systemet indikerer behovet for en innfaset full overgang til bruken av produktet i hverdagen for å oppnå det mest effektive resultatet. Bytte ut bruk av gamle rapporteringsskjemaer og dokumenter på Luxms-funksjonen ble utført i flere faser, og ordningen med å arbeide med programmet som for tiden eksisterer for øyeblikket, er fundamentalt forskjellig fra arbeidsordningen som skal i utgangspunktet implementere produktet i utgangspunktet. Dashboards, som for tiden brukes av eksperter som oftest har designet relativt nylig, ble deres tilstedeværelse og funksjoner ikke antatt i de første stadiene av å jobbe med Luxms.

Til tross for den betydelige brukervennligheten av et enkelt BI-system, fulgte en rekke ansatte under det siste øyeblikket til gamle arbeidsalgoritmer. Men sikrer den operative oppdateringen av informasjonen i BI-systemet med forsinkelser i oppdatering av data i andre plattformer, tillot den gradvise forbedringen av produktet under brukerkrav alle ansatte å bytte til bruk av en enkelt løsning. For tiden gjorde en slik forening av kampanjen det mulig å danne en enkelt kilde til relevant og sannferdig informasjon for alle brukergrupper.

Valg av russisk eller utenlandsk bi

Russiske BI-systemer har ikke betalt nok oppmerksomhet til design og problemstillinger av brukervennlighet, og den primære oppfatningen av utenlandske systemer var positivt. Selv om designet ikke er så viktig, har mange ledere template tenkning, de er vant til det de ser i rapportene. Og derfor, russiske utviklere, i kraft av enkel tilpasning av vår programvare, ble enda mer ettertraktet, da de gir klienten hva han vil.

Medisinske institusjoner har mange spesifikke krav. Det er vanskelig å kjøpe i, russisk enklere. Støtte for programvare er viktig hvis du trenger dyre spesialister - det passer ikke til mange kunder, du må følge med seg selv. Direkte kommunikasjon med produsenten av programvare er alltid viktig i arbeidet, dette er fordelen av russiske utviklere.

Vestlige produkter er mer modne, på grunn av dette bedre. Ulemper med russiske BI-systemer: Det er ikke noe stort antall utviklere, det er problemer med læring, med kurs - det er ikke alltid tilgjengelig. Det er vanskelig å sammenligne russiske og utenlandske systemer generelt: Koden som er enklere, og følger med det, og forgrenet enklere. Det er feil - men de er mye mindre korrigert. Med russiske systemer er vellykket implementering i 3-4 måneder mulig.

Fordeler og ulemper har fra det teknologiske punktet. Gartner BI-klassifiseringen er delt inn i data Discovery Tools og Business Analytic Applications, BI Applications (Business Analytic Applications, BI Applications), Sistnevnte er den mest krevde av vårt emne, som ellers kalles Industrial BI eller Systems for Managers, for Chief Leger , Service Managers Sales. Dette er hovedstyringsverktøyet med funksjonen til end-to-end-drift på alle nivåer: fra HR til anskaffelse.

Som nevnt ovenfor jobber den viktigste undervannsdelen av isfjellimplementeringen av BI-systemet med data. Det er viktig å strukturere og forberede ledelsesanalysen, den andre oppgaven er å utforske disse dataene. Utenlandske systemer er sterkere i dataoppdagelse, i dataforskning. Men i ledelsesanalyser eller bedriftsanalytiske applikasjoner er russiske systemer ikke lenger dårligere. Plusser er også i operasjonell teknisk støtte, direkte kontakt med kunden. De største kundene gjør digitalisering av interne lag og de trenger russiske produksjonsplattformer, inkludert med muligheten for å skaffe kildekoden og finjustere det på egenhånd - ingen utenlandsk system av dette vil sikre på riktig nivå.

I noen russiske systemer, for eksempel Luxms BI, er det teknologiske fordeler - massivt parallell databehandling og datasenterarkitektur. Datasentre er når forretningslogikken er innkvartert ved siden av dataene, direkte til DBMS, slik at du effektivt kan utarbeide data til visualisering. Massiv parallell behandling bidrar til å overvinne grunnleggende restriksjoner på Moore-loven og sikre høy responsrate med ubegrenset økning i lagring og intensitet av datakvittering for analyse. Eldre løsninger - GreenPlum og Exadata MPP-klynger, samt avansert, lavt veiledning MPP med i-minne databehandling, for eksempel DREMIO og Gigaspaces, gir en stor fordel i forhold til hastigheten på datasenter-linje BI-systemer. I tillegg til teknologiske fordeler, er det funksjonelle fordeler, for eksempel i Luxms BI, dette er vedlikeholdet av operasjonelle planer, konfigurerte styring av styringskontroll med end-all-end-interaktiv kontroll av organisasjonens aktiviteter.

Organisering av arbeid og skape et effektivt BI-system i medisin er en svært vanskelig oppgave, men uten at utviklingen og forståelsen av kardinale forbedringer er umulig, kan moderne medisin ikke stole på store data og trenger praktisk tilgang til dem.

Forfattere:

Alexey Fedorenko - ledende spesialist i den regionale interaksjonsavdelingen for implementeringen av føderale prosjekter av FGBU "nmits dem. V. A. Alzozov »Helsedepartementet i Russland

Sergey Shestakov - General Direktør for Luxms GK