Hvordan store data har ændret sundhedspleje

The Third Industrial Revolution: A Radical New Sharing Economy (November 2024)

The Third Industrial Revolution: A Radical New Sharing Economy (November 2024)
Hvordan store data har ændret sundhedspleje

Indholdsfortegnelse:

Anonim

I betragtning af den store størrelse af data, der er oprettet hver dag, er Big Data blevet et trendigt emne de seneste år. Bygget på 4 kerneprincipper har mange industrier succesfuldt integreret og skabt værdi fra stor dataanalyse. Grundlæggende hjælper store data organisationer med at blive mere produktive, effektive og reducere omkostningerne. Ligesom mange andre industrier har sundhedsvæsenet tilpasset dataanalyse ikke kun til dets økonomiske afkast, men også til forbedring af patienternes livskvalitet.

Reduktion af sundhedsaffald

På grund af manglende gennemsigtighed er et flertal af sundhedsudgifterne i USA blevet kritiseret som affaldsmæssigt. Det anslås til de 2,2 billioner, der bruges til sundhedspleje, op til $ 1. 2 billioner kan betragtes som overskydende. Som et resultat af dyre fejlbehandlingstøj er defensiv medicin den førende bidragyder til ineffektive omkostningskontrol i sundhedsvæsenet. Ved at bygge videre på den store datrevolution kan sundhedsplejebeslutninger baseres på dataanalyse frem for klinisk vurdering af lægen.

Ud over sine omkostningspåvirkninger skaber dataanalyse værdi ved at samle patientoplysninger. At forstå så meget som muligt tidligt i patientens liv kan medvirke til at forebygge sygdomme eller behandle sygdomme i deres tidlige stadier. Med udbredte konsekvenser for sundhedsudbydere vil store data også omdanne lægemiddelindustrien. (Se også Sundhedsydelser, der ikke virker .)

Omkostningseffekter

Som sundhedsudgifterne fortsætter med at stige, anslås det, at sundhedsudgifterne i USA i 2021 skulle nå op til 4 dollar inden 2021. 8 mia. Og næsten 20 procent af BNP. Med udgifter pr. Indbygger til sundhedspleje, der formørker $ 8000, har der ikke været nogen langsigtede sundhedsmæssige fordele forbundet med sådanne høje omkostninger. Da fedme fortsætter med at peste USA, er forventet levealder 1. 5 år mindre end OECD-gennemsnittet. Integration af store data og analyser kan ikke forlænge forventet levetid. På den anden side er der mange økonomiske fordele ved hjælp af reducerede omkostninger.

Efterhånden som patient- og kliniske registreringer fortsætter med at vokse, har forbedret datastyring reduceret overskydende information. På grund af patientens fortrolighedsstandarder var rengøringsdata vanskeligt at opnå tidligere. Costing hospitaler 1. 5 millioner om året, kan duplikatregistre nu effektivt fjernes gennem innovative elektroniske journalsystemer (EMR). På samme måde fortsætter defensiv medicin med at øge omkostningerne, da 20% af radiologitestene er dubletter og spild ca. 20 milliarder dollars om året.

Det er ikke kun store data, der eliminerer omkostningerne ved duplikatoptegnelser, men predictive analytics kan mere effektivt identificere tidlige behandlinger i patientens historie, forhindre fremtidige medicinske episoder og undgå fremtidig tilbagetagelse.For øjeblikket forhindrer sygdomme som rygning og fedme $ 2 billioner over hele verden. Ved at integrere store data kan udbydere indarbejde familiehistorie og nuværende betingelser for mere effektiv forebyggende behandling. Som følge heraf er det rapporteret, at dette kunne reducere de samlede sundhedsomkostninger med over 38 mia.

Generelt forventes den store datrevolution i sundhedsvæsenet at reducere USA's udgifter med $ 300 til $ 450 mia. Gennem sygdomsforebyggelse, reducerende tilbagetagelsesrater, bedre patientresultater, data gennemsigtighed og fremskyndet F & U. (For mere, se: Hvordan en rådgiver kan hjælpe med at reducere dine sundhedsomkostninger .)

Patienteffekter

Foruden store økonomiske konsekvenser forventes analyser inden for sundhedsorganisationer at forbedre kvaliteten og effektiviteten af ​​sundhedsvæsenet stillet til rådighed. Traditionelt opererede læger og sundhedsudbydere under et gebyr for serviceplatformen. Denne metode betaler praktiserende professionelle for hver tjeneste udført som test og kontorbesøg.

Hvad der gør store data tiltalende til sundhedsvæsenet, er brugen af ​​prædiktiv analyse. Prediktiv analyse ekstraherer information fra allerede eksisterende datasæt til at bestemme fremtidige mønstre og tendenser. Forudsat at specifikke patientdata er placeret i en enkelt databas, kan algoritmer oprette personlige sundhedserfaringer. Efter udviklingen af ​​nye data og teknologi opfordrer sundhedsplejeanalyser patienterne til at forfølge aktiv livsstil, vælge højtkvalificerede udbydere og følge data-drevne resultater frem for klinisk vurdering.

F & U-lægemidler

Udenfor klinisk sundhedspleje skaber datatilvækst muligheder for effektivt at udvikle nye lægemidler. Effektiv end-to-end integration af data giver farmaceutiske virksomheder mulighed for at maksimere udbyttet af teknologitendenser. Teknologien forbinder biologisk og klinisk data med forudsigelig modellering for at identificere potentielle kandidater til lægemiddelforsøg. Som en industri på 300 milliarder dollars om året fortsætter globale lægemidler med at bruge millioner af dollars hvert år på at udvikle nye lægemidler.

R & D, overskud sikrer, at udvikling af lægemidler har det højeste afkast af selskabets investeringer. Gennem avancerede algoritmer kan realtidsovervågning af kliniske forsøg effektivt forkorte tiden mellem udvikling og offentlig brug af nye lægemidler. Fremskyndelse af processen mellem produktudvikling og frigivelse giver farmaceutiske virksomheder en konkurrencemæssig fordel for at maksimere afkastet. (For mere se: Hvordan store data har ændret markedsføring .)

Statsstøtte

Tilskud til sundhedssektoren har til formål at øge gennemsigtigheden af ​​data med positive patientresultater. I 2009 lancerede USA det åbne regeringsdirektiv med det formål at skabe gennemsigtighed blandt regeringsbaserede datasæt. Ligeledes lovede Health Information Technology for Economic and Clinical Health (HITECH) Act i 2009 subsidieret så meget som $ 36. 5 milliarder kroner i udgifter til oprettelse af et landsdækkende netværk af elektroniske patientjournaler.

De forventede betalinger forventes at drive vedtagelsen af ​​EMR-systemer til 70-90 procent af alle udbydere inden 2019. At gøre kliniske data gennemsigtige og universelt anvendte blandt alle sundhedsudbydere vil gøre det muligt for industrien at gennemføre analyser effektivt.

Digital Health Monitoring

Teknologitendenser har øget de forebyggende foranstaltninger, som enkeltpersoner kan tage. Fitness trackers overvåge en række vigtige faktorer til et godt helbred, herunder; taget skridt, søvn cyklus og puls. Teknologien tegner sig for en række faktorer, og om nødvendigt opfordrer den den enkelte til at udøve mere fysisk aktivitet. Dataene gemmes og analyseres af tracker og kan fås gennem smartphone app eller via firmaets webside.

Efter disse oplysninger kan enkeltpersoner træffe forebyggende beslutninger til forbedret sundhed og mindre lægebesøg. Udover den blomstrende bærbare industri bruger online sundhedskilder som WebMD (WBMD) algoritmer til at give individuelle sundhedsanbefalinger. Som en Netflix (NFLX NFLXNetflix Inc200. 13 + 0. 06% Lavet med Highstock 4. 2. 6 ) filmanbefaling, indleverer patienter symptomer på WebMDs platform, der producerer en liste over potentielle sundhedskomplikationer.

Bundlinjen

Da sundhedssektoren generelt vedtager store data og analyser, er der enormt potentiale for positiv forandring. I øjeblikket er den store datrevolution vokset i finansiering, markedsføring og sport med sundhedspleje lige bagud. Med de stigende omkostninger i sundhedsvæsenet i USA undersøgte mange amerikanere branchen for at svække økonomien. Gennem mere effektiv forskning og udvikling inden for lægemidler, positive patientresultater, data gennemsigtighed og potentiale for forebyggende sygdomsmetoder, forventes analyser at spare USAs økonomi milliarder af dollars.