por Jessica Kent – Xtelligent Healthcare Media
Para mejorar los resultados durante la pandemia de COVID-19 y más allá, las organizaciones están utilizando datos del mundo real para una toma de decisiones eficiente y eficaz.
Al describir el estado de la asistencia sanitaria en los últimos meses, las personas han utilizado determinadas palabras una y otra vez.
Sin precedentes, crisis, rápido y novedoso se han convertido en términos básicos en el vocabulario de la nación, destacando tanto la naturaleza anómala de la pandemia COVID-19 como la necesidad de soluciones rápidas e innovadoras.
En un momento como este, los investigadores y líderes tienen que mirar más allá de los costosos ensayos controlados aleatorios que requieren mucho tiempo. Para encontrar las respuestas a una pregunta que siempre está evolucionando, la industria necesitará examinar información que cambia constantemente de manera similar: datos del mundo real.
Definidos por la FDA como datos relacionados con el estado de salud del paciente o la prestación de atención médica que se recopilan habitualmente de una variedad de fuentes, los datos del mundo real se utilizan cada vez más en la toma de decisiones clínicas. Las organizaciones están aprovechando los datos de HCE, los registros de pacientes y la información de dispositivos móviles para comprender mejor las tendencias y los resultados, lo que lleva a una mejor prestación de atención.
Durante la pandemia actual, esta información se ha vuelto aún más valiosa. Los datos del mundo real pueden ayudar a informar a los líderes sobre cualquier tema, desde poblaciones de pacientes de alto riesgo hasta el impacto de medidas como el distanciamiento social. Es un recurso invaluable, pero como cualquier estrategia relacionada con los datos en el cuidado de la salud, presenta varios obstáculos.
Para empezar, la amplitud de estos datos puede abrumar fácilmente a las entidades sin las herramientas o la capacidad para darles sentido. E incluso si tienen lo que necesitan para sacar conclusiones completas de esta información, ejecutar rápidamente una respuesta eficiente es otra tarea completamente diferente.
A medida que avanza la pandemia, la industria de la salud desarrolla continuamente nuevos enfoques para ayudar a reducir la propagación y mitigar los posibles efectos a largo plazo del virus, con los datos del mundo real jugando un papel central.
A través de técnicas de análisis avanzadas, herramientas de visualización y otros métodos basados en datos, las organizaciones pueden comenzar a aprovechar al máximo las fuentes de datos del mundo real, facilitando una mejor atención ahora y en el futuro.
RECOPILACIÓN DE INFORMACIÓN DEL MUNDO REAL PARA OBTENER RESULTADOS DEL MUNDO REAL
Para que las instituciones de atención médica utilicen con éxito datos del mundo real, la información presentada debe ser precisa, oportuna y procesable, según Lisa Gulker, directora senior de operaciones del sistema de salud en Cerner.
“El objetivo general de los datos del mundo real es brindar a los proveedores la mejor información posible para que puedan tomar decisiones excelentes de manera consistente para sus poblaciones de pacientes”, dijo.
“Las organizaciones utilizan esta información para administrar los recursos que los pacientes necesitan, como camas en un nivel de atención particular, el equipo adecuado y el personal adecuado para atender a los pacientes”.
Estas decisiones se basan mejor en datos del mundo real recopilados de forma continua y en tiempo real. Con datos en tiempo real , recopilados de fuentes del mundo real, los médicos pueden tener una mejor idea de las necesidades del paciente, así como del personal y los recursos, para brindar una atención óptima.
Sin embargo, tomar decisiones basadas en información que cambia constantemente no es tarea fácil, señaló Gulker.
“Cuando está acostumbrado a trabajar con datos manuales o retrospectivos, se necesita mucha gente y transformación de procesos para responder a los datos en tiempo real”, dijo.
“A nivel de liderazgo, está utilizando datos en tiempo real para asegurarse de generar valor, proteger a los pacientes y mover a los pacientes de manera eficiente y efectiva a través del sistema. En el punto de nivel de servicio, está utilizando estos datos para decidir dónde ubicar a los pacientes en un sistema de salud y en qué orden. Hay varios tableros de ajedrez que debes considerar, y debes tener suficiente conocimiento de la situación de todos estos diferentes tableros de ajedrez para tomar una gran decisión “.
Para ayudar a las organizaciones a visualizar las operaciones en una ubicación centralizada, Cerner lanzó recientemente el panel Cerner Command Center , una plataforma impulsada por inteligencia artificial y análisis predictivo. El panel muestra métricas como la utilización de camas de pacientes hospitalizados, las admisiones hospitalarias y las altas en tiempo real, lo que permite a los médicos tomar decisiones de atención más informadas.
Los paneles de datos en tiempo real y del mundo real han sido clave para los esfuerzos de respuesta de COVID-19, pero herramientas como estas continuarán desempeñando un papel en la entrega de información incluso después de que la pandemia se haya desacelerado, agregó Gulker.
“A medida que los sistemas de salud se han dado cuenta de que deben esperar cierta cantidad de COVID-19 en sus entornos durante un período de tiempo, han comenzado a planificar operaciones que incluirán atención tanto con COVID como sin COVID”, afirmó.
“Una cierta parte de la capacidad de los proveedores se dedicará a la atención de COVID, según su ubicación particular y lo que esté sucediendo allí. Luego, también deberán asegurarse de que la capacidad de atención que no es de COVID esté funcionando bien y también sea segura para los pacientes. Las organizaciones van a necesitar ambos durante al menos un par de años “.
En el sector académico, los líderes también están trabajando para ayudar a las entidades de atención médica a aprovechar los datos del mundo real para mejorar los resultados de COVID-19. El Centro de Informática de la Salud (CHI) de la Universidad de Illinois se asoció recientemente con la Organización Mundial de la Salud / Organización Panamericana de la Salud (OMS / OPS) para formar la iniciativa del Centro de Expertos en Movilización de Informática de la Salud en Illinois (CHIME en Illinois).
El proyecto busca ayudar a las agencias de salud pública a tomar decisiones operativas basadas en datos durante la pandemia al relacionarlas con equipos de estudiantes y profesores de CHI.
“Uno de nuestros principales objetivos es proporcionar experiencia y recursos en ciencia de datos que los sistemas de salud no tienen internamente o, más comúnmente, no tienen suficiente internamente para poder lidiar con el aumento causado por la pandemia ”, dijo Ian Brooks, PhD, director de CHI.
“Luego, en el aspecto educativo, nuestro objetivo es brindarles a nuestros estudiantes experiencia trabajando en esos proyectos del mundo real, especialmente aquellos proyectos en los que sus habilidades pueden marcar la diferencia y ayudar con la respuesta”.
La iniciativa recopilará datos de varias fuentes del mundo real, lo que facilitará análisis avanzados y mejorará el apoyo a las decisiones.
“Nos basamos en muchas fuentes diferentes”, dijo Brooks.
“Tenemos algunos proyectos que analizan datos públicos en las redes sociales: Twitter, Facebook, Reddit, YouTube y otras fuentes. Tenemos datos de recuentos oficiales de casos. Estamos obteniendo datos de los números de movilidad de Google y las encuestas de salud mental de los CDC. También contamos con datos de la OMS / OPS sobre el estado de los sistemas de información de salud en las Américas ”.
En el Centro de Ciencias Clínicas y Traslacionales de Weill Cornell Medicine (CTSC), los investigadores también están utilizando datos del mundo real de varias fuentes para comprender mejor el COVID-19. Con una subvención de dos años y $ 1.5 millones de los NIH, el equipo estudiará el vínculo entre la variabilidad genética, la raza y el origen étnico, y la gravedad de COVID-19.
“Durante la pandemia, hemos podido recopilar datos de pacientes que podemos utilizar para la investigación clínica de una manera completamente anónima aquí en Cornell. Existe la sensación de que estos datos pueden ser realmente útiles para comprender los determinantes de la gravedad de la enfermedad ”, dijo Olivier Elemento, PhD, director del Instituto Englander de Medicina de Precisión y profesor de genómica computacional en patología y medicina de laboratorio en Weill Cornell.
Los investigadores compararán las tasas de hospitalización y muertes en los vecindarios ricos con los de bajos ingresos en la ciudad de Nueva York, así como los patrones demográficos, los resultados de laboratorio y las bioespecímenes.
“Ahora estamos tratando de utilizar datos del mundo real, como información de HCE, para comprender por qué el virus afecta a algunos pacientes con más fuerza que a otros”, explicó Elemento.
“Examinaremos los datos que se recopilan para la atención clínica de rutina, así como los datos adicionales que podemos obtener de las muestras de pacientes. Una vez que obtengamos el consentimiento para investigar esas muestras, en el futuro, podríamos usarlas para predecir quién corre el riesgo de progresar hacia la versión más grave de la enfermedad “.
CONFIANDO EN LOS DATOS QUE TIENE PARA OBTENER LAS RESPUESTAS QUE NECESITA
En el sector de la salud, nunca hay garantía de que todos los datos sean precisos, actualizados y completos; de hecho, como muchos en la industria saben, ese escenario suele ser la excepción.
“Cuando enseña técnicas y estadísticas de ciencia de datos en un salón de clases, normalmente ha diseñado el conjunto de datos para que sea algo limpio: sabe lo que significan los datos y sabe cuál será la respuesta. Pero fuera del aula, las cosas a menudo no son tan simples ”, dijo Brooks.
Durante una pandemia en continuo desarrollo, estos problemas de datos aumentan significativamente . Los líderes necesitan la información más actualizada para tomar las mejores decisiones, pero la gran cantidad de datos que se generan todos los días hace que sea más fácil decirlo que hacerlo.
“Con los proyectos COVID-19 en los que estamos trabajando, hay muchas preguntas sobre la interpretación de los datos en sí. Porque los datos son confusos. Si visita varios de los diferentes sitios que informan casos, tienen números diferentes. Es difícil decir cuál es la correcta, pero los funcionarios de salud pública deben tomar decisiones sobre esos datos ”, dijo Brooks.
“Por ejemplo, hay dudas sobre la eficacia de las medidas de distanciamiento social. Algunos de los mejores datos que tenemos para eso provienen de la movilidad de los teléfonos celulares, pero no todos tienen un teléfono celular y no todos tienen el rastreador de movilidad encendido. Es posible que tenga que encontrar formas alternativas de obtener los datos o los datos que realmente desea simplemente no existen, y debe encontrar proxies para ellos “.
Para las organizaciones de proveedores que tienen que tomar decisiones de atención rápida todos los días, la comunicación frecuente con sus desarrolladores de TI puede facilitar la confianza en los datos que tienen disponibles.
“En los últimos meses, hemos aprendido mucho sobre cómo tratar COVID-19 y cómo se comporta, pero al principio no teníamos idea. Cuando opera de esa manera, necesita al menos poder confiar en los datos para mostrarle qué recursos tiene para responder ”, dijo Gulker.
“Establecimos un grupo de clientes paralelo para que recibamos constantemente sus comentarios sobre si esta herramienta se siente direccionalmente correcta para estar al día con sus necesidades. Debido a que las necesidades de las organizaciones cambian drásticamente cada pocas semanas, queremos asegurarnos de estar al día “.
Por el lado de la investigación, obtener las respuestas correctas comienza con la observación de los patrones correctos en los datos que son accesibles.
“Estamos muy interesados en probar el equilibrio entre la biología y los determinantes sociales de la salud en COVID-19. Nadie sabe realmente cuál es el equilibrio, pero está muy claro que es probable que exista un componente social determinante de la salud ”, dijo Elemento.
“Creemos que factores como las ocupaciones de las personas, la densidad de una población y el acceso a la atención tienen un impacto en la exposición de alguien al virus en primer lugar, así como en sus resultados. Pero antes de implementar algo en el ámbito clínico, tenemos que demostrar que existe una conexión y una señal clínica entre estos factores “.
Encontrar estas conexiones requerirá que los investigadores consideren una amplia gama de puntos de datos, tanto clínicos como no clínicos, anotó Elemento.
“Tenemos que ser capaces de desarrollar modelos multivariados en los que podamos corregir una variedad de características diferentes”, dijo.
“Por ejemplo, la edad es un determinante muy fuerte de la gravedad de la enfermedad, pero esta característica podría enmascarar otras características que también están conectadas. Ahí es donde es importante tener tipos de muestras grandes y modelos multivariados. Nos permitirá extraer la importancia de cada característica individual casi una a la vez, pero en el contexto de las otras que también están disponibles “.
ANALIZAR EL PRESENTE PARA DAR UN SALTO AL FUTURO
Al considerar los datos del mundo real, a menudo se piensa en cualquier evento que esté sucediendo en ese momento. Si bien esta información proporciona una imagen holística del presente, los datos del mundo real también pueden ser útiles para predecir eventos del futuro .
“Estamos comenzando a trasladar ese paradigma de mejora del rendimiento o gestión del rendimiento al mundo de los datos en tiempo real, donde queremos mostrar a las organizaciones los pacientes que tienen indicadores principales de que pueden ocurrir ciertos eventos”, dijo Gulker.
“Cuando puedo observar una población de pacientes de manera proactiva para prevenir infecciones o prevenir caídas, entonces realmente he llegado a donde queremos estar como un sistema de salud líder. Puedo identificar a estos pacientes e intervenir antes de que ocurra el evento, en lugar de responder al evento mientras ocurre “.
Fuera de la pandemia de COVID-19, las organizaciones de proveedores pueden aprovechar los datos y análisis del mundo real para tener una mejor idea de lo que está por venir y, por lo tanto, evitar potencialmente lo peor.
“Si podemos usar la ciencia de datos y el aprendizaje automático para decir que estos son los pacientes que están en riesgo de uno de esos eventos, entonces podemos asegurarnos de que estamos mitigando ese riesgo lo mejor que podamos antes de que se convierta en un evento. Nuestro objetivo es desarrollar un método predictivo y en tiempo real para gestionar los viajes de los pacientes que no ha estado disponible antes de la misma manera sólida ”, dijo Gulker.
El equipo de Weill Cornell está trabajando para lograr un objetivo similar. Los investigadores desarrollarán modelos predictivos para ayudar a dar forma a la detección y el tratamiento de COVID-19, con el objetivo final de llevar la medicina de precisión a los pacientes con el virus.
“Tenemos algunos modelos predictivos iniciales que parecen ser bastante buenos para predecir quién corre el riesgo de ser hospitalizado después de infectarse, o incluso quién corre el riesgo de morir potencialmente. Tenemos algunos modelos predictivos con AUC en algún lugar entre 0,8 y 0,9. Cuando se alcanza ese tipo de predictividad, estos son modelos que pueden ser útiles a nivel clínico ”, dijo Elemento.
“La idea es implementarlos en el entorno clínico en el futuro y poder priorizar a los pacientes en función de las puntuaciones que surjan de estos modelos. Si se predice que a un paciente no le irá tan bien en el hospital, podemos priorizar ciertos aspectos de la atención del paciente, tal vez darle dosis más altas de medicamentos particulares o monitorearlo más de cerca. Estas son las cosas que queremos hacer en el futuro “.
Con herramientas como estas, la industria de la salud comenzará a acercarse a la prestación de atención proactiva y sin problemas, afirmó Gulker.
“Se trata de entregar datos predictivos en tiempo real a un sistema de salud en el punto de servicio, brindar a los proveedores todo lo que necesitan para tomar una decisión realmente excelente en el momento y luego permitirles actuar”, dijo.
“Si eso sucediera más en la atención médica, el sistema operativo que rodea la atención clínica no obstaculizaría la capacidad de un médico para avanzar en el viaje de atención médica del paciente. La logística no debería ser una barrera para lo que los médicos y los pacientes realizan todos los días, sea cual sea la situación de salud. Con datos en tiempo real, podemos eliminar la fricción en esa toma de decisiones “.
UNA NUEVA BASE DE DATOS DEL MUNDO REAL
COVID-19 ha servido como catalizador de muchas innovaciones recientes en el cuidado de la salud, y el aumento en el uso de datos del mundo real no es una excepción.
Para muchos líderes, la pandemia los empujó a ejecutar planes que tenían en marcha, lo que desencadenó una nueva era de investigación y descubrimiento.
“La iniciativa CHIME in es algo en lo que hemos estado trabajando con la OMS durante un par de años. El COVID-19 nos precipitó a reunir la iniciativa y lanzarla muy rápidamente, pero tenemos la intención de mantenerla después de que la pandemia haya disminuido ”, dijo Brooks.
“Estamos trabajando con organizaciones de salud en proyectos a más largo plazo, ya sea preparándonos para poder responder a futuros brotes de COVID-19 o analizando otros problemas de salud, incluidas enfermedades no transmisibles u otras enfermedades infecciosas”.
Elemento tiene una visión similar para la aplicación de datos en palabras reales.
“El lado positivo de todo esto es que nos ha obligado a acelerar realmente algunas de las cosas que planeábamos hacer antes, pero teníamos una línea de tiempo que no era tan agresiva”, dijo.
COVID-19 ha sacado a la luz la importancia de la recopilación de datos del mundo real, una lección que se llevará a la vida después de la pandemia.
“Descubrimos que cuando cuidábamos a pacientes con COVID-19, era difícil realizar investigaciones y atención clínica al mismo tiempo. Es importante poder recopilar la mayor cantidad de datos clínicos posible, porque entonces podemos construir modelos predictivos y usarlos rápidamente, en lugar de esperar hasta que finalicemos estas herramientas porque no tenemos suficientes datos ”, dijo Elemento.
“La gente está empezando a darse cuenta de que hay mucha importancia y poder en los datos del mundo real y que debemos mejorar en la recopilación de esta información, posiblemente con poca antelación”.
