As TIC e a Saúde no Portugal de 2012

Transcrição

1 As TIC e a Saúde no Portugal de de dezembro de 2012 Centro Hospitalar Psiquiátrico de Lisboa Patrocinador Ouro Patrocinador Prata Patrocinador Bronze Apoios Patrocinadores Globais

2 Hospital Digital Descobrir a causa das readmissões no Seton Cristina Semião Directora Sector Público, IBM Portugal 11 de Dezembro de 2012

3 É necessária uma transformação em áreas chave São necessários melhores resultados clínicos Um em cada cinco pacientes está sujeito a readmissões evitáveis com um peso elevado no orçamento dos hospitais 1.5 milhões de pacientes nos EUA são vítimas anuais de erros hospitalares ou de medicação, seja prescrição ou toma Slide 2 São necessários melhores resultados operacionais Em 2012, estima-se que a maioria dos Hospitais irão registar uma taxa elevada de readmissões $475 mil milhões: Estimativa anual dos gastos de Saúde nos EUA com despesa administrativa, fraude, abuso e gastos clínicos

4 Há que saber explorar a explosão da informação 15 petabytes Dados gerados diariamente. contudo algumas organizações de saúde ainda operam com pontos cegos Volume da informação Falta de visibilidade 1 em cada 3 gestores toma decisões críticas sem acesso à informação necessária Slide 3 Dados de saúde crescem 35% ao ano* * Recent study by Enterprise Strategy Group Variedade da informação Dificuldade de acesso 1 em cada 2 não têm acesso à informação transversal à sua organização nomeadamente informação não estruturada Rapidez de decisão Dificuldade de previsão 3 em cada 4 executivos afirmam que uma maior capacidade de previsão conduziria a melhores decisões

5 Já existem vários exemplos de analítica em saúde Usam analítica preditiva para baixar os riscos de saúde através de planos de bem-estar mais efectivos Uma colaboração para criar o primeiro sistema clínico inteligente de investigação e inovação nos cuidados do paciente Integra big data e analítica de conteúdos para direccionar os investimentos tecnológicos de forma mais célere e fácil Usam analitica de fraude e abuso para detectar situações suspeitas e possíveis incidências nas apólices de saúde Slide 4

6 ... mas os maiores pontos cegos persistem Como é que mede e reduz a incidência de readmissões? Como é que acede a meios de assistência ao diagnóstico? Que pacientes estão a seguir as instruções da nota de alta? Como é que está a prevenir e detectar possíveis casos de fraude? Como usa os dados para identificar candidatos para programas de intervenção? As revelações escondidas na informação não estruturada ajudá-lo-íam na tomada destas e outras decisões? Slide 5 A inclusão dos dados não estruturados ajuda a acelerar a transformação Notas médicas e notas de alta História clínica, sintomas e ausências Relatórios da patologia Tweets, SMS s e portais na internet Inquéritos de satisfação Dados processuais de de seguros Comentários à margem dos relatórios s e correspondência Journals e revistas de especialidade Registos com base em papel e documentos Mais de 80% da informação médica arquivada não é estruturada* * AIIM website, accepted industry percentage

7 IBM Content and Predictive Analytics for Healthcare Extrair factos médicos cruzando informação a partir de múltiplas fontes - clínicas e operacionais Analizar e Visualizar cenários passados, presentes e futuros para criar um corpo de informação baseado na evidência Content Analytics para análise de tendências, padrões, desvios, anomalias e outro tipo de informação não estruturada e detectar discrepâncias nos dados estruturados Predictive Analytics para análise de probabilidades e marcadores Healthcare Solution Accelerator disponibiliza um conjunto de anotadores pre-built construídos a partir da experiência e conhecimento de intervenções prévias Está planeada a integração com o IBM Watson for Healthcare para reforçar a capacidade de resposta a perguntas* Analyze Visualize Permite a pessoal clínico, administrativos e executivos Interagir com a informação e derivar conhecimento de várias maneiras Integrar e alavancar outros sistemas para transformar o conhecimento em acção * Capacidade futura opcional Slide 6

8 Seton Healthcare Family Slide 7

9 Descobrir a causa das readmissões no Seton O caso O Desafio O Seton Healthcare procurava reduzir a ocorrência das readmissões de Insuficiência Cardíaca Congestiva (ICC), muito dispendiosas, identificando proactivamente os pacientes com elevada probabilidade de ser readmitidos através de episódios de urgência A Solução Com o IBM Content and Predictive Analytics for Healthcare pretende-se identificar os alvos de maior risco de ICC para os orientar a programas de assistência através de: O Objectivo O Seton poderá implementar programas de prevenção e gestão da doença para reduzir as readmissões de pacientes de ICC. O Seton poderá introduzir programas de intervenção precoce para reduzir custos e taxa de mortalidade, bem como melhorar a qualidade de vida dos pacientes. Processamento de linguagem natural para extrair os elementos chave da informação não estruturada, como seja Notas de alta, Relatórios de ecocardiogramas, Notas de consulta, etc. Trabalho de modelos preditivos com demonstração de valor elevado de prognóstico positivo contra os dados estruturados e não estruturados Disponibilização de uma interface fácil que permita aos prestadores navegar pela informação, interpretá-la e decidir a acção apropriada Slide 9

10 Descobrir a causa das readmissões no Seton Principais descobertas Os dados que pensávamos serem úteis não eram 113 indicadores de prognóstico de fontes de dados estruturados e não estruturados Os dados estruturados eram menos fiáveis que os não estruturados Emergiram novos indicadores inesperados Modelo Altamente Preditivo Surgiram 18 indicadores precisos Análise de Prognóstico % Proveniência Dados Estruturados % Proveniência Não-Estruturados 49% at 20 th percentile 97% at 80 th percentile Fracção de Ejecção (FE) 2% 74% Indicador de Fumador 35% (65% Precisão) 81% (95% Precisão) Estilo de Vida <1% 73% (100% Precisão) Abuso de Alcool e Drogas 16% 81% Apoio Domiciliário 0% 13% Slide 10

11 Ranking of Strength of Model Variable Vamos Construir Um Planeta Mais Inteligente: Saúde Descobrir a causa das readmissões no Seton Os 18 principais indicadores Novas descobertas combinando a analítica de conteúdo e preditiva FE e fumar são indicadores significativos de ICC, mas não de readmissões P. ex., Apoio Domiciliário e Abuso de Alcool e Drogas emergiram nos principais prognósticos de readmissões (apenas encontrados nos dados não estruturados) e nunca antes tidos em conta Muitos indicadores foram encontrados em notas de consulta ou observações Projected Odds Ra o Slide Jugular Venous Distention Indicator 17. Paid by Medicaid Indicator 16. Immunity Disorder Disease Indicator 15. Cardiac Rehab Admit Diagnosis with CHF Indicator 14. Lack of Emotion Support Indicator 13. Self COPD Moderate Limit Health History Indicator 12. With Genitourinary System and Endocrine Disorders 11. Heart Failure History 10. High BNP Indicator 9. Low Hemoglobin Indicator 8. Low Sodium Level Indicator 7. Assisted Living 6. High Cholesterol History 5. Presence of Blood Diseases in Diagnosis History 4. High Blood Pressure Health History 3. Self Alcohol / Drug Use Indicator 2. Heart Attack History 1. Heart Disease History

12 Impacto das readmissões no Seton ICC Paciente X O que aconteceu? Admissão Readmissão <30 dias Paciente X foi hospitalizado 6 vezes num período de 8 meses. A mesma informação básica era disponibilizada em cada episódio e o prognóstico de readmissão do Paciente X nunca baixou dos 95 (numa escala de 100) 98% 98% 96% 95% 96% 100% 24 dias 8 dias 144 dias 44 dias 26 dias Abr Mai Mai Out Nov Dez Dados Individuais do Paciente em cada triagem (Paciente Nov.24, 2009) Patient X (DSS & Cerner) High Model Score (96) Gender: Male Age: 73 Insurance: Medicaid Lack of Emotional Support: Sodium Level: Low Cholesterol Level: High COPD History: Yes Heart Disease & Heart Failure History: Yes HBP History: Yes NLP Clinical Documentation Living Arrangement: Permanent Assisted Living: N/A Smoking History: Yes Smoking Amount: N/A Alcohol Abuse History: Yes Drug Abuse History: N/A Ejection Fraction: N/A Monitor de Dados Clínicos e Operacionais de Pacientes Slide 12

13 Impacto das readmissões no Seton ICC Paciente X O que aconteceu? Paciente X foi readmitido pela 5ª vez após 26 dias com factores de risco adicionais. Detectou-se o facto de que havia uma falta de suporte emocional e que o Paciente X tinha voltado a fumar e a beber. Admissão Readmissão <30 dias 98% 98% 96% 95% 96% 100% 24 dias 8 dias 144 dias 44 dias 26 dias Abr Mai Mai Out Nov Dez Dados Individuais do Paciente em cada triagem (Paciente Dez.20, 2009) Patient X (DSS & Cerner) High Model Score (100) Gender: Male Age: 73 Insurance: Medicaid Lack of Emotional Support: Yes Sodium Level: Low Cholesterol Level: High COPD History: Yes Heart Disease & Heart Failure History: Yes HBP History: Yes NLP Clinical Documentation Living Arrangement: Permanent Assisted Living: No Smoking History: Yes Smoking Amount: Daily Alcohol Abuse History: Yes Drug Abuse History: N/A Ejection Fraction: N/A Monitor de Dados Clínicos e Operacionais de Pacientes Slide 13

14 Impacto das readmissões no Seton ICC Paciente X O que aconteceu? 17% do custo total da prestação de cuidados no 1º episódio 83% do custo total da prestação de cuidados seria evitável (5 readmissões desnecessárias) Admissão 24 dias 8 dias 144 dias 44 dias 26 dias Readmissão <30 dias Abr Mai Mai Out Nov Dez Análise dos Factores de Risco do Paciente X Possíveis Programas de Intervenção para: Colestrol elevado, Baixo nível de Sódio, DPOC, Falta de Suporte Emocional, Hipertensão Em resumo: Uma quantidade dos 18 principais indicadores não estavam originalmente disponíveis nos dados de triagem, que após a sua identificação permitiram programas de intervenção mais dirigidos, evitando novas readmissões. Slide 14

15 Impacto das readmissões no Seton Similarity Analytics Com base neste perfil, podem Encontrar pacientes com similariedade (ou coorte dinâmica) dum universo de população Analizar atributos e resultados para este coorte Prever a probabilidade dos resultados para o paciente em causa Sugerir um plano personalizado de cuidados para atender a estas necessidades Janela de observação histórica Janela preditiva Slide 15 Dados longitudionais do paciente Dados preditivos do paciente Dados de coorte dinâmica longitudional e respectivos resultados Resultado pretendido

16 Como começar Crie uma Agenda de Informação Organize a Sua Informação E junte-lhe a capacidade Analítica para se alinhar com a sua estratégia para assegurar a sua precisão, relevância e governo para antecipar e moldar o futuro Slide 16

17 Obrigada Cristina Semião Slide 17