业界 | 如何与医生更有效地进行数据沟通?

2018 年 11 月 25 日 大数据文摘

大数据文摘出出品

编译:韦梦夙、睡不着的iris、夏雅薇


近期,有团队在开展了一项深入研究,旨在观察医生们对临床诊断差异的认知以及哪些因素会影响医生们对药物和诊治手段的选择。


经过对276名医生进行调查后,研究结果显示,不管医生们是否受雇于同一家医院,他们都应该时常共享彼此的成本数据和临床数据。


因为这样做,在固有的医疗体系内,在以医疗价值为导向的模型指导下医生能够提供满足成本目标的有效治疗方案。综上所述,他们为众多医疗系统提出三点建议。


评估医生间的数据共享情况。



事实上,在绝大多数医疗系统,数据交换的时间间隔没有规律,并且缺少一致的数据交换格式。91%的调查回答者认为医生如果有权限访问医疗成本数据,这会对医疗质量产生积极的影响。但是,只有40%的人说他们的医疗系统正在为医生访问这类数据提供更多权限。


在研究如何降低医疗系统内临床诊断差异性时,Lumere发现医生之间分享成本和实证数据的方式和共享的数据类型存在较大差异。尽管一些组织正在开发可靠的数据共享机制,并取得了长足进步,但绝大多数只不过是循环收集来自医疗保险以及医疗补助服务中心病人满意度调查(医疗提供者及医疗系统的医院患者评估,或简称HCAHPS)的基础性数据。


为什么医疗系统的管理者在促进医生之间共享数据方面工作缓慢?这由很多原因导致。最常见的两个挑战:一是难以收集到准确的具有临床意义的数据,二是管理者缺乏对数据共享的共识。


关于收集准确且具有临床意义的数据,许多医疗机构根本不知道从何下手。面对各自独立的数据收集系统、不同的医生需求以及现有的大批量临床证据,很难找到一个可靠且高效的数据收集方法。


许多管理者并没有在有效交交流数据方面受过培训。医疗机构的领导人更喜欢谈论成本,但是医生们通常聚焦于临床诊断结果。如此,医生们总是频繁地提出疑问,但管理者觉得他们在推脱找借口,可见理解医生的需求是很重要的。


确定共享的数据量和数据共享形式。



使用数据能促成有意义的辩论,提供实在的证据,最终形成团队共识。


医生们渴望提高医治效果因而需要医疗全景图。这包括在不影响治疗效果的情况下,访问公开证据以选取高性价比药物和可替代的医疗设备。医疗系统管理者需要给临床医生提供更广泛的数据(不仅仅是成本数据)。保证医生们在确定分享什么样的数据时有很强的话语权,这能够让医生和管理者之间形成信任和默契。一个更独到的基于价值的方法是结合成本数据,并考虑病人相关的临床数据(例如,住院时长和术后恢复情况),这样或许最有效。


医生们通常会反映需要更多的成本数据,但不是所有的医生都经过训练并且有经验把成本数据恰当地融入他们的决策。那些能够访问成本数据、突出诊断差异性数据和实践指南的受调查医生,通常会发现成本数据更能影响药物和器械的选择,无论他们是否在基于价值的医疗模型里起到节省成本的作用。对于经验丰富的医生和那些有私人执医经验的管理成本信息的人员,更是如此。


医疗系统在帮助医生使用成本和质量数据做高效的决策起到了关键作用。推荐医疗系统建立一个包含质量改进团队和技术/信息化人员的集中式数据/分析部门,以简化数据分析、数据传播的流程。


基于当代循证指南分析数据。



医生们喜欢依赖可靠的数据,决定选择何种药物和设备。在我们的调查中,54%的回答者认为医院应该使用经同行评审的文献和临床证据来支持医疗器械选择。更近一步说,56%的回答者表示他们认为医生使用数据去开发临床方案、指导手册和最佳实践是否有必要。


医疗系统需要保证数据以具有临床价值以及用户用好的方式呈现。一开口就要医生压缩成本,是很难得到他们的配合的,要让医生愿意配合控制成本的方法之一是让医生更多地在临床背景下参与分析成本。


最后,医疗系统需要开发、交换和提倡几个关键指标(KPIs)来简化数据存储和数据交换。这些指标需要反映出医疗服务消费者的心声,包括病人、医疗提供者和付款人。在某些情况下,这些指标会重复,例如,住院时长、感染率、再次入院、推荐医疗服务提供者的意愿等等。同时,这些指标会促进医生与医院想要实现的目标达成一致。


的调查勾画出了未来医疗体系应有的景象:医疗系统对受雇人员以及附属的医生是公开透明的,这将形成一种重视数据和分析的文化。只有这样,才能改善临床效果、提升运营效率、优化财务成本。


相关报道:

https://hbr.org/2018/10/better-ways-to-communicate-hospital-data-to-physicians


【今日机器学习概念】

Have a Great Definition

志愿者介绍

后台回复志愿者”加入我们

登录查看更多
0

相关内容

Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。
专知会员服务
125+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
197+阅读 · 2020年3月8日
如何构建行业知识图谱(以医疗行业为例)
【机器学习】如何通过机器学习预测维护设备?
产业智能官
16+阅读 · 2018年7月9日
如何完成一篇有效的英文写作
中科院物理所
7+阅读 · 2018年4月13日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
苦尽甘来:AI为更有效地治疗抑郁症带来希望
英伟达NVIDIA中国
10+阅读 · 2018年3月1日
论文解析 | Google如何用CNN检查乳腺癌?
AI100
4+阅读 · 2017年12月21日
【智能医疗】如何利用深度学习诊断心脏病?
产业智能官
8+阅读 · 2017年10月3日
已删除
将门创投
6+阅读 · 2017年7月6日
Arxiv
102+阅读 · 2020年3月4日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关资讯
如何构建行业知识图谱(以医疗行业为例)
【机器学习】如何通过机器学习预测维护设备?
产业智能官
16+阅读 · 2018年7月9日
如何完成一篇有效的英文写作
中科院物理所
7+阅读 · 2018年4月13日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
苦尽甘来:AI为更有效地治疗抑郁症带来希望
英伟达NVIDIA中国
10+阅读 · 2018年3月1日
论文解析 | Google如何用CNN检查乳腺癌?
AI100
4+阅读 · 2017年12月21日
【智能医疗】如何利用深度学习诊断心脏病?
产业智能官
8+阅读 · 2017年10月3日
已删除
将门创投
6+阅读 · 2017年7月6日
Top
微信扫码咨询专知VIP会员