Skip to main content

Η πρόκληση των big data στην υγεία

Του Τάσου Τάγαρη

Οταν μιλάμε για μεγάλα δεδομένα (big data) ηλεκτρονικής υγείας αναφερόμαστε σε μεγάλα σύνολα δεδομένων, τα οποία συλλέγονται αυτόματα και αποθηκεύονται ηλεκτρονικά. Είναι δεδομένα που μπορούν να επαναχρησιμοποιούνται για διαφορετικούς σκοπούς υπό διαφορετικό πρίσμα κάθε φορά, ενώ προέρχονται από τη σύνθεση και τη σύνδεση υφιστάμενων βάσεων δεδομένων με σκοπό τη βελτίωση της υγείας του πληθυσμού αλλά και της απόδοσης του συστήματος υγείας. (Δεν αναφερόμαστε σε δεδομένα που συλλέχθηκαν για συγκεκριμένη μελέτη).

Τα δεδομένα προέρχονται από διάφορες πηγές. Τέτοιες πηγές είναι:

  • Συστήματα Ιατρικού Φακέλου
  • Συστήματα Νοσοκομείων και κλινικών πληροφοριών
  • Δεδομένα ασφαλιστικών οργανισμών
  • Δημογραφικές και επιδημιολογικές εγγραφές
  • Δεδομένα ιατρικών συσκευών και φαρμάκων
  • Δεδομένα βιοϊατρικών μετρήσεων
  • Βάσεις γενετικών δεδομένων
  • Χρηματοοικονομικές συναλλαγές
  • Αναζητήσεις διαδικτύου
  • Μέσα κοινωνικής δικτύωσης
  • Αδόμητα δεδομένα σημειώσεων και αλληλογραφίας

Ειδικότερα για τα δεδομένα τα οποία συλλέγονται από τα πληροφοριακά συστήματα ηλεκτρονικής υγείας, και επειδή αφορούν μεγάλους πληθυσμούς αναφέρονται ως μεγάλα δεδομένα, τα βασικότερα είναι:

Σύστημα Ηλεκτρονικής Συνταγογράφησης

  • Συνταγογράφηση φαρμάκων
  • Συνταγογράφηση διαγνωστικών πρωτοκόλλων
  • Θεραπευτικά πρωτόκολλα ασθενών

Σύστημα Πρωτοβάθμιας Φροντίδας Υγείας

  • Ηλεκτρονικός Φάκελος Υγείας Ασθενούς
  • Διαλειτουργικότητα με πληροφοριακά συτήματα Νοσοκομείων
  • Εθνικό Διαδικτυακό Σύστημα Κλεισίματος Ιατρικών Ραντεβού

Πληροφοριακά Συστήματα Νοσοκομείων
Συνέργειες με BI υπουργείου Υγείας

Επίσης πέρα από το χώρο της υγείας μπορεί να υπάρχει συσχετισμός δεδομένων και με άλλους χώρους για τους οποίους υπάρχουν πληροφορίες. Στην ΗΔΙΚΑ υπάρχουν λοιπόν δεδομένα που αφορούν σε:

  • Κοινωνικό Εισόδημα Αλληλεγγύης
  • Προνοιακά Επιδόματα
  • Επίδομα τέκνου
  • Στεγαστικό Επίδομα
  • Αναπηρικά Επιδόματα
  • Ανασφάλιστους υπερήλικες

Επίσης πληροφορίες για το Κοινωνικό Μέρισμα την Ασφαλιστική Ικανότητα και το Ασφαλιστικό Προφίλ.
Η σημασία των δεδομένων της Ηλεκτρονικής συνταγογράφησης έγκειται στο γεγονός ότι στο σύστημα αυτό υπάρχουν στοιχεία από: 

  • 50.000 πιστοποιημένους γιατρούς
  • 12.800 πιστοποιημένα φαρμακεία 
  • Διενεργούνται πάνω από 6.000.000 συνταγές το μήνα
  • Εκδίδονται περί τα 2.000.000 παραπεμπτικά το μήνα
  • Εξυπηρετούνται περίπου 3.000.000ασφαλισμένοι/μήνα

Επίσης από την έναρξη του συστήματος έχουν εξυπηρετηθεί συνολικά 11.000.000 διαφορετικοί ασθενείς και έχουν συνταγογραφηθεί περί τα 550.000.000 συνταγές φαρμάκων και 160.000.000 παραπεμπτικά διαγνωστικών εξετάσεων.

Σε σχέση με τον Ηλεκτρονικό Φάκελο Υγείας ασθενών, τρεις είναι οι ομάδες δεδομένων. Συγκεκριμένα ο φάκελος ενημερώνεται με δεδομένα τα οποία:

  • Καταχωρούνται από τον γιατρό (στοιχεία επίσκεψης, ατομικό – κληρονομικό ιστορικό κ.λπ.)
  • προέρχονται από την Ηλεκτρονική Συνταγογράφηση (συνταγογραφούμενα φάρμακα, παραπεμπτικά, επισκέψεις, ICD10, ICPC2. Στόχος είναι να συλλέγονται και τα αποτελέσματα των εξετάσεων)
  • προέρχονται από τα Εξιτήρια των Νοσοκομείων (συνταγογραφούμενα φάρμακα, ιατρικές πράξεις, ICD10, επεμβάσεις, ιατροτεχνολογικά υλικά, συσταθείσα θεραπεία) 

Επίσης πιο διεξοδικά, τα Βασικά Δεδομένα καταχώρησης στον Ηλεκτρονικό Φάκελο Υγείας είναι: 

Προσωπικά στοιχεία – Στοιχεία επίσκεψης (αυτόματα από το σύστημα) 

  • στοιχεία ασθενούς (από τον AMKA)
  • ΑΜΚΑ ιατρού που συμπληρώνει τα στοιχεία της επίσκεψης (από το σύστημα)
  • η ημερομηνία 1ης επίσκεψης, καθώς και οι ημερομηνίες των επόμενων επισκέψεων (από το σύστημα)

Οικογενειακό/Κληρονομικό ιστορικό (Συμπληρώνεται στην πρώτη επίσκεψη και περιοδικά ανανεώνεται)

  • Παθήσεις συγγενών Α’ Βαθμού (ICD-10)
  • Αιτίες θανάτου – Ηλικία θανάτου

Ατομικό ιστορικό (Συμπληρώνεται στην πρώτη επίσκεψη και περιοδικά ανανεώνεται)

  • Κοινωνικές συνήθειες (κάπνισμα, αλκοόλ)
  • Νοσήματα και μείζονες παράγοντες κινδύνου
  • Γυναικολογικό ιστορικό
  • Ιστορικό εγκυμοσύνης

Άλλα στοιχεία επίσκεψης

  • Εμβόλια
  • Αλλεργίες [φάρμακα+ΜΗΣΥΦΑ (εμπορική ονομασία), τροφές, περιβάλλον και τι είδος αλλεργία προκάλεσε]
  • Εισαγωγές σε νοσοκομεία και χειρουργικές επεμβάσεις (από εξιτήριο)
  • Προηγούμενη φαρμακευτική αγωγή (στοιχεία από ΗΣ/εξιτήριο)
  • Αποτελέσματα εργαστηριακών εξετάσεων (στοιχεία από ΗΣ/εξιτήριο)

Σημαντικά στοιχεία επίσκεψης (Συμπληρώνονται ανά επίσκεψη)

Αιτία προσέλευσης/επίσκεψης (κατά ICPC-2)

  • Ζωτικά σημεία
  • Παρούσα κατάσταση
  • Κλινική εξέταση κατά συστήματα
  • Αποτελέσματα Εργαστηριακών εξετάσεων (στοιχεία από ΗΣ/εξιτήριο)
  • Διάγνωση (κατά ICD-10)
  • Θεραπευτικές/Φαρμακευτικές οδηγίες και συστάσεις
  • Ηλεκτρονική Συνταγογράφηση

Η ανάλυση των δεδομένων αυτών θα πρέπει να ακολουθεί συγκεκριμένες κωδικοποιήσεις. 

Αξιοποίηση πληροφορίας 

Τα παραπάνω δεδομένα αξιοποιούνται μέσω των συστημάτων επιχειρηματικής ευφυΐας (Business Intelligence Systems) που αποτελούν συλλογικούς όρους, αναφερόμενους σε στρατηγικές, μεθόδους και εργαλεία που χρησιμοποιεί ένας οργανισμός για να δώσει προστιθέμενη αξία αναλύοντας τα πρωτογενή του δεδομένα. 

Το ΒΙ είναι το κλειδί προκειμένου ένας οργανισμός να προχωρήσει σε λήψη καλύτερων αποφάσεων στηριζόμενος σε αξιόπιστα και έγκυρα δεδομένα και όχι μόνο στο ένστικτο. 

Επίσης είναι μία δυναμική διαδικασία που ξεκινά και εμπλουτίζεται συνεχώς με νέα δεδομένα και παράγει αναφορές και δείκτες.

Διαχείριση των μεγάλων δεδομένων

Όμως πόσο ασφαλή και έγκυρα είναι τα μεγάλα δεδομένα; Μήπως υπάρχει και περιττή πληροφορία («σκουπίδια»); Σίγουρα υπάρχει και αυτή η άχρηστη πληροφόρηση και αυτό που θα πρέπει να εντοπίσουμε είναι που είναι το ποσοστό και αν είναι ελεγχόμενο. 

Για να το ξεπεράσουμε λοιπόν αυτό, απαιτείται οργανωμένο σύστημα διαχείρισης και ελέγχου στη συλλογή πληροφοριών καθώς και επεξεργασία και ταξινόμηση της πληροφορίας με σκοπό τη διάχυση και χρήση τελικά της έγκυρης πληροφορίας στον τομέα της υγείας και της ιατρικής περίθαλψης.

Επίσης είναι όλα τα δεδομένα ηλεκτρονικής υγείας αξιόπιστα;

Έχει διαπιστωθεί ότι σε ορισμένα δεδομένα της Ηλεκτρονικής συνταγογράφησης παρατηρούνται λάθη που αφορούν κυρίως:

  • τις ICD10 Διαγνώσεις του ασθενούς
  • παραπεμπτικά που εμφανίζουν ως διάγνωση το προς διερεύνηση πρόβλημα
  • αποτελέσματα εξετάσεων που σχετίζονται με θεραπευτικά πρωτόκολλα

Παρ’ όλα αυτά η ποιότητά τους βελτιώνεται με:

  • την εφαρμογή των θεραπευτικών πρωτοκόλλων συνταγογράφησης
  • την εφαρμογή διαγνωστικών πρωτοκόλλων
  • την επικείμενη ενημέρωση του συστήματος με αποτελέσματα εξετάσεων μέσω διασύνδεσης με διαγνωστικά ιατρεία

Απαιτείται σωστή διαχείριση και έλεγχοι κατά την επεξεργασία τους, ώστε να μην προκύπτουν λάθος συμπεράσματα.

Οφέλη από την αξιοποίηση των μεγάλων δεδομένων για το Σύστημα Υγείας:

Βέλτιστη διαχείριση των διαθέσιμων πόρων για την αποτελεσματικότερη και αποδοτικότερη παροχή φροντίδας. 

  • εξασφάλιση αξιόπιστων στατιστικών στοιχείων για τη λειτουργία του συστήματος φαρμακευτικής και ιατρικής περίθαλψης
  • αναγνώριση και προτεραιοποίηση των υγειονομικών αναγκών του πληθυσμού και των επιλογών σε υγειονομικούς στόχους
  • σύνδεση της αποζημίωσης με την επίτευξη του υγειονομικού αποτελέσματος
  • υπολογισμός της επίπτωσης της νοσηρότητας στο κόστος του υγειονομικού συστήματος
  • συγκράτηση των δαπανών με αποδοτική χρήση των περιορισμένων ανθρώπινων και φυσικών πόρων
  • σύγκριση διαφορετικών πολιτικών ελέγχου του κόστους
  • προσέλκυση επενδυτικών δραστηριοτήτων για την ανάπτυξη κλινικών και άλλων ερευνών από τον διεθνή χώρο
  • σημαντικό εργαλείο για την Αποτίμηση Τεχνολογίας Υγείας (Health Technology Assessment)

Για τον επαγγελματία υγείας – Εργαλείο για ποιοτικότερη παροχή υπηρεσιών υγείας

  • διαχρονική ηλεκτρονική καταγραφή πληροφοριών για την υγεία του ασθενή
  • τεκμηριωμένη υποβοήθηση στη λήψη αποφάσεων (evidence-based medicine)
  • χρήση των συγκεντρωτικών στοιχείων των ασθενών, σε ανωνυμοποιημένη μορφή, για την κλινική έρευνα και επιδημιολογικές μελέτες.
  • βελτίωση μεθοδολογιών κλινικής έρευνας και αποτελεσματικότητας των θεραπειών
  • εξατομικευμένη ιατρική

Για την επιστήμη

  • Εξαγωγή συμπερασμάτων μέσα από τη στατιστική ανάλυση των δεδομένων υγείας και συμβολή στην ιατρική έρευνα
  • Χρήση ανωνυμοποιημένων δεδομένων για επιδημιολογικές μελέτες
  • Συμβολή στην κλινική έρευνα, βελτίωση των μεθοδολογιών που ακολουθούνται και επιτάχυνση της διαδικασίας ανάπτυξης νέων φαρμάκων με αντίστοιχη μείωση του κόστους

Για τον ασθενή – Ο μεγάλος κερδισμένος

  • βελτίωση του θεραπευτικού αποτελέσματος
  • έγκυρη πληροφόρηση/διαφάνεια/ισότητα στην πρόσβαση 
  • Αποτελεσματικότερη παροχή φροντίδας υγείας
  • Υλοποίηση νέων υπηρεσιών προστιθέμενης αξίας για τον ασθενή, όπως:
  • Υπενθυμίσεις για προγραμματισμένες επισκέψεις, για τακτικές εξετάσεις ή για προληπτικές εξετάσεις
  • Έγκυρη πληροφόρηση και πρόσβαση στα δεδομένα του.