通过八个步骤实现数据知情的医疗保健

“数据驱动”和“数据知情”是当前医疗保健领域的流行语，但这些术语对医疗系统实际意味着什么?获得数据信息的过程是复杂的;它需要一个卫生系统以原始形式获取数据，并将其转化为能够导致行动的情报。将数据转化为智能在医疗保健领域是无价的，因为这是一种可靠和可重复的方法，可以识别机会领域(临床、财务等)并改善结果。

一个健壮的分析平台对于提供者提供基于数世界杯厄瓜多尔vs塞内加尔波胆预测据的医疗保健至关重要，这将导致更好的结果。然而，如果医疗保健领导者和组织没有正确理解如何将数据转化为智能，世界杯厄瓜多尔vs塞内加尔波胆预测过程改进这些措施将无法充分发挥其潜力，改善结果的效果可能无法实现。

Analytics提升模型:驱动数据导向的医疗保健

将数据转化为智能过程的一个例子是分析提升模型(图1)——一个指导卫生系统通过原始过程的8步层次结构数据并将其转化为有意义的行动或智慧。该过程使数据分析师能够开发肌肉记忆，在日常项目中驱动基于数据的医疗保健决策时，或在作为更大框架的一部分工作时，如8步改进科学模型或医疗保健分析采用模型．

例如，一个改进团队可能会在第一个阶段受阻，试图就其成员的精确定义达成一致，但提升模型通过提醒团队成员当前步骤的目的并允许他们看到下一步来帮助团队成员前进。该模型为跟踪从数据到情报的进展提供了一个概念性框架，并可作为所有团队成员的通用语言。

第一步:人口定义

在第1步中，改进团队需要确定和定义他们试图影响的患者群体。通常，卫生系统将根据类似的诊断(如糖尿病患者、心力衰竭)或程序(如髋关节手术、下单、用药)来发展人群。不管目标人群是什么，团队必须定义他们想要影响或改变的人或物。

在项目开始时就群体定义达成一致意见可以增加项目的购买量，并更容易从头脑风暴和解决问题的会议中获得见解，因为每个团队成员都专注于相同的群体定义。团队还将避免在后续步骤中浪费时间，因为他们不必在每次审查新度量或结果时都重新访问总体定义。随着工作的进展，对目标人群有一个共同和彻底的了解将会带来好处。

第二步:测量

在第2步，测量中，当团队致力于发现和定义人群感兴趣的数据元素(例如，特定事件或实验室结果的频率)时，他们必须了解目前可以了解人群的哪些信息。了解在各种源系统中可用的数据元素将允许团队量化他们可能存在的任何测量差距。如果团队不能测量或对所需的数据元素进行可靠的观察，则改进工作可能没有意义。

如果项目开始时没有明确理解开发感兴趣的度量所需的特定数据元素(常见场景)，项目团队可以创建数据探索过程的完整文档。这可以帮助团队了解他们可以跟踪关于第1步中定义的患者群体的哪些知识。

在定义的总体中为缺失的数据做准备也是很重要的。由于医院工作流程、法规要求等不同，患者群体可能没有某些可用的数据元素。例如,医疗保健提供者和系统的医院消费者评估(HCAHPS)是依靠志愿者参与的患者调查。如果定义的人群只有一半回复了HCAHPS调查，研究团队可能缺乏足够的HCAHPS数据来了解他们的全部人群。

改进团队应该讨论像HCAHPS这样的例子，因为这些分数很容易被忽略，并且在团队通过提升模型的过程中影响数据的准确性。在某些情况下，关于测量和可用数据的讨论可能会促使患者群体(第一步)或所选测量方法的调整。

第三步:数据

在第3步中，团队开始检索他们在第2步中定义的数据元素，并根据其他已知数据源(内部或外部)评估质量。有时可能不可能直接与基准进行比较。因此，在适当的情况下，团队可以用自己的度量来代替类似的基准值(例如，急诊科度量或功能评估测试)。

团队现在可以开始验证实际数据以评估质量(例如，异常值、缺失数据或使用自由文本字段)，然后清理数据以确保它是准确和可靠的。对于团队来说，调整数据的条件非常重要，因为任何具有太多异常值或空字段的统计测试都可能导致不一致的、误导性的或错误的信息。

第四步:信息

在步骤4中，团队聚合、分层和趋势可信数据，以比较不同类别的性能。这是团队首次对数据元素进行统计测试。例如，这将是一个团队成员第一次看到他们的患者群体的中间住院时间或两个工作流时间戳之间的平均时间。对真实信息的访问和暴露使团队能够对照自己数据集中经过验证的信息来检查传闻的理解，从而为调整预期做好准备。

通常情况下，信息可能与团队的期望不同，从而导致对总体定义的关注。团队成员可能会想:“我们在过程中哪里出错了?这是谁的责任?”然而，如果团队成员正确地参与到数据检索和验证过程中(步骤2和步骤3)，他们将准备好接受和接受与他们预期不同的信息，拥有从信息中学习而不是投射到信息上的姿态。

第五步:知识

在第5步中，团队将他们的结果度量与一组平衡度量、过程度量和潜在驱动因素(如风险或敏锐度)进行比较。这允许团队对他们的组织有更广泛的认识，并在组织中发生的其他项目之间建立联系。团队成员应该问:“这如何为我提供其他工作经验的新背景?我如何将它们结合起来?”例如，一个专注于减少再入院的团队可能也会将住院时间作为系统中的一个相关组成部分，并希望了解相邻空间中发生的工作和优先级。

“知识”步骤也被称为信息层，因为团队成员开始看到组织中给定绩效或某些挑战背后的可能解释(例如，患者满意度低)。拥有一组健壮的项目度量—包括结果、过程、平衡、组件和解释性度量—将有助于这一步的成功。

在这个步骤中，团队成员学会信任信息，将新知识与他们已经相信的东西进行权衡，并有机会获得额外的上下文，这些上下文将为项目提供更健壮的观点集。

第六步:洞察力

在步骤6中，改进团队成员在基准、文献和组织内其他考虑因素的背景下查看结果。对具体项目所针对的绩效负责的领导应该对了解其他卫生系统的绩效有既得利益。特别是，如果一个项目旨在支持ACO网络或解决特定的CMS建议，那么了解其他系统的执行情况将有助于确定潜在的惩罚或共享节省的规模。

当领导者未能在适当的背景下审查结果时，他们就无法理解其他组织正在经历相同的挑战，并有相同的目标。发现同事之间共同面临的挑战对领导者来说是鼓舞人心的，因为他们明白，在面临这个问题时，他们并不孤单;领导者也获得了一个可以一起工作的群体，分享知识、挫折和胜利。由于卫生系统通常对以这样或那样的形式改善患者预后有着相同的愿景，将一个组织的见解应用到下一个组织往往是可能的。

第七步:智慧

在第7步中，团队评估在操作复杂性和准备就绪的情况下是否存在可操作的机会，并考虑之前成功或失败的故事。这是团队成员准备组织需要采取的行动以看到改进的地方。

明智的建议是，改进团队要找到有改变欲望的领域，并在这些领域开始努力。例如，如果多个改进工作是同时进行的，那么通过确定组织中愿意尝试变更的不同部分，团队可能会获得更多的成功。

第八步:行动

在步骤8中，团队创建并实施改进计划。这将要求对工作的组成部分进行优先排序，其中每个组成部分将被分配责任。如果还没有到位，团队将需要开发一个健壮的沟通结构和节奏。在行动步骤中，目标应该被明确地陈述出来，并得到支持该计划的所有团队成员和执行人员的同意。对于目标阈值应该是什么，经常会有不同的观点，这就是为什么在激励性的、可实现的目标之间找到平衡是至关重要的。

在每个人都对目标达成一致之后，团队现在就可以开始实施变更了。如果目标被恰当地设定，达到一个目标将意味着从基线的结果改善通过了统计和实际意义检验。最好的做法是每年重新审视目标，根据系统障碍或机会进行重新校准。

基于数据的医疗保健推动结果改进

卫生系统可以从遵循分析提升模型中获益良多，但前提是改进团队要遵循每一步。为了更快地开始执行(第8步)，跳过步骤或匆匆完成一个步骤可能很诱人，但这可能会导致错误的努力和浪费资源。

遵循模型层次结构并给每个步骤应有的时间，可以创建数据素养的文化，并帮助团队在通常具有挑战性的结果改进领域取得成功，提供基于数据的医疗保健。它还授权团队实现文化一致性，并说明如何在改进项目的上下文中处理数据。Analytics Ascension模型不是依赖于“数据知情”或“数据驱动”等流行词汇，而是为团队成员提供方法和词汇，从数据的原始状态一直到产生有意义的患者预后改善的行动。

更多的阅读

你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:

1. 在医疗保健中使用改进科学创造真正的改变
2. 医疗保健数据素养:成为数据驱动型组织的必备条件
3. 成功的医疗保健数据策略必须具备的三个条件
4. 实现医疗保健数据治理的五个实际步骤
5. 有效机会分析的四个步骤

---

幻灯片

您愿意使用或分享这些概念吗?下载突出重点的演示文稿。

请按此下载幻灯片

通过八个步骤实现数据知情的医疗保健从世界杯葡萄牙vs加纳即时走地