卫生系统在复杂的技术、监管和财务挑战环境中运行,不仅在临床、运营和财务领域,而且在医疗保健IT和分析领域都要求效率和有效性。对于许多组织来说,迎接这些挑战可能就像试图登顶珠穆朗玛峰。具有挑战性的上升要求卫生系统跟上人工智能(AI)的使用越来越多)的临床和操作决策支持,转移到基于价值的保健从收费服务,护理服务的变化方面,以及苛刻和不断变化的监管环境.为了有效地将分析应用于不断扩大的医疗保健数据宝库,组织必须善于分析。
许多改善结果的努力围绕临床、运营和财务目标和相关指标(例如,缩短住院时间,减少再入院和急诊科等待时间,改善收入周期管理)。然而,分析改进工作可以解决医疗保健连续体中的独特问题:
一个有效的分析改进策略可以在一开始就节省数千万美元,不仅仅是从临床或运营的角度来看,从分析的角度来看也是如此。最终,根据组织的规模和组成,估计节省的资金可能会增加到数亿美元。成功取决于组织是否建立了数据驱动的文化,以及是否愿意积极谨慎地管理这种变化。本文解释了卫生系统如何在短时间内实现分析转换,以及相应的投资回报率。
在卫生系统可以深入分析转换之前,他们需要了解他们的组织结构(以及这些结构如何支持分析),并确定转换医疗保健分析所涉及的角色数量。例如,在数据仓库整合阶段,角色包括项目和变更管理、主动领导、基础设施开发、遗留应用程序支持和分析工程。确定了组织结构后,在进行分析转换之前,卫生系统必须对以下三件事进行内部分析:
图1显示了每个组织需要考虑并精通的数据驱动的核心领域。每个领域都有相互关联的能力,需要相互协调和平衡;这是全面改善成果的基础。
通过暴露和深思熟虑地解决人员重复(或不必要的许可、硬件和承包商成本),对全职等值人员(FTE)、成本和当前工作量分配的分析将为所有参与者设定分析改进策略的期望和目标。现在,卫生系统已经准备好应对数据驱动的五个阶段。
成为数据驱动型组织有五个阶段:
当组织完成这五个阶段后,他们就可以采取以下步骤实现预期目标:
在成为数据驱动型组织的五个阶段中,医疗保健组织和分析合作伙伴共同承担责任:
的成员数据治理委员会(现有治理结构的小组委员会)。数据治理委员会创建一个计划来组织人员、流程和技术,以最大化组织在分析空间内交互的数据和资源的价值。然后,数据治理委员会确定其任务和章程(目标和目的),并选择企业数据仓库(EDW)、商业智能(BI)工具、培训方法、数据管理和数据访问。
在第一阶段,组织还确立了在过渡期间维持现有分析活动的重要性。在合作伙伴的支持下,组织负责确定战略和业务优先级,并确定在转换期间将迁移到EDW中的遗留服务。关注数据和获取数据的过程可以让组织开始在整个系统中转向数据驱动的文化。
在此阶段,卫生系统将来自遗留系统、部门系统和其他孤立数据集市的数据与EDW的创建集成在一起。数据治理委员会整合了对EDW、BI工具以及在第一阶段选择的方法和策略的支持。
在第二阶段,数据治理委员会在向新平台过渡时维持当前的分析活动,同时管理旧数据市场的退出策略。世界杯厄瓜多尔vs塞内加尔波胆预测组织可以在这个时候评估潜在分析团队成员的能力,使用诸如技能调查和遗留支持团队成员的功能评估等工具,以及最初集成到管理新的EDW和BI空间的个人。
在第三阶段,组织整合任何可以在集中执行时更具成本效益的功能。这可能包括以前是报告撰写人的团队成员。负责任的数据管理还意味着将一些分析能力集中起来,以支持企业计划和性能改进计划,同时适当地维护和加速关键领域的分析能力:
在第四阶段,卫生系统建立数据验证流程,并聘请数据管理员和分析团队成员,以提高所有数据系统在获取和逻辑表示方面的质量和素养。最终用户必须拥有可信任和可验证的数据,才能做出决策和改变实践模式。组织需要实用的过程来纠正原始源系统中的数据质量错误,以建立对可用数据的信任。他们还需要建立数据和度量定义,以确保他们为项目使用了适当的数据。
监管和偿还压力很大,而且越来越大。卫生系统需要整合和调整测量工作,以最大限度地提高基于质量的财政激励,并满足监管报告的要求。使用分析来支持这一工作将为临床和分析资源腾出时间。
在第五阶段,卫生系统建立了测量数据访问和使用的过程,并确定用户请求的其他数据源。有了可信的数据,并愿意在整个组织中进行改进,改进团队必须积极地向整个组织推销转换,共享已获得和尚未获得的数据效率。新EDW的推广计划与项目计划一样重要。
当卫生系统根据数据而不仅仅是直觉做出决策,根据监管措施衡量合规性,减少整个系统的变化和浪费,并将风险管理和预测分析集成到医疗工作流程中时,它们就成功地成为了数据驱动型系统。
为了有效地利用分析转型五个阶段的工作,卫生系统必须修改现有的IT框架或建立一个新的框架。这应该始终在执行领导层的指导下,以适当地调整支持组织战略计划的资源和努力。有三种常见的框架选项:
许多领先的分析IT供应商为寻求转换其分析策略的组织推荐hub-and-spoke IT框架(图2),这取决于其规模和组织结构。
这个主组结构表示枢纽。临床、财务和运营团队(以及特设报告团队)代表辐条。轮辐式框架允许集线器中的服务集中和重复数据删除。辐条中的团队有访问和控制,这使他们能够完成他们的工作。辐条与中心交互并依赖于中心,数据治理策略在整个结构中指导决策,创建协作反馈循环。
构建IT框架首先需要执行领导层负责整个框架(包括中心和辐条)上的数据治理。接下来,执行领导层建立了一个分析管理机构——一个企业范围的分析和商业智能小组,负责监督IT框架的四个推荐小组:
典型的分析转换有很短的时间来评估价值。图3中的时间轴示例显示了医疗保健组织如何在不到12个月的时间内从大本营(第一阶段:设定数据驱动的文化基调)到峰会(第五阶段:利用数据)。组织的规模及其对变化的准备程度可能会影响时间线。
正如时间表所示,几个技术项目可以同时启动,有些甚至在组织仍在建立数据驱动的文化时。值得注意的是,在第一年,当组织专注于分析基础设施和改进时,它将完成其他重要的目标,例如改进报告写作和显示仪表板;然而,它可能不会实现实质性的可测量的改进(例如,减少变化、创造效率和改善财务),直到一两年后才会实现。
一旦卫生系统经历了数据驱动的五个阶段并构建了适当的IT框架,它们就需要经验丰富、有能力应对分析转型挑战的合作伙伴。下面列出的结果展示了这些有效的合作伙伴关系可以带来的改进可能性和ROI类型:
德州儿童医院显著降低报告成本使用医疗保健EDW:
伙伴医疗深化了对市场趋势和业务驱动因素的理解复杂的医疗保健组织:
纪念医院避免了PQRS处罚,并获得了准确的潜在激励提交质量措施:
服务线和基于作业的成本计算实际护理成本匹兹堡大学医疗中心:减少成本4200万美元。
更快的数据采集速度时间与价值奥兰多健康:
机器学习、预测分析和流程重新设计降低再入院率堪萨斯大学卫生系统的50%:
德州儿童医院在系统范围内进行接生性能改进:
使用任务健康状况价值优先考虑并指导分析投资:
在每一个成功案例中,卫生系统都精心选择了峰会,致力于培训和准备工作,并选择了正确的合作伙伴或指南,以帮助它们安全成功地实现目标。
就像登山探险从大本营开始,需要一定的准备、流程、设备和指导才能到达顶峰一样,卫生系统可以通过遵循计划(IT和分析转型的五个阶段),包括确定机会、选择正确的IT基础设施和建立支持旅程的伙伴关系,来攀登医疗保健改善和节约成本的最高峰。
转换IT和分析对组织的人员、财务和总体结果具有深远的影响,可以优化医疗保健业务,以应对基于价值的医疗保健的挑战。
您愿意使用或分享这些概念吗?下载这个突出重点的演示文稿。
我们以为您提供相关、有用的内容而自豪。我们可以使用cookie来跟踪您阅读的内容吗?我们非常重视您的隐私。请参阅我们的隐私政策详情和任何问题。