Es habitual escuchar, de muchas fuentes, la importancia que la transformación digital y el análisis de datos tiene en el presente en el sector de la salud, hasta tal punto que es sabido que este sector depende en gran medida de ellos. Esto es aún más cierto en el presente ya que el distanciamiento social es una necesidad de salud pública que requiere en cierta medida del funcionamiento remoto de las instituciones de salud.
En cuanto a la analítica de la salud y la inteligencia de negocios (BI, por sus siglas en inglés) su importancia radica en su poder de generar conocimiento de forma constante para así proporcionar una mejor atención, prevenir enfermedades y optimizar todas las áreas de acceso a atención continua y de calidad.
Buscando darle su lugar en el presente y en el futuro, este blog lo guiará a través de conceptos clave que le permitirán comprender qué es la analítica de datos en el sector salud y cuál es su papel en este segmento de la industria y como las empresas que hacen parte del sistema de salud pueden sacar el máximo provecho de ella.
Que es la analítica de la salud
Día a día una gran cantidad de fuentes nos brindan información muy especializada acerca de la aplicación de la analítica de la salud. Ello hace que la comprensión de lo que realmente ella es, varíe ampliamente de una persona a otra y por lo tanto pocos la apliquen realmente.
En términos prácticos, la analítica consiste en la recopilación y análisis de micro y macrodatos para generar conocimiento clave que apoye de manera efectiva la toma de decisiones informadas. En general, ella busca la optimización operativa, el logro de metas y la eficiencia en el uso de recursos. Para lograrlo, los equipos que realizan Analítica usualmente se apoyan en herramientas de BI que permiten la visualización de información actualizada de forma constante.
Ahora bien, en el sector de la salud, la analítica combinada con BI aplicada de forma constante en el tiempo permite generar conocimiento e indicadores claves (KPI, por sus siglas en inglés) a partir de datos originados de los registros de la prestación de servicios diagnósticos y terapéuticos, los costos de la atención, el comportamiento del paciente, la comercialización y seguridad de los productos farmacéuticos y la asignación de presupuestos, entre muchos otros. Este nuevo conocimiento, en ocasiones llamado Evidencia del Mundo Real (RWE, por sus siglas en ingles), permite detectar oportunidades e informar la toma de decisiones para mejorar la atención al paciente, direccionar los recursos adecuadamente, reducir los costos generales, mejorar los objetivos del tratamiento, optimizar las estrategias comerciales nuevas o en marcha, desarrollar nuevos productos, evaluar necesidades, detectar y gestionar riesgos de salud ocultos, entre muchas otras acciones significativas.
Si bien actualmente existen grandes volúmenes de datos de la salud (estructurados y no estructurados), provenientes de múltiples fuentes, ellos en sí mismos no tienen sentido. Cuando la cantidad de datos es grande, tampoco es posible darles sentido con el uso de herramientas tradicionales como Excel, una gran herramienta de cálculo, pero no ideal para la gestión de datos.
El poder dar sentido a los datos y obtener de ellos conocimiento global, sólido y unificado, de la forma tradicional, es extremadamente complejo y en ocasiones imposible debido a su naturaleza, variabilidad y complejidad. Para lograrlo es necesario contar con el apoyo de expertos con madurez técnica y capacidad de dedicación de enormes cantidades de tiempo para integrarlos y centralizarlos, siguiendo las regulaciones que locales que apliquen.
El valor de la analítica consiste en dar sentido a los datos sin procesar (datos crudos)
El valor de la nueva información generada, una vez se desbloquea el valor de los datos del mundo real, es aún más importante ya que beneficia desde pacientes y proveedores hasta pagadores y proveedores. Veamos como las soluciones de Analítica impactan la industria de la salud a nivel poblacional o del paciente.
Analítica de la salud a nivel poblacional
Si bien el análisis predictivo es bastante atractivo en el presente, antes de llegar a él es necesario conocer las poblaciones especificas en detalle y comprender sus principales problemáticas. Para ello se utilizan enormes conjuntos de datos agregados y anonimizados que incluyen registros de análisis biométricos, reclamos, datos de salud generados por el paciente y determinantes sociales de la enfermedad.
Este conocimiento permite promover una mejor salud en general al direccionar y priorizar los servicios adecuadamente, cerrar brechas de atención, predecir e intervenir en posibles epidemias, identificar proactivamente pacientes en alto riesgo de progresión de ciertas afecciones o de presentar desenlaces de alto costo, pacientes que requieren hospitalizaciones repetidas al largo plazo, ejecutar a tiempo programas de atención preventiva y determinar objetivamente su éxito con base en los resultados de salud del paciente.
Gestión operativa de las instituciones y los profesionales de la salud.
En la actualidad la migración de los modelos de atención, de modelos basados en la compensación por servicios a modelos vasados en valores implica que se requiere una alta eficiencia, en la cual el análisis de datos es clave para mantener la operabilidad de las funciones diarias. El permite mejorar la atención basada en calidad, reducir los tiempos de espera, mejorar la satisfacción del paciente, brindar un tratamiento más personalizado y reducir las tasas de reingreso, entre otros.
Detección de poblaciones y pacientes en riesgo.
La observación de poblaciones y, en algunos casos, análisis predictivo de pacientes o poblaciones en riesgo debido a enfermedades crónicas, permite planear y ejecutar acciones correctivas poblacionales, que mejoran el uso de los sistemas de salud, por ejemplo, minimizando las consultas de urgencias. Cuando se dispone de herramientas de BI y datos suficientes la protección a los pacientes puede realizarse de forma personalizada, para disminuir su riesgo.
Satisfacción de los pacientes.
La satisfacción de los pacientes usualmente es un criterio de medición de la calidad de la atención, y una herramienta para facilitar la atención preventiva y la autogestión y de la enfermedad. Conocer la satisfacción de los pacientes es clave para mejorar la relación con los pacientes, reducir las tasas de hospitalización y evitar posibles desenlaces negativos de la salud.
Prescripciones y dispensación de medicamentos
Los errores en la medicación y dispensación de medicamentos suelen ocurrir con determinada frecuencia poniendo en riesgo a los pacientes aumentando los costos por atenciones y reclamos. El detectar estos errores, especialmente en ambientes donde el volumen de atención es muy alto, puede evitar problemas de salud del paciente o la muerte.
Analítica de la salud relacionada con los pagadores
Los aseguradores, a quienes se les aplican regulaciones nuevas constantemente, dependen en gran medida del conocimiento de los perfiles y demografía de su población a cargo. El contar con dicho conocimiento les permite direccionar adecuadamente programas de salud, utilizar los datos de precios para identificar proveedores ideales, definir como incorporar cambios regulatorios e identificar potenciales fugas de presupuesto.
La analítica de la salud & BI son protagonistas en la innovación y la transformación digital
Mas allá de los beneficios mencionados, la analítica de la salud y las herramientas de BI tanto a nivel de poblaciones como de pacientes particulares, ellas hacen avanzar la ciencia y la tecnología.
El análisis de datos y las herramientas de BI permiten filtrar, segmentar y analizar miles de millones de registros en segundos y encontrar con precisión opciones de tratamiento o soluciones para diferentes enfermedades. Su uso puede permitir incluso detectar epidemias, encontrar las curas de enfermedades, mejorar la calidad de la atención, detectar problemáticas costosas de forma oportuna, evaluar los riesgos, definir la cantidad y el tipo de personal necesario para una institución de acuerdo con su tasa de admisiones, optimizar las inversiones y reducir los costos.
Para poder ejecutar exitosamente programas de análisis de datos y BI de la salud, no es necesario crear un nuevo equipo en las empresas. Ello requiere una alta inversión en recursos y un largo tiempo para lograr una curva de aprendizaje adecuada. Es más conveniente contar con el apoyo de equipos externos con suficiente experiencia en Atención de la Salud y en realización de tareas de analítica de la salud, los cuales pueden dar soluciones seguras, de alto nivel y fácil integración a una fracción del costo de un equipo interno.