A análise de big data na área da saúde impõe muitos desafios, incluindo segurança, visualização e várias preocupações com a integridade dos dados. Por isso mesmo, ela está se tornando um dos obstáculos mais difíceis de serem superados pelo setor de saúde. Os provedores de saúde que mal conseguem colocar dados em seus prontuários eletrônicos de paciente (EHR, na sigla em inglês) agora estão sendo solicitados a extrair insights e aplicar esses aprendizados a iniciativas complicadas que afetam diretamente suas taxas de reembolso.
Para organizações de saúde que integram com sucesso insights orientados por dados em seus processos clínicos e operacionais, podem obter recompensas enormes. Pacientes mais saudáveis, custos de atendimento mais baixos, mais visibilidade do desempenho e taxas mais altas de satisfação da equipe e do consumidor estão entre os muitos benefícios de transformar ativos de dados em insights de dados.
No entanto, o caminho para uma análise de saúde eficaz é árduo, cheio de desafios e problemas a serem resolvidos. Por sua própria natureza, o big data é complexo e difícil de manejar, exigindo que os provedoras de saúde observem atentamente suas abordagens para coletar, armazenar, analisar e apresentar seus dados a funcionários, parceiros de negócios e pacientes.
Para mostrar quais são alguns dos desafios que as organizações normalmente enfrentam ao iniciar um programa de análise de big data e como elas podem superar esses problemas para atingir suas metas clínicas e financeiras orientadas por dados, aHealthITAnalycs listou os dez principais desafios para na análise de big data.
- CAPTURA DE DADOS
Todos os dados vêm de algum lugar, mas infelizmente para muitos profissionais de saúde, nem sempre vêm de algum lugar com hábitos de governança de dados impecáveis. A capturados dados de prontuários eletrônicos se torna difícil. Baixa usabilidade do EHR, fluxos de trabalho complicados e uma compreensão incompleta de por que o big data é importante para capturar bem os dados podem gerar problemas de qualidade que afetarão os dados ao longo de seu ciclo de vida.
Os provedores podem começar a melhorar suas rotinas de captura de dados priorizando tipos de dados valiosos para seus projetos específicos, contando com o conhecimento de governança de dados e integridade de profissionais de gerenciamento de informações de saúde e desenvolvendo programas de melhoria de documentação clínica que orientam os médicos sobre como garantir que os dados sejam úteis para análises.
2. LIMPEZA
Os profissionais de saúde estão intimamente familiarizados com a importância da limpeza na clínica e na sala de cirurgia, mas podem não estar tão cientes de como é vital limpar seus dados também. Dados sujos podem inviabilizar rapidamente um projeto de análise de big data, especialmente ao reunir fontes de dados díspares que podem registrar elementos clínicos ou operacionais em formatos ligeiramente diferentes. A limpeza de dados — também conhecida como limpeza ou depuração — garante que os conjuntos de dados sejam precisos, corretos, consistentes, relevantes e não sejam corrompidos de forma alguma.
Embora a maioria dos processos de limpeza de dados ainda seja realizada manualmente, alguns fornecedores de TI oferecem ferramentas de depuração automatizadas que usam regras lógicas para comparar, contrastar e corrigir grandes conjuntos de dados. Essas ferramentas provavelmente se tornarão cada vez mais sofisticadas e precisas à medida que as técnicas de aprendizado de máquina continuarem seu rápido avanço, reduzindo o tempo e as despesas necessárias para garantir altos níveis de precisão e integridade em data warehouses de saúde.
3. ARMAZENAGEM
Os médicos da linha de frente raramente pensam sobre onde seus dados estão sendo armazenados, mas é um problema crítico de custo, segurança e desempenho para o departamento de TI. À medida que o volume de dados de saúde cresce exponencialmente, alguns provedores não conseguem mais gerenciar os custos e os impactos dos data centers locais.
Embora muitas organizações se sintam mais confortáveis com o armazenamento de dados no local, on premises, que promete controle sobre a segurança, acesso e tempo de atividade, uma rede de servidores on premises pode ser cara para dimensionar, difícil de manter e propensa a produzir silos de dados em diferentes departamentos.
O armazenamento em nuvem está se tornando uma opção cada vez mais popular à medida que os custos caem e a confiabilidade aumenta. Cerca de 90% das organizações de saúde estão usando algum tipo de infraestrutura de TI de saúde baseada em nuvem, incluindo armazenamento e aplicativos, de acordo com uma pesquisa de 2016. A nuvem oferece recuperação de desastres ágil, custos iniciais mais baixos e expansão mais fácil — embora as organizações devam ser extremamente cuidadosas ao escolher parceiros que entendam a importância da HIPAA (lei norte-americana que, embora não se aplique no Brasil, vem servindo de inspiração para hospitais do nosso país, pois, estar em conformidade com a HIPAA demonstra uma maior maturidade da segurança das informações das instituições) e outros problemas de conformidade e segurança específicos da saúde.
Muitas organizações acabam com uma abordagem híbrida para seus programas de armazenamento de dados, que pode ser a abordagem mais flexível e viável para provedores com diferentes necessidades de acesso e armazenamento de dados. Ao desenvolver uma infraestrutura híbrida, no entanto, os provedores devem ter cuidado para garantir que sistemas diferentes possam se comunicar e compartilhar dados com outros segmentos da organização quando necessário.
4. SEGURANÇA
A segurança de dados é a prioridade número um para as organizações de saúde, especialmente após uma série rápida de violações de alto perfil, hacking e ataques de ransomware. De ataques de phishing a malware e laptops deixados acidentalmente em um táxi, os dados de saúde estão sujeitos a uma variedade quase infinita de vulnerabilidades.
A regra de segurança HIPAA inclui uma longa lista de proteções técnicas para organizações que armazenam informações de saúde protegidas (PHI), incluindo segurança de transmissão, protocolos de autenticação e controles sobre acesso, integridade e auditoria. Na prática, essas proteções se traduzem em procedimentos de segurança que usam o bom senso, como o uso de software antivírus atualizado, configuração de firewalls, criptografia de dados e o uso de autenticação multifator.
Mas mesmo o data center mais seguro pode ser derrubado pela falibilidade dos membros da equipe, que tendem a priorizar a conveniência em vez de atualizações de software demoradas e restrições complicadas de acesso a dados ou software.
As organizações de saúde devem frequentemente lembrar seus funcionários da natureza crítica dos protocolos de segurança de dados e revisar consistentemente quem tem acesso a ativos de dados de alto valor para evitar que partes mal-intencionadas causem danos.
5. GESTÃO E CURADORIA
Os dados de saúde, especialmente no lado clínico, têm uma longa vida útil. Além de serem obrigados a manter os dados dos pacientes acessíveis por pelo menos seis anos, os provedores podem desejar utilizar conjuntos de dados não identificados para projetos de pesquisa, o que torna a gestão e a curadoria contínuas uma preocupação importante. Os dados também podem ser reutilizados ou reexaminados para outros fins, como medição de qualidade ou benchmarking de desempenho.
Entender quando os dados foram criados, por quem e com que finalidade — bem como quem usou os dados anteriormente, por que, como e quando — é importante para pesquisadores e analistas de dados. O desenvolvimento de metadados completos, precisos e atualizados é um componente essencial de um plano de governança de dados bem-sucedido. Os metadados permitem que os analistas repliquem exatamente as consultas anteriores, o que é vital para estudos científicos e benchmarking preciso, e impede a criação de “lixeiras de dados” ou conjuntos de dados isolados que são limitados em sua utilidade.
As organizações de saúde devem atribuir um administrador de dados para lidar com o desenvolvimento e a curadoria de metadados significativos. Um administrador de dados pode garantir que todos os elementos tenham definições e formatos padrão, sejam documentados adequadamente desde a criação até a exclusão e permaneçam úteis para as tarefas em questão.
6. CONSULTA
Metadados robustos e protocolos de administração idem também facilitam para as organizações consultarem seus dados e obterem as respostas que esperam. A capacidade de consultar dados é fundamental para relatórios e análises, mas as organizações de saúde geralmente precisam superar vários desafios antes que possam se envolver em análises significativas de seus ativos de big data.
Em primeiro lugar, eles devem superar silos de dados e problemas de interoperabilidade que impedem que as ferramentas de consulta acessem todo o repositório de informações da organização. Se diferentes componentes de um conjunto de dados forem mantidos em vários sistemas isolados ou em formatos diferentes, pode não ser possível gerar um retrato completo do status de uma organização ou da saúde de um paciente individual.
E mesmo que os dados sejam mantidos em um armazém comum, pode faltar padronização e qualidade.
7. COMUNICAÇÃO
Depois que os provedores concluírem o processo de consulta, eles devem gerar um relatório claro, conciso e acessível ao público-alvo. Mais uma vez, a precisão e a integridade dos dados têm um impacto crítico na precisão e confiabilidade do relatório. Dados ruins no início produzirão relatórios suspeitos no final do processo, o que pode ser prejudicial para os médicos que estão tentando usar as informações para tratar pacientes.
Os provedores também devem entender a diferença entre “análise” e “relatório”. O relatório é muitas vezes o pré-requisito para a análise — os dados devem ser extraídos antes de serem examinados — mas o relatório também pode ser um produto final por si só.
Enquanto alguns relatórios podem ser voltados para destacar uma certa tendência, chegar a uma nova conclusão ou convencer o leitor a tomar uma ação específica, outros devem ser apresentados de uma forma que permita ao leitor tirar suas próprias inferências sobre o que espectro de meios de dados.
As organizações devem ser muito claras sobre como planejam usar seus relatórios para garantir que os administradores de banco de dados possam gerar as informações de que realmente precisam.
Grande parte dos relatórios no setor de saúde são externos, uma vez que os programas regulatórios e de avaliação de qualidade frequentemente exigem grandes volumes de dados para alimentar medidas de qualidade e modelos de reembolso. Os provedores têm várias opções para atender a esses vários requisitos, incluindo registros qualificados, ferramentas de relatório incorporadas em seus registros eletrônicos de saúde e portais da web hospedados pelo gerenciador de conteúdo (CMS) e outros grupos.
8. VISUALIZAÇÃO
No ponto de atendimento, uma visualização de dados limpa e envolvente pode tornar muito mais fácil para um clínico absorver informações e usá-las adequadamente. A codificação por cores é uma técnica popular de visualização de dados que normalmente produz uma resposta imediata — por exemplo, vermelho, amarelo e verde são universalmente entendidos como pare, cuidado e vá.
As organizações também devem considerar boas práticas de apresentação de dados, como gráficos que usam proporções adequadas para ilustrar figuras contrastantes e rotulagem correta de informações para reduzir possíveis confusões. Fluxogramas complicados, texto apertado ou sobreposto e gráficos de baixa qualidade podem frustrar e incomodar os destinatários, levando-os a ignorar ou interpretar mal os dados.
Exemplos comuns de visualizações de dados incluem mapas de calor, gráficos de barras, gráficos de pizza, gráficos de dispersão e histogramas, todos com seus próprios usos específicos para ilustrar conceitos e informações.
9. ATUALIZAÇÃO
Os dados de assistência médica não são estáticos e a maioria dos elementos exigirá atualizações relativamente frequentes para permanecerem atuais e relevantes. Para alguns conjuntos de dados, como os sinais vitais do paciente, essas atualizações podem ocorrer a cada poucos segundos. Outras informações, como endereço residencial ou estado civil, podem mudar apenas algumas vezes durante toda a vida de um indivíduo.
Compreender a volatilidade do big data, ou com que frequência e em que grau ele muda, pode ser um desafio para organizações que não monitoram consistentemente seus ativos de dados. Os provedores devem ter uma ideia clara de quais conjuntos de dados precisam de atualização manual, quais podem ser automatizados, como concluir esse processo sem tempo de inatividade para os usuários finais e como garantir que as atualizações possam ser realizadas sem prejudicar a qualidade ou a integridade do conjunto de dados.
As organizações também devem garantir que não estejam criando registros duplicados desnecessários ao tentar atualizar um único elemento, o que pode dificultar o acesso dos médicos às informações necessárias para a tomada de decisão do paciente.
10. COMPARTILHAMENTO
Poucos provedores operam no vácuo e menos pacientes recebem todos os seus cuidados em um único local. Isso significa que o compartilhamento de dados com parceiros externos é essencial, especialmente à medida que o setor avança em direção à gestão da saúde da população e aos cuidados baseados em valor.
A interoperabilidade de dados é uma preocupação constante para organizações de todos os tipos, tamanhos e posições ao longo do espectro de maturidade de dados.
Diferenças fundamentais na maneira como os registros eletrônicos de saúde são projetados e implementados podem reduzir severamente a capacidade de mover dados entre organizações diferentes, muitas vezes deixando os médicos sem as informações necessárias para tomar decisões importantes, acompanhar os pacientes e desenvolver estratégias para melhorar os resultados gerais.
Atualmente, o setor está trabalhando duro para melhorar o compartilhamento de dados entre barreiras técnicas e organizacionais. Ferramentas e estratégias emergentes, como FHIR (Fast Healthcare Interoperability Resources) e APIs públicas, bem como conectores como CommonWell e Carequality, estão tornando mais fácil para os desenvolvedores compartilhar dados com facilidade e segurança. Mas a adoção dessas metodologias ainda não atingiu o ponto crítico, deixando muitas organizações isoladas das possibilidades inerentes ao compartilhamento contínuo de dados de pacientes.
Para desenvolver um ecossistema de troca de big data que conecte todos os membros da continuidade do cuidado com informações confiáveis, oportunas e significativas, os provedores precisarão superar todos os desafios desta lista.