Нови методи за оценка на ефективността на терапиите при болничен престой

Нови технологии и инициативи отварят възможността за качествен скок в интегрираните системи за управление на болничните заведения.

Понастоящем информацията за прилаганите медикаменти и биологични продукти в болничното лечение е разпокъсана на ниво личен опит, лекарски колектив или болнично отделение в най-добрия случай. От така фрагментираната информация не могат да се извлекат глобални изводи и прогнози. Те са възможни единствено с прилагането на Big data* технологиите, което на свой ред е възможно едва след като обемът информация достигане критична маса или съгласно закона на диалектиката – количествените натрупвания доведат до качествени преобразувания.

Неизползването на тази появила са наскоро техническа възможност само ще продължи разхищението на знания и опит във всички области и в частност в медицината и здравеопазването.

С помощта на Европейската комисия, финансираща платформата за готови модули FIWARE и в сътрудничество с водещи български лечебни заведения, през есента на 2015 г. бе стартиран проектът Уордис. Проектът има за цел създаването на интегрирана система за управление на болнични отделения, основаваща се върху екосистема с отворен код, обработка на растящия обем информация чрез Big data методи и комбинирането му с разнородни източници на отворени данни**. Разработката цели да обхване информацията за процесите в болничното лечение и участниците в тях, като я обработи и наложи върху привидно несвързани масиви от данни. Това би допринесло за разтълкуване на медицински явления, подобряване на болничните грижи и планирането, както и намаляване на грешките в лечението.

На оперативно ниво, системата използва радиочестотни, оптични или биометрични идентификатори за управление на пациенти, медицински персонал, лекарствени препарати, биопродукти, болнични легла и др., чрез които се упражнява пълен контрол върху движението им из болничните отделения, взаимодействията по между им и съхранение на съпътстващата ги информация. На управленско ниво, системата структурира набраната разнородна информация и я комбинира с масиви от отворени данни, като демографска картина на населението в обслужваната област, здравния и професионалния му профил, неговата гъстота, уличното движение, сезонна статистика на трудовите и битови злополуки и др. По този начин се оформят изводи за причинно-следствени връзки, а също тенденции и прогностика, почиващи върху реални данни и прецизиращи предвижданията на база субективен професионален опит на болничния персонал.

Внедряването на интегрираната система ще доведе до редица положителни резултати като оптимизиране заетостта на болничните легла и приема на пациенти, намаляване разхода и брака на лекарствени препарати и биопродукти, намаляване на болничния престой, намаляване на човешкия фактор, изразен в сгрешени препарати или самоличност на пациентите и не на последно място, силно ограничаване на административната и бюрократичната тежест върху медицинския персонал. Освен изброените преки ползи, системата ще доведе и до неявни косвени резултати като намалено болнично потребление на медикаменти, оптимизирано унищожаване на неизразходваните количества, намалена финансова тежест от временна неработоспособност, гъвкаво профилиране и адаптиране на болничната дейност спрямо реално обслужвания контингент, водещи до подобрено обслужване и др.

Горното би останало в сферата на добрите пожелания без да е подплатено с реални числа, но принципите на Big data са приложими също така в текущото окачествяване и остойностяване на получените резултати, с цел оценка на ефективността и въздействието от прилаганите технологии.