Astma je jedním z nejvýznamnějších chronických onemocnění v pediatrii, které ve Spojených státech postihuje sedm milionů dětí. Podle jedné studie je exacerbace astmatu příčinou „odhadem 14 milionů zameškaných školních dnů a více než 1,8 milionu návštěv pohotovosti každý rok“.1

Mezi nejvýznamnější nefyziologické determinanty vícenásobných návštěv pohotovosti a hospitalizací kvůli dětskému astmatu patří rasové, etnické a socioekonomické rozdíly. Souvislosti mezi dětským astmatem a sociálními a environmentálními rozdíly jsou známy již desítky let. Bohužel schopnost zahrnout tyto faktory do cesty za zdravotní péčí o jednotlivce nebo populaci byla sporadická.

Klíčové technologické pokroky a celoplošný přechod na péči založenou na hodnotě však poskytly poskytovatelům možnost využít data a podívat se nad rámec zdravotního záznamu pacienta na socioekonomické okolnosti, které ovlivňují kvalitu zdraví.

Tyto nemedicínské prvky se sdružují pod pojem sociální determinanty zdraví (SDOH). „Porozumění anamnéze pacienta neznamená jen identifikaci zdravotní anamnézy, ale také identifikaci jeho zranitelnosti,“ říká Michael A. Simon, PhD, hlavní datový vědec společnosti Arcadia.io, která se zabývá řízením zdraví populace a specializuje se na agregaci dat, analýzu a software pro pracovní postupy v oblasti péče založené na hodnotě. „Je zde příležitost využít data k tomu, aby pomohla odvodit nejen typickou lékařskou kauzalitu, kterou přisuzujeme chronickým stavům, ale také se podívat na faktory, které je mohou ovlivňovat.“

Jinými slovy, samotná lékařská data vypovídají neúplný příběh.

„Záměrem je mít k dispozici široký soubor dat, na jejichž základě bychom mohli pracovat,“ říká doktor Rich Parker, hlavní lékař společnosti Arcadia.io. “ je konkrétní příklad, kdy informační technologie identifikují pacienty, kteří potřebují specifický management péče nebo sociální intervenci. Zde se skutečně můžeme dostat až na úroveň identifikace vzájemného působení klinických dat a sociálních determinant. Sestavte registr pacientů s astmatem a zkřižte jej s údaji o sociálních determinantách. Podívejte se na pacienty, kteří se několikrát ročně objevují na pohotovosti. Možná zjistíte, že žijí v chudším sčítacím bloku nebo že bydlí v domech, kde je více prachu a roztočů.“

Podle Parkera doplnění údajů o SDOH vypovídá o kompletnějším příběhu pacienta a ovlivní přístup poskytovatele k léčbě, vzdělávání a řízení péče. Z hlediska správy zdravotnických informací (HIM) představuje SDOH výzvy, které sahají daleko za kódování. Odborníci na HIM musí najít kreativní a inovativní způsoby, jak získávat, analyzovat a aplikovat data SDOH na zdravotní péči o celou osobu.

„Manažeři zdravotnických informací rozumí tomu, jak vykazovat nároky a jak pracovat s velmi přísnými datovými standardy,“ říká Claire Zimmermanová, viceprezidentka pro inovace produktů ve společnosti HealthBI, technologické společnosti zaměřené na koordinaci péče. „Ale příležitostí a výzvou dneška je přemýšlet trochu jinak o informačních zdrojích, které jsou k dispozici, a skládat je dohromady s těmito strukturovanými informacemi, aby vyprávěly příběh daného člověka.“

Nová stará myšlenka

Proč SDOH, myšlenka, která se traduje již od řeckého starověku, najednou zaujala kolektivní představivost amerického zdravotnictví? Podle Zimmermana je částečným důvodem desetiletý posun k modelům péče založeným na hodnotě.

„Poskytovatelé jsou stále více odpovědní za výsledky i náklady,“ říká Zimmerman. „Pokud jsem převzal riziko za výsledky dané populace a 60 nebo 80 procent toho, co tyto výsledky ovlivňuje, ve skutečnosti nemohu přímo ovlivnit, pak se musím ujistit, že mám k dispozici zdroje a nástroje, které mi pomohou dosáhnout příslušných výsledků.“

Průzkum Centra pro zdravotnická řešení společnosti Deloitte zjistil vysokou korelaci mezi zdravotnickými systémy, které provádějí screening sociálních determinant, a systémy zapojenými do rizikových platebních modelů.2 I přes ohniska inovací je však propast mezi potenciálem SDOH a skutečnými výsledky značná. Podle zjištění, která v září 2019 zveřejnil časopis Journal of the American Medical Association, pouze 24 % nemocnic a 16 % lékařských praxí uvedlo, že provádí screening faktorů SDOH.3

„Můžete najít lékaře, kteří to dělají, a to po kouscích tu a tam podle typu programu, v němž mohou být zapojeni,“ říká Sita Kapoor, informační ředitelka společnosti HealthEC, která se zabývá technologiemi pro populační zdraví. „Ale holisticky vzato, nikdo skutečně neshromažďuje datové prvky SDOH, které potřebujeme k tomu, abychom mohli řídit zdravotní výsledky.“

Rozluštění datové hádanky

Jednou z nejvýznamnějších překážek pro běžné využívání SDOH jsou data – jak je získat, jak je analyzovat a jak je učinit použitelnými.

„Každodenní lékařská praxe vyžaduje dodržování smluv a tyto smlouvy mají velmi specifické cíle, pokud jde o opatření kvality a využití. A v těchto smlouvách nejsou žádné konkrétní cíle týkající se SDOH,“ říká Parker. „Lékaři se mohou setkávat s pacienty, kteří jsou chudí, byli uvězněni nebo se potýkají s nedostatkem potravin, ale mohou s tím udělat jen tolik.“

„Aby bylo možné efektivně zavést péči založenou na hodnotě a udržet ji, domnívám se, že se kromě zdravotní péče musíte zaměřit i na zdraví. Abyste se mohli zaměřit na zdraví, věřím, že se musíte posunout proti proudu a rozšířit svůj dosah v komunitě,“ říká doktor Steve Miff, prezident a generální ředitel Parkland Center for Clinical Innovation (PCCI), neziskové organizace pro výzkum a vývoj v oblasti zdravotnické analytiky.

„Abychom toho byli schopni, věřím, že musíme lépe porozumět naší komunitě, našim pacientům, a to z více hledisek, nejen z hlediska zdravotní péče, ale i jejich života, jejich prostředí,“ říká Miff. „A abyste toho byli schopni, potřebujete mnohem sofistikovanější analýzu dat a způsoby, jak je digitálně sdílet se subjekty napříč komunitou, aby bylo možné tyto snahy koordinovat.“
Data jsou k dispozici – jen není snadné se k nim dostat. Podle průzkumu Iniciativy pro elektronické zdravotnictví z roku 2019 jsou údaje o SDOH a behaviorálním zdraví nejobtížněji sbíranými a sdílenými typy informací.4

„Problémem je, že se nacházejí v mnohem izolovanějších, méně sofistikovaných systémech,“ říká Miff. „Nacházejí se v systémech našich místních samospráv, v excelové tabulce, v potravinové spižírně nebo v útulku pro bezdomovce. Musíme přijít na to, jak tyto informace spojit dohromady. A abychom se skutečně začali zabývat sociálními determinantami zdraví, musíme využít pokročilou analytiku, aby tato data dávala smysl.“

To vede k otázce, co s jednou získanými daty dělat. „Mají organizace data prostě vzít, hodit je někam do složky v počítači a vytáhnout je, kdykoli je potřeba? Nebo uspořádají promyšlenou návrhovou schůzku či příležitost probrat, jak tyto informace začlenit do svých rozsáhlejších plánů v oblasti zdravotnických informačních technologií?“. Simon se ptá. „Míra, do jaké lidé dopředu přemýšlejí o tom, jak chtějí, aby se tyto informace používaly, může mít velký vliv na to, jak dobře s nimi mohou jednat a jak moc z nich mohou získávat zpětnou vazbu a podávat o nich zprávy.“

Nápady na akvizici

Výzkumná zpráva společnosti Dell EMC a analytické firmy IDC předpovídá, že digitální vesmír bude do konce roku 2020 obsahovat 44 bilionů gigabajtů dat, z nichž třetinu bude shromažďovat a uchovávat zdravotnictví.5

Problém spočívá v tom, že přibližně 80 procent těchto dat ve zdravotnictví je nestrukturovaných.6 Protože tyto prvky „temných dat“ je obtížné identifikovat a aplikovat na obchodní nebo klinické výzvy, mají malou vnitřní hodnotu. Z tohoto důvodu Joe Nicholson, DO, certifikovaný lékař a vedoucí lékař společnosti CareAllies, dceřiné společnosti společnosti Cigna, která spolupracuje s poskytovateli při přechodu na péči založenou na hodnotě, tvrdí, že organizace poskytovatelů, které právě vstupují do iniciativy SDOH, mohou začít tím, že nahlédnou do oceánu dat, která již mají.

Komplexní organizace vstupující do modelů plateb založených na hodnotě potřebují propojovací infrastrukturu, která podpoří výkonnost celé sítě. To zahrnuje základní technologii pro agregaci a analýzu dat z řady zdrojů, včetně elektronických zdravotních záznamů (EHR), laboratorních výsledků, zdrojů plátců založených na nárocích a oznámení o přijetí, propuštění a přemístění (ADT) v reálném čase. Pokročilé analytické schopnosti vytvářejí nové možnosti pro péči o celou osobu.

„Pro odborníky HIM je SDOH rozhovor o správě velkých dat,“ říká Nicholson. „Hledal bych všechny styčné body – farmaceutická data, data z EHR, data z průzkumů mezi pacienty – které mohou lépe informovat algoritmus a umožní organizacím vstoupit do něčeho, co se více podobá prediktivnímu modelování.“

Příklad zvažte determinant zabezpečení bydlení. Ve společnosti Arcadia.io jeden ze Simonových klientů z řad poskytovatelů hypoteticky přidal bezdomovectví do jedné ze smluv organizace. Jaký příběh by se dal vyčíst z vlastních dat organizace?“

„Prohrabali jsme spoustu pseudo- a polostrukturovaných informací a snažili se k nim přiřadit pojmy. Našli jsme přímé odkazy na bezdomovectví, ale také na život v útulcích, dočasné bydlení, život s rodinou – všechny tyto druhy pojmů, které krouží kolem myšlenky nejistoty bydlení,“ vysvětluje Simon. „S daty nebyl spojen žádný silný pracovní postup nebo závazek ke kódování. Ale když se tyto informace dostaly do EHR, mohli jsme začít tyto informace kódovat a formalizovat, abychom umožnili lepší vykazování.“

V konečném důsledku bude většina údajů o SDOH pocházet ze zdrojů mimo organizaci poskytovatele. Důležitou součástí získávání dat je pochopení toho, jaké typy informací jsou pro úspěch programu SDOH rozhodující. Odborníci na HIM by měli být vzdělaní v oblasti sociálních otázek a zdravotní rovnosti a také by měli rozumět tomu, jak by poskytovatelé mohli na základě informací jednat.

„Komponenta propojené komunity začíná hodnocením, aby bylo možné pochopit a vytvořit strukturu řízení,“ říká Miff. „Jak vlastně stanovit priority a začít zavádět některé z těchto složek? Kdo jsou kotevní organizace? Ty musí být zpočátku součástí řídicí struktury a pak začít být schopny tyto pracovní procesy nasazovat.“

Zajistit, aby data byla integrovaná a využitelná

Získávání informací o SDOH nemá velký význam, pokud je nelze využít ke službě skupinám pacientů nebo ke spolupráci s externími subjekty služeb. Některé organizace, jako například Gravity Project, vyvíjejí případy použití týkající se screeningu dat SDOH pro identifikaci potravinové nejistoty, stability bydlení a přístupu k dopravě a také definují a standardizují definice na úrovni jednotlivých datových polí.

Standardizace kódovatelných dat SDOH je však stále v počátcích. Některé organizace poskytovatelů se pokoušejí o standardizaci v rámci EHR.

„Musíme si být jisti, že údaje o SDOH budou vždy na stejném místě, že budou vždy vyplněny stejným způsobem,“ říká Catrena Smith, CCS, CCS-P, CHTS-PW, CPC-I, CPC, prezidentka společnosti Access Quality Coding & Consulting. „V EHR je třeba zajistit, aby informace byly umístěny ve stejné části karty, aby byly indexovány stejným způsobem. Takže u jednoho pacienta to není v ošetřovatelských poznámkách a u jiného pacienta je to smíchané s poznámkou o postupu lékaře a u jiného pacienta je to přes nějakou poznámku case managementu.“

Pro odborníka HIM složitost této souhry znamená, že SDOH je do značné míry týmový sport. „Když se tým HIM zabývá těmito daty, půjde o to dát dohromady tým, nejlépe nesourodý tým lékárníků a sociálních pracovníků a lékařů, aby vytvořili takové možnosti založené na datech, které umožní identifikovat pacienty s nejvyšším rizikem,“ říká Nicholson.

Propojení pacientů s příslušnými komunitními zdroji a následné vyhodnocení výsledků těchto doporučení vyžaduje interoperabilitu i analytiku. Zásadní pro udržitelnost iniciativy SDOH je vytvoření smyčky zpětné vazby založené na datech mezi poskytovateli, pacienty a organizacemi poskytujícími komunitní služby.

„V jejím centru stojí řídicí struktura,“ říká Miff. „Abychom tuto datovou vizi umožnili, musíme spolupracovat s mnoha subjekty napříč komunitou, ať už jde o další poskytovatele a plátce, místní filantropické organizace, komunitní organizace napříč spektrem potravinových skladů, dopravy, denní péče a místní samosprávy.“

Dalším dílem skládačky je integrace pacienta do této infrastruktury pro sběr a analýzu dat.

„Nestačí jen vytvořit tyto propojené komunity, aby se řešily sociální determinanty zdraví, aby se řešily některé základní faktory prostředí, které jsou s těmito stavy spojeny,“ říká Miff. „Zapojení samotných jednotlivců je další úroveň, o které jsem pevně přesvědčen, že se k ní musíme posunout, ať už jde o sociální determinanty zdraví, nebo o širší složku péče založené na hodnotách.“

Putting It Together

Nedávno Miff, představil výsledky pilotního programu SDOH, který byl zahájen v roce 2018 a zaměřil se na snížení počtu předčasných porodů.
„Jednou z klíčových věcí pro zdraví populace je schopnost identifikovat, kdo je vysoce rizikový, a stanovit priority svých aktivit a zdrojů, abyste byli schopni oslovit ty, na které můžete mít největší dopad,“ říká Miff. „V tomto případě jsme chtěli snížit míru předčasných porodů a pracovat proti proudu. Jedním z klíčových prvků bylo zvýšení účasti na prenatálních návštěvách a díky tomu pak zkrácení a prodloužení těhotenství, snížení míry předčasných porodů, snížení měsíčních nákladů na jednoho člena a v konečném důsledku celkové snížení úmrtnosti matek po porodu.“

Program prevence předčasných porodů PCCI byl poháněn prediktivními modely kombinujícími přesnou predikci rizika, upozornění poskytovatele, na riziko zaměřené a na míru šité vzdělávání pacientů prostřednictvím digitálních technologií a redesign pracovních postupů s cílem zlepšit výsledky porodů a snížit míru předčasných porodů.

Předpovědní model zahrnoval více zdrojů dat, včetně údajů o nárocích, způsobilosti, EHR a komunitních údajů, jakož i demografických, klinických a socioekonomických údajů, aby bylo možné předpovědět riziko předčasného porodu v kterémkoli okamžiku těhotenství.
„Tyto informace jsme do prediktivního modelu vložili, protože ročně stratifikujeme riziko u 26 000 těhotenství,“ vysvětluje Miff. „Pokud jste schopni zmapovat sociální determinanty na úrovni bloků, pak geomapovat jednotlivce do konkrétních bloků a použít to jako velmi silný ukazatel potřeb, které pravděpodobně zažívají ve svém každodenním životě, můžete tyto modely velmi efektivně začlenit do těchto prediktivních algoritmů.“

Primární intervencí byly textové zprávy, včetně připomínek schůzek, výživových tipů a dalších zpráv na míru. V prvním roce intervence bylo prospektivně rizikově stratifikováno více než 21 000 unikátních těhotenství, přičemž každý měsíc bylo rizikově stratifikováno přibližně 7 000 těhotenství.

Více než 800 rizikových pacientek obdrželo intervenční textové zprávy a více než 75 % pacientek uvedlo, že jsou s programem spokojeny. Ve srovnání se srovnatelnými kontrolami se u pacientek, které dostávaly textové zprávy, zvýšila účast na prenatálních návštěvách o 24 procent a o 27 procent klesl počet předčasných porodů, říká Miff.

Základní technologickou infrastrukturou pohánějící tuto iniciativu byl domácí výtvor nazvaný Isthmus, cloudová platforma pro získávání a harmonizaci dat z různých zdrojů s cílem vytvořit komunitní datovou platformu pro odvozování poznatků o SDOH na úrovni populace a pacientů.

„Součástí naší cesty byla snaha využít stávající technologickou infrastrukturu nebo licencovat existující platformy, ale nakonec jsme se rozhodli vybudovat vlastní back-endovou technologickou infrastrukturu,“ říká Miff.

Při vytváření technologie pro tuto iniciativu dospěla společnost PCCI k závěru, že musí být založena na cloudu, umožňovat strojové učení a mít integraci založenou na rozhraní API s nástroji pro pracovní postupy.

„Velmi jsme přemýšleli o tom, abychom používali co nejvíce modalit s otevřeným zdrojovým kódem, protože to usnadňuje tuto spolupráci a převod znalostí mnohem efektivněji,“ říká Miff.

Kromě programu prevence předčasných porodů byl systém Isthmus nasazen i pro další rámce SDOH. Patří mezi ně iniciativa v oblasti populačního zdraví dětí trpících astmatem, která:

• Snížení počtu návštěv na pohotovosti o 30 procent
• Snížení počtu hospitalizací v souvislosti s astmatem o 42 procent
• Realizace 36procentního poklesu nákladů na péči o astmatiky přinesla úsporu 12 milionů dolarů

PCCI také vyvinula prediktivní model, který během dvou let pomohl zabránit více než 2,000 nežádoucích účinků léků (ADE) u hospitalizovaných pacientů, což přineslo potenciální úspory ve výši více než 17 milionů dolarů díky snížení počtu readmisí a ADE.
Během dvou let implementace v Parklandu program prověřil více než 87 000 pacientů, přičemž bylo identifikováno 8 731 vysoce rizikových pacientů. Z vysoce rizikových pacientů se 16 % dostalo včasné lékárenské intervence a bylo zabráněno více než 2 000 ADE. U vysoce rizikových pacientů, kterým byla poskytnuta konzultace, se snížila míra 30denních readmisí o 23,5 procenta.

Closing the Loop on SDOH

Pro mnoho poskytovatelů představuje SDOH nejlepší šanci, jak vybudovat účinnější, efektivnější a holistický zdravotnický systém. Data – a způsob jejich použití – budou hrát ústřední roli v úspěchu každé iniciativy SDOH, což znamená, že odborníci na HIM jsou zásadními zúčastněnými stranami.

„Víme, že právě teď, přinejmenším z hlediska kódování, nemůžeme zachytit vše, co souvisí se SDOH, prostřednictvím kódu ICD-10-CM Z. Víme, že to není možné. Můžeme zachytit hodně, ale ne všechno,“ říká Smith. „To znamená, že se nebudeme moci – pokud se něco nezmění – spoléhat na kódy ICD-10 Z jako na datový bod pro všechny sociální faktory. Budeme muset přijít na jiné způsoby, abychom byli schopni určit, že pacient dosáhl této značky pro určitý sociální determinant zdraví.“

Pracovníci HIM musí přemýšlet daleko za otázkami kódování, pokud jde o SDOH a o to, kde je třeba se zapojit. V současné době existuje mnohem více otázek než odpovědí:

• Jak zajistíme, aby byly shromažďovány správné informace?
• Jak budou data analyzována/kontrolována?
• Jaké datové prvky SDOH jsou shromažďovány a proč?
• Jsou datové prvky SDOH upřednostňovány z hlediska toho, že budou s největší pravděpodobností ovlivněny pro účely poskytování péče a koordinace péče?
• Jsou zainteresované strany (např, zdravotnická zařízení, vládní agentury, lékaři, plátci, organizace s více zainteresovanými stranami) standardizují nejdůležitější kódy SDOH, které je třeba shromažďovat?
• Existuje shoda na tom, které datové prvky by měly být shromažďovány?
• Soukromí – jakou roli v tom všem hraje pacient? Měly by platit standardy mimimum necessary? Je nutný souhlas pacienta?“

Toto rozhodně není vyčerpávající seznam otázek, které musí organizace a průmysl řešit. Je zcela zřejmé, že profesionálové v oblasti HIM mohou obohatit a informovat zainteresované strany v diskusích o SDOH.

Ze své odbornosti v oblasti integrity dat a z pohledu na člověka, který stojí za daty, mohou profesionálové v oblasti HIM pomoci zajistit, aby byla přijímána ta nejlepší rozhodnutí a aby byly kladeny ty správné otázky. Těšte se na průběžný obsah zabývající se otázkami, jako jsou ty výše uvedené – a dalšími – jak se časopis bude hlouběji zabývat SDOH.

Poznámky

1. Johnson, Laurie H., Patricia Chambers a Judith W. Dexheimer. „Asthma-related emergency department use: current perspectives,“ Open Access Emergency Medicine 8:2016, s. 47-55.
2. Deloitte. „Addressing social determinants of health in hospitals.“ www2.deloitte.com/us/en/pages/life-sciences-and-health-care/articles/addressing-social-determinants-of-health-hospitals-survey.html.
3. Fraze, Taressa K. et al. „Prevalence of Screening for Food Insecurity, Housing Instability, Utility Needs, Transportation Needs, and Interpersonal Violence by US Physician Practices and Hospitals“. JAMA Network Open 2, č. 9: 2019. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2751390.
4. Iniciativa pro elektronické zdravotnictví. „Průzkum technologických priorit HIE v roce 2019“. May 15, 2019. www.ehidc.org/resources/2019-survey-hie-technology-priorities.
5. IDC. „Digitální vesmír příležitostí: Rich Data and the Increasing Value of the Internet of Things (Bohatá data a rostoucí hodnota internetu věcí).“ Duben 2014. www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm.
6. Tolson, Bill. „Kde by měla být data ve zdravotnictví uložena v roce 2018 – a dále?“. Health IT Outcomes. Únor 20, 2018. www.healthitoutcomes.com/doc/where-should-healthcare-data-be-stored-in-and-beyond-0001.

Matt Schlossberg ([email protected]) je redaktorem časopisu AHIMA.

Oblast dopadu

Spojení: Usnadnění optimálního sdílení dat mezi poskytovateli, spotřebiteli, zdravotnickými informačními sítěmi a zdravotními plány prostřednictvím technologicky zabezpečeného přístupu k elektronickým zdravotním informacím

.