Asthma ist eine der bedeutendsten chronischen Erkrankungen in der Kindermedizin, von der sieben Millionen Kinder in den Vereinigten Staaten betroffen sind. Einer Studie zufolge sind Asthmaexazerbationen für schätzungsweise 14 Millionen versäumte Schultage und mehr als 1,8 Millionen Besuche in der Notaufnahme pro Jahr verantwortlich.1

Zu den wichtigsten nicht-physiologischen Determinanten für mehrfache Besuche in der Notaufnahme und Einweisungen wegen Asthma bei Kindern gehören Rasse, ethnische Zugehörigkeit und sozioökonomische Ungleichheiten. Der Zusammenhang zwischen Asthma bei Kindern und sozialen und umweltbedingten Ungleichheiten ist seit Jahrzehnten bekannt. Leider ist es bisher nur sporadisch gelungen, diese Faktoren in die Gesundheitsversorgung eines Einzelnen oder einer Bevölkerungsgruppe einzubeziehen.

Die wichtigsten technologischen Fortschritte und die branchenweite Umstellung auf eine wertorientierte Versorgung haben den Leistungserbringern jedoch die Möglichkeit gegeben, Daten zu nutzen, um die sozioökonomischen Umstände, die die Gesundheitsqualität beeinflussen, über die Krankenakte des Patienten hinaus zu betrachten.

Diese nichtmedizinischen Elemente werden unter dem Begriff soziale Determinanten der Gesundheit (SDOH) zusammengefasst. „Die Krankengeschichte eines Patienten zu verstehen, bedeutet nicht nur, seine medizinische Vorgeschichte zu identifizieren, sondern auch seine Anfälligkeit“, sagt Michael A. Simon, PhD, leitender Datenwissenschaftler bei Arcadia.io, einem Unternehmen für Population Health Management, das sich auf Datenaggregation, Analysen und Workflow-Software für eine wertorientierte Versorgung spezialisiert hat. „Es besteht die Möglichkeit, Daten zu nutzen, um nicht nur die typische medizinische Kausalität abzuleiten, die wir chronischen Erkrankungen zuordnen, sondern auch die Faktoren zu untersuchen, die sie möglicherweise beeinflussen.“

Mit anderen Worten: Medizinische Daten allein erzählen eine unvollständige Geschichte.

„Die Absicht ist es, einen breiten Satz von Daten zu haben, mit denen wir arbeiten können“, sagt Rich Parker, MD, Chief Medical Officer von Arcadia.io. „Ein konkretes Beispiel ist, dass die Informationstechnologie Patienten identifiziert, die ein spezielles Versorgungsmanagement oder eine soziale Intervention benötigen. Hier können wir das Zusammenspiel zwischen klinischen Daten und sozialen Determinanten wirklich auf den Punkt bringen. Stellen Sie ein Register von Asthmapatienten zusammen und kreuzen Sie es mit Daten zu sozialen Faktoren. Schauen Sie sich Patienten an, die mehrmals im Jahr in die Notaufnahme kommen. Vielleicht sehen Sie, dass sie in einem ärmeren Wohnblock leben oder in Häusern, in denen es mehr Staub und Hausstaubmilben gibt.“

Die Hinzufügung von SDOH-Daten erzählt eine vollständigere Patientengeschichte, argumentiert Parker, und beeinflusst die Art und Weise, wie ein Leistungserbringer die Behandlung, die Aufklärung und das Pflegemanagement angeht. Aus Sicht des Gesundheitsinformationsmanagements (HIM) stellt SDOH Herausforderungen dar, die weit über die Kodierung hinausgehen. HIM-Fachleute müssen kreative und innovative Wege finden, um SDOH-Daten zu erfassen, zu analysieren und auf die ganzheitliche Gesundheitsversorgung anzuwenden.

„Gesundheitsinformationsmanager wissen, wie man über Ansprüche berichtet und wie man mit sehr strengen Datenstandards arbeitet“, sagt Claire Zimmerman, Vizepräsidentin für Produktinnovation bei HealthBI, einem Technologieunternehmen, das sich auf die Pflegekoordination konzentriert. „Aber die Chance und die Herausforderung besteht heute darin, ein wenig anders über die verfügbaren Informationsressourcen zu denken und sie mit den strukturierten Informationen zusammenzufügen, um die Geschichte dieser Person zu erzählen.“

Eine neue alte Idee

Warum hat SDOH, eine Idee, die seit der griechischen Antike im Umlauf ist, plötzlich die kollektive Vorstellungskraft der US-Gesundheitsbranche erobert? Ein Grund dafür ist laut Zimmerman die seit zehn Jahren andauernde Verlagerung hin zu wertorientierten Versorgungsmodellen.

„Die Anbieter werden zunehmend sowohl für die Ergebnisse als auch für die Kosten zur Verantwortung gezogen“, sagt Zimmerman. „Wenn ich das Risiko für die Ergebnisse einer bestimmten Bevölkerungsgruppe übernommen habe und 60 oder 80 Prozent der Faktoren, die für diese Ergebnisse verantwortlich sind, nicht direkt von mir beeinflusst werden können, dann muss ich sicherstellen, dass ich über Ressourcen und Instrumente verfüge, die mir helfen, die entsprechenden Ergebnisse zu erzielen.“

Eine Umfrage des Deloitte Center for Health Solutions ergab eine hohe Korrelation zwischen Gesundheitssystemen, die auf soziale Faktoren achten, und solchen, die an risikobasierten Zahlungsmodellen beteiligt sind.2 Trotz einiger innovativer Ansätze ist die Kluft zwischen dem Potenzial von SDOH und den tatsächlichen Ergebnissen jedoch erheblich. Laut den im September 2019 im Journal of the American Medical Association veröffentlichten Ergebnissen gaben nur 24 Prozent der Krankenhäuser und 16 Prozent der Arztpraxen an, nach SDOH-Faktoren zu screenen.3

„Man kann Ärzte finden, die das tun, und zwar hier und da, je nach Art des Programms, an dem sie beteiligt sind“, sagt Sita Kapoor, Chief Information Officer von HealthEC, einem Unternehmen für Bevölkerungsgesundheitstechnologie. „

Unlocking the Data Puzzle

Eines der größten Hindernisse für die allgemeine Nutzung von SDOH sind die Daten – wie man sie erfasst, wie man sie analysiert und wie man sie verwertbar macht.

„Die tägliche medizinische Praxis erfordert die Einhaltung von Verträgen, und diese Verträge haben sehr spezifische Ziele in Bezug auf Qualitätsmaßnahmen und Nutzung. Für SDOH gibt es in diesen Verträgen aber keine spezifischen Ziele“, sagt Parker. „Ärzte sehen vielleicht Patienten, die arm sind, inhaftiert waren oder unter Ernährungsunsicherheit leiden, aber sie können nicht viel dagegen tun.“

„Um eine wertorientierte Versorgung effektiv und nachhaltig zu gestalten, muss man sich meiner Meinung nach neben der Gesundheitsversorgung auch auf die Gesundheit konzentrieren. Um sich auf die Gesundheit konzentrieren zu können, muss man sich meiner Meinung nach stromaufwärts bewegen, um seine Reichweite in der Gemeinschaft zu vergrößern“, sagt Steve Miff, PhD, Präsident und CEO des Parkland Center for Clinical Innovation (PCCI), einer gemeinnützigen Organisation für Forschung und Entwicklung im Bereich der Gesundheitsanalytik.

„Um das tun zu können, glaube ich, dass wir unsere Gemeinschaft, unsere Patienten, aus verschiedenen Blickwinkeln besser verstehen müssen, nicht nur in Bezug auf die Gesundheitsversorgung, sondern auch in Bezug auf ihr Leben und ihr Umfeld“, sagt Miff. „Und um das zu erreichen, braucht man eine viel ausgefeiltere Datenanalyse und Möglichkeiten, diese digital mit Einrichtungen in der gesamten Gemeinschaft zu teilen, um diese Bemühungen zu koordinieren.“
Daten sind vorhanden – sie sind nur nicht leicht zu bekommen. Laut einer Umfrage der eHealth-Initiative von 2019 sind SDOH- und verhaltensbezogene Gesundheitsdaten am schwierigsten zu erheben und weiterzugeben.4

„Die Herausforderung besteht darin, dass sie in viel isolierteren, weniger ausgefeilten Systemen gespeichert sind“, sagt Miff. „Sie befinden sich in den Systemen unserer lokalen Gemeinden, in einer Excel-Tabelle, in der Essensausgabe oder in der Obdachlosenunterkunft. Wir müssen herausfinden, wie wir diese Informationen zusammenführen können. Und wenn wir die sozialen Determinanten der Gesundheit wirklich angehen wollen, müssen wir fortschrittliche Analysemethoden einsetzen, um diese Daten sinnvoll zu nutzen.“

Damit stellt sich die Frage, was mit den einmal erfassten Daten geschehen soll. „Nehmen die Organisationen die Daten einfach und legen sie in einem Ordner auf einem Computer ab, um sie bei Bedarf abzurufen? Oder gibt es eine durchdachte Planungssitzung oder eine Gelegenheit, darüber zu sprechen, wie diese Informationen in ihre umfassenderen Gesundheits-IT-Pläne integriert werden können?“ fragt Simon. „Das Ausmaß, in dem die Leute im Voraus darüber nachdenken, wie sie diese Informationen nutzen wollen, könnte einen großen Unterschied darin ausmachen, wie gut sie damit umgehen können und inwieweit sie ein Feedback daraus erhalten und darüber berichten können.“

Ideen zur Akquisition

Ein Forschungsbericht von Dell EMC und dem Analystenunternehmen IDC sagt voraus, dass das digitale Universum bis Ende 2020 44 Billionen Gigabyte an Daten enthalten wird, von denen ein Drittel von der Gesundheitsbranche gesammelt und gespeichert werden wird.5

Die Herausforderung besteht darin, dass etwa 80 Prozent dieser Gesundheitsdaten unstrukturiert sind.6 Da diese „dunklen Daten“ schwer zu identifizieren und auf geschäftliche oder klinische Herausforderungen anzuwenden sind, haben sie nur einen geringen Wert. Aus diesem Grund argumentiert Joe Nicholson, DO, ein zertifizierter Arzt und Chief Medical Officer von CareAllies, einer Tochtergesellschaft von Cigna, die mit Leistungserbringern bei der Umstellung auf eine wertorientierte Versorgung zusammenarbeitet, dass Leistungserbringer, die gerade erst eine SDOH-Initiative starten, damit beginnen sollten, den Ozean an Daten zu durchforsten, über den sie bereits verfügen.

Komplexe Organisationen, die in wertorientierte Vergütungsmodelle einsteigen, benötigen eine vernetzte Infrastruktur zur Unterstützung der netzwerkweiten Leistung. Dazu gehört die zugrundeliegende Technologie, um Daten aus einer Reihe von Quellen zu aggregieren und zu analysieren, einschließlich elektronischer Gesundheitsakten (EHRs), Laborergebnissen, zahlungspflichtigen Daten und Echtzeit-Benachrichtigungen über Aufnahme, Entlassung und Verlegung (ADT). Erweiterte Analysefunktionen schaffen neue Möglichkeiten für eine ganzheitliche Pflege.

„Für HIM-Fachleute ist SDOH ein Gespräch über Big Data Management“, sagt Nicholson. „Ich würde nach allen Berührungspunkten suchen – pharmazeutische Daten, EHR-Daten, Patientenumfragedaten -, die einen Algorithmus besser informieren können und es Organisationen ermöglichen, in etwas einzutreten, das sich mehr wie eine prädiktive Modellierung anfühlt.“

Betrachten Sie beispielsweise die Determinante der Wohnsicherheit. Bei Arcadia.io stellte einer von Simons Provider-Kunden die Hypothese auf, Obdachlosigkeit in einen der Verträge der Organisation aufzunehmen. Welche Art von Geschichte könnte aus den Daten der Organisation erzählt werden?

„Wir haben eine Menge pseudo- und halbstrukturierter Informationen durchforstet, um zu versuchen, ihnen Konzepte zuzuordnen. Wir fanden direkte Hinweise auf Obdachlosigkeit, aber auch auf das Leben in Notunterkünften, vorübergehende Unterbringung, das Leben mit der Familie – all diese Begriffe, die sich um die Idee der Wohnungsunsicherheit drehen“, erklärt Simon. „Es gab keinen strengen Arbeitsablauf oder eine Verpflichtung zur Kodierung der Daten. Aber als diese Informationen in das EHR einflossen, konnten wir damit beginnen, diese Informationen zu kodieren und zu formalisieren, um eine bessere Berichterstattung zu ermöglichen.“

Endlich wird der Großteil der SDOH-Daten aus Quellen außerhalb der Anbieterorganisation stammen. Eine wichtige Komponente der Datenerfassung ist das Verständnis, welche Arten von Informationen für den Erfolg eines SDOH-Programms entscheidend sind. HIM-Fachleute sollten in sozialen Fragen und gesundheitlicher Gleichberechtigung geschult sein und verstehen, wie Anbieter auf Informationen reagieren können.

„Die Komponente der vernetzten Gemeinschaft beginnt mit der Bewertung, um die Governance-Struktur zu verstehen und zu schaffen“, sagt Miff. „Wie kann man Prioritäten setzen und mit der Umsetzung einiger dieser Komponenten beginnen? Wer sind die Ankerorganisationen? Sie müssen zunächst Teil der Governance-Struktur sein und dann in der Lage sein, diese Arbeitsprozesse umzusetzen.“

Daten integrieren und nutzbar machen

Die Erfassung von SDOH-Informationen bedeutet nicht viel, wenn sie nicht für die Versorgung von Patientengruppen oder die Zusammenarbeit mit externen Dienstleistern genutzt werden können. Einige Organisationen, wie z. B. das Gravity Project, entwickeln Anwendungsfälle für das Screening von SDOH-Daten zur Ermittlung von Ernährungsunsicherheit, Wohnstabilität und Verkehrsanbindung sowie zur Definition und Standardisierung von Definitionen auf der Ebene der einzelnen Datenfelder.

Die Standardisierung kodierbarer SDOH-Daten steht jedoch noch am Anfang. Einige Leistungserbringer bemühen sich um eine Standardisierung innerhalb der elektronischen Patientenakte.

„Wir müssen sicher sein, dass SDOH-Daten immer an genau derselben Stelle stehen und immer auf genau dieselbe Weise ausgefüllt werden“, sagt Catrena Smith, CCS, CCS-P, CHTS-PW, CPC-I, CPC, Präsidentin von Access Quality Coding & Consulting. „In der elektronischen Patientenakte muss sichergestellt werden, dass die Informationen im gleichen Teil der Akte untergebracht und auf die gleiche Weise indiziert sind. Bei einem Patienten stehen sie also nicht in den Pflegenotizen, bei einem anderen Patienten sind sie in der Verlaufsnotiz des Arztes enthalten, und bei einem anderen Patienten stehen sie in einer Case-Management-Notiz.“

Für den HIM-Fachmann bedeutet die Komplexität dieses Zusammenspiels, dass SDOH ein echter Teamsport ist. „Wenn das HIM-Team diese Daten in Angriff nimmt, muss es ein Team zusammenbringen, vorzugsweise ein ungleiches Team aus Apothekern, Sozialarbeitern und Ärzten, um datengesteuerte Möglichkeiten zu schaffen, die Patienten mit dem höchsten Risiko zu identifizieren“, sagt Nicholson.

Um Patienten mit den entsprechenden Ressourcen in der Gemeinde zu verbinden und dann die Ergebnisse dieser Überweisungen zu bewerten, sind sowohl Interoperabilität als auch Analytik erforderlich. Entscheidend für die Nachhaltigkeit einer SDOH-Initiative ist die Schaffung einer datengesteuerten Feedback-Schleife zwischen Leistungserbringern, Patienten und gemeinnützigen Organisationen.

„Im Mittelpunkt steht eine Governance-Struktur“, sagt Miff. „Um diese Datenvision zu verwirklichen, müssen wir mit verschiedenen Einrichtungen in der Gemeinde zusammenarbeiten, sei es mit anderen Anbietern und Kostenträgern, lokalen philanthropischen Organisationen, gemeindebasierten Organisationen aus dem Spektrum der Speisekammern, Transportunternehmen, Kindertagesstätten und lokalen Gemeinden.“

Ein weiteres Puzzleteil ist die Einbindung des Patienten in diese Datenerfassungs- und Analyseinfrastruktur.

„Es reicht nicht aus, diese vernetzten Gemeinschaften zu schaffen, um die sozialen Determinanten der Gesundheit anzugehen, um einige der zugrunde liegenden Umweltfaktoren anzugehen, die mit diesen Erkrankungen verbunden sind“, sagt Miff. „Die Einbindung der Menschen selbst ist die nächste Stufe, auf die wir uns meiner Meinung nach zubewegen müssen, sei es bei den sozialen Determinanten der Gesundheit oder bei der umfassenderen Komponente der wertorientierten Versorgung.“

Putting It Together

Kürzlich stellte Miff die Ergebnisse eines SDOH-Pilotprogramms vor, das 2018 gestartet wurde und sich auf die Reduzierung von Frühgeburten konzentrierte.
„Einer der wichtigsten Aspekte der Bevölkerungsgesundheit ist es, die Hochrisikogruppen zu identifizieren und Prioritäten bei den Aktivitäten und Ressourcen zu setzen, um diejenigen zu erreichen, auf die man am meisten Einfluss nehmen kann“, sagt Miff. „In diesem Fall wollten wir die Frühgeburtenrate senken und im Vorfeld arbeiten. Eines der Schlüsselelemente war, die Zahl der Schwangerschaftsbesuche zu erhöhen und dadurch die Schwangerschaft zu verkürzen und zu verlängern, die Frühgeburtenrate zu senken, die Kosten pro Mitglied und Monat zu reduzieren und letztendlich die Müttersterblichkeit nach der Entbindung zu verringern.“

Das PCCI-Programm zur Verhinderung von Frühgeburten wurde durch Vorhersagemodelle unterstützt, die eine genaue Risikovorhersage, die Benachrichtigung der Anbieter, risikoorientierte und maßgeschneiderte Patientenaufklärung über digitale Technologie und die Neugestaltung der Arbeitsabläufe kombinieren, um die Geburtsergebnisse zu verbessern und die Frühgeburtenrate zu senken.

Das Prognosemodell bezog mehrere Datenquellen ein, darunter Angaben zu Ansprüchen, Anspruchsberechtigung, EHR und Gemeindedaten sowie demografische, klinische und sozioökonomische Daten, um das Risiko einer Frühgeburt zu jedem Zeitpunkt der Schwangerschaft vorherzusagen.
„Wir haben diese Informationen in das Prognosemodell einfließen lassen, weil wir 26.000 Schwangerschaften pro Jahr einer Risikostratifizierung unterziehen“, erklärt Miff. „Wenn man in der Lage ist, soziale Determinanten auf Blockebene abzubilden, dann Personen bestimmten Blöcken zuzuordnen und dies als einen sehr starken Proxy für die Bedürfnisse zu verwenden, die sie wahrscheinlich in ihrem täglichen Leben erfahren, kann man diese Modelle sehr effektiv in diese Vorhersagealgorithmen einbeziehen.“

Die primären Interventionen waren Textnachrichten, einschließlich Terminerinnerungen, Ernährungstipps und andere maßgeschneiderte Nachrichten. Im ersten Jahr der Intervention wurden über 21.000 einzelne Schwangerschaften prospektiv einer Risikostratifizierung unterzogen, wobei jeden Monat etwa 7.000 Schwangerschaften einer Risikostratifizierung unterzogen wurden.

Mehr als 800 Risikopatientinnen erhielten Textnachrichten, und mehr als 75 Prozent der Patientinnen waren mit dem Programm zufrieden. Im Vergleich zu den entsprechenden Kontrollgruppen nahmen die Patientinnen, die die Textnachrichten erhielten, 24 Prozent mehr Schwangerschaftsbesuche wahr und die Zahl der Frühgeburten ging um 27 Prozent zurück, so Miff.

Die technologische Back-End-Infrastruktur, die der Initiative zugrunde lag, war eine Eigenentwicklung namens Isthmus, eine Cloud-basierte Plattform für die Erfassung und Harmonisierung von Daten aus unterschiedlichen Quellen, um eine gemeinschaftliche Datenplattform zu schaffen, die Erkenntnisse auf Bevölkerungs- und Patientenebene zu SDOH liefert.

„Ein Teil unserer Reise bestand darin, dass wir versuchten, bestehende technologische Infrastrukturen zu nutzen oder bestehende Plattformen zu lizenzieren, aber letztendlich haben wir uns entschieden, unsere eigene Back-End-Technologie-Infrastruktur aufzubauen“, sagt Miff.

Bei der Entwicklung der Technologie für diese Initiative kam das PCCI zu dem Schluss, dass sie Cloud-basiert sein, maschinelles Lernen ermöglichen und über eine API-basierte Integration mit Workflow-Tools verfügen sollte.

„Wir haben sehr darauf geachtet, so viele Open-Source-Modalitäten wie möglich zu verwenden, weil dies die Zusammenarbeit und die Umsetzung von Wissen viel effektiver macht“, sagt Miff.

Neben dem Programm zur Verhinderung von Frühgeburten wurde Isthmus auch für andere SDOH-Frameworks eingesetzt. Dazu gehört eine Initiative zur Gesundheit der Bevölkerung bei pädiatrischem Asthma, die:

• Reduzierung der Besuche in der Notaufnahme um 30 Prozent
• Reduzierung der asthmabedingten stationären Aufnahmen um 42 Prozent
• Reduzierung der Kosten für die Asthmabehandlung um 36 Prozent bei Einsparungen von 12 Millionen Dollar

PCCI hat auch ein Vorhersagemodell entwickelt, mit dem in zwei Jahren mehr als 2,000 unerwünschte Arzneimittelereignisse (ADEs) bei Krankenhauspatienten zu verhindern, was durch die Verringerung von Wiedereinweisungen und ADEs Einsparungen von über 17 Millionen Dollar ermöglicht.
In den zwei Jahren, in denen das Programm bei Parkland eingeführt wurde, sind mehr als 87.000 Patienten untersucht worden, wobei 8.731 Risikopatienten identifiziert wurden. Von den Risikopatienten erhielten 16 Prozent eine rechtzeitige pharmazeutische Behandlung und mehr als 2.000 ADEs wurden verhindert. Bei Hochrisikopatienten, die eine Beratung erhielten, konnte die 30-Tage-Rückübernahmequote um 23,5 Prozent gesenkt werden.

Closing the Loop on SDOH

Für viele Leistungserbringer stellt SDOH die beste Möglichkeit dar, ein effektiveres, effizienteres und ganzheitlicheres Gesundheitssystem aufzubauen. Daten – und wie sie angewendet werden – werden eine zentrale Rolle für den Erfolg jeder SDOH-Initiative spielen, was bedeutet, dass HIM-Fachleute wesentliche Interessenvertreter sind.

„Wir wissen, dass wir im Moment, zumindest von der Kodierung her, nicht alles, was mit SDOH zu tun hat, mit einem ICD-10-CM Z-Code erfassen können. Wir können eine Menge erfassen, aber nicht alles“, sagt Smith. „Das bedeutet, dass wir uns – sofern sich nichts ändert – nicht auf ICD-10 Z-Codes als Datenpunkt für alle sozialen Faktoren verlassen können. Wir werden andere Wege finden müssen, um festzustellen, ob der Patient diesen Punkt für eine bestimmte soziale Determinante der Gesundheit erreicht hat.“

HIM-Fachleute müssen weit über Kodierungsfragen hinaus denken, wenn es um SDOH geht und wo sie einbezogen werden müssen. Im Moment gibt es mehr Fragen als Antworten:

• Wie stellen wir sicher, dass die richtigen Informationen gesammelt werden?
• Wie werden die Daten analysiert/geprüft?
• Welche SDOH-Datenelemente werden gesammelt und warum?
• Werden SDOH-Datenelemente in Bezug auf die am ehesten zu beeinflussenden Elemente für die Zwecke der Versorgung und Versorgungskoordination priorisiert?
• Werden Interessengruppen (z.B., Gesundheitseinrichtungen, Behörden, Kliniker, Kostenträger, Multi-Stakeholder-Organisationen) die wichtigsten zu erfassenden SDOH-Codes standardisiert?
• Gibt es einen Konsens darüber, welche Datenelemente erfasst werden sollten?
• Privatsphäre – welche Rolle spielt der Patient bei all dem? Sollten Mindeststandards gelten? Ist die Zustimmung des Patienten erforderlich?

Dies ist sicherlich keine erschöpfende Liste von Fragen, mit denen sich Organisationen und die Branche auseinandersetzen müssen. Es ist klar, dass HIM-Fachleute die Diskussionen der Interessengruppen über SDOH bereichern und informieren können.

Aufgrund ihres Fachwissens über Datenintegrität und ihrer Einblicke in die Person hinter den Daten kann HIM dazu beitragen, dass die besten Entscheidungen getroffen und die richtigen Fragen gestellt werden. Achten Sie auf fortlaufende Inhalte, die sich mit Fragen wie den oben genannten befassen – und mehr, wenn sich das Journal eingehender mit SDOH befasst.

Hinweise

1. Johnson, Laurie H., Patricia Chambers, und 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, no. 9: 2019. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2751390.
4. eHealth Initiative. „2019 Survey on HIE Technology Priorities.“ May 15, 2019. www.ehidc.org/resources/2019-survey-hie-technology-priorities.
5. IDC. „The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things.“ April 2014. www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm.
6. Tolson, Bill. „Where Should Healthcare Data Be Stored In 2018 – And Beyond?“ Health IT Outcomes. 20. Februar 2018. www.healthitoutcomes.com/doc/where-should-healthcare-data-be-stored-in-and-beyond-0001.

Matt Schlossberg ([email protected]) ist Redakteur beim Journal of AHIMA.

Impact Area

Connection: Erleichterung des optimalen Datenaustauschs zwischen Anbietern, Verbrauchern, Gesundheitsinformationsnetzen und Gesundheitsplänen durch technologiegestützten, sicheren Zugang zu elektronischen Gesundheitsinformationen