Az asztma a gyermekgyógyászat egyik legjelentősebb krónikus betegsége, amely hétmillió gyermeket érint az Egyesült Államokban. Egy tanulmány szerint az asztma súlyosbodása “becslések szerint évente 14 millió hiányzó iskolai napot és több mint 1,8 millió sürgősségi osztályos látogatást okoz. “1

A gyermekkori asztma miatti többszörös sürgősségi osztályos (ED) látogatások és felvételek legjelentősebb nem élettani meghatározó tényezői közé tartoznak a faji, etnikai és társadalmi-gazdasági egyenlőtlenségek. A gyermekkori asztma és a társadalmi és környezeti egyenlőtlenségek közötti kapcsolat évtizedek óta ismert. Sajnos az a képesség, hogy ezeket a tényezőket beépítsék az egyén vagy a populáció egészségügyi útjába, szórványos volt.

A kulcsfontosságú technológiai fejlesztések és az értékalapú ellátásra való ágazati szintű átállás azonban lehetővé tette a szolgáltatók számára, hogy az adatokat felhasználva a beteg egészségügyi nyilvántartásán túl az egészség minőségét befolyásoló társadalmi-gazdasági körülményeket is megvizsgálják.

Ezeket a nem orvosi elemeket az egészség társadalmi meghatározó tényezői (SDOH) kifejezés alatt csoportosítják. “A páciens történetének megértése nem csupán a kórtörténet azonosítása, hanem a sérülékenységük azonosítása is” – mondja Michael A. Simon, PhD, az Arcadia.io vezető adattudósa, egy populáció-egészségügyi menedzsmenttel foglalkozó vállalat, amely az értékalapú ellátást szolgáló adataggregálási, elemzési és munkafolyamat-szoftverekre specializálódott. “Lehetőség van arra, hogy az adatok segítségével ne csak a tipikus orvosi ok-okozati összefüggésekre következtessünk, amelyeket a krónikus állapotokhoz rendelünk, hanem megvizsgáljuk azokat a tényezőket is, amelyek befolyásolhatják azokat.”

Más szóval, az orvosi adatok önmagukban nem mondanak teljes történetet.

“A szándék az, hogy széles körű adatokkal dolgozzunk” – mondja Rich Parker, MD, az Arcadia.io vezető orvosigazgatója. ” egy konkrét példa, ahol az információs technológia azonosítja azokat a betegeket, akiknek speciális gondozáskezelésre vagy szociális jóléti beavatkozásra van szükségük. Ez az a pont, ahol valóban eljuthatunk a klinikai adatok és a társadalmi meghatározó tényezők közötti kölcsönhatás azonosításának szintjére. Állítsunk össze egy nyilvántartást az asztmás betegekről, és keresztezzük ezt a szociális meghatározó adatokkal. Nézzük meg azokat a betegeket, akik évente többször is megfordulnak a sürgősségi osztályon. Talán látja, hogy szegényebb népszámlálási tömbben élnek, vagy olyan házban laknak, ahol több a por és a poratka.”

Az SDOH adatok hozzáadása teljesebb betegtörténetet mesél el, állítja Parker, és befolyásolja, hogy a szolgáltató hogyan közelíti meg a kezelést, az oktatást és a gondozás irányítását. Az egészségügyi információkezelés (HIM) szempontjából az SDOH olyan kihívásokat jelent, amelyek messze túlmutatnak a kódoláson. A HIM-szakembereknek kreatív és innovatív módszereket kell találniuk az SDOH-adatok megszerzésére, elemzésére és alkalmazására az egész személyre kiterjedő egészségügyi ellátásban.

“Az egészségügyi információs menedzserek értik, hogyan kell jelenteni a követelésekről, és hogyan kell nagyon szigorú adatszabványokkal dolgozni” – mondja Claire Zimmerman, a HealthBI, egy gondozáskoordinációra összpontosító technológiai vállalat termékinnovációs alelnöke. “De a mai lehetőség és kihívás az, hogy egy kicsit másképp gondolkodjunk a rendelkezésre álló információs forrásokról, és a strukturált információkkal összerakjuk, hogy elmondhassuk az adott személy történetét.”

Egy új régi ötlet

Miért ragadta meg hirtelen az SDOH, egy olyan ötlet, amely már a görög ókor óta létezik, az amerikai egészségügyi ágazat kollektív képzeletét? Zimmerman szerint ennek oka részben az évtizedes elmozdulás az értékalapú ellátási modellek felé.

“A szolgáltatókat egyre inkább felelősségre vonják mind az eredményekért, mind a költségekért” – mondja Zimmerman. “Ha kockázatot vállaltam egy adott populáció eredményeiért, és az eredmények 60 vagy 80 százalékát nem tudom közvetlenül befolyásolni, akkor gondoskodnom kell arról, hogy rendelkezésre álljanak olyan erőforrások és eszközök, amelyek segítenek a megfelelő eredmények elérésében.”

A Deloitte Center for Health Solutions felmérése magas korrelációt talált a társadalmi meghatározó tényezők szűrését végző egészségügyi rendszerek és a kockázatos fizetési modellekben részt vevő rendszerek között.2 Az innovációs zónák ellenére azonban jelentős a szakadék az SDOH-ban rejlő lehetőségek és a tényleges eredmények között. A Journal of the American Medical Association 2019 szeptemberében közzétett megállapításai szerint a kórházak mindössze 24 százaléka és az orvosi rendelők 16 százaléka számolt be az SDOH-tényezők szűréséről.3

“Találhatunk olyan orvosokat, akik ezt csinálják, és itt-ott darabokban, attól függően, hogy milyen típusú programban vesznek részt” – mondja Sita Kapoor, a HealthEC, egy népegészségügyi technológiai vállalat informatikai igazgatója. “De holisztikusan nézve senki sem gyűjti össze azokat az SDOH-adatelemeket, amelyekre szükségünk van ahhoz, hogy elősegítsük az egészségügyi eredmények javítását.”

Unlocking the Data Puzzle

Az SDOH általános felhasználásának egyik legjelentősebb akadálya az adat – hogyan lehet megszerezni, hogyan lehet elemezni és hogyan lehet hasznosítani.

“A napi orvosi gyakorlat megköveteli a szerződések betartását, és ezeknek a szerződéseknek nagyon konkrét céljaik vannak a minőségi intézkedések és a felhasználás tekintetében. És ezekben a szerződésekben nincsenek konkrét célok az SDOH-ra vonatkozóan” – mondja Parker. “Az orvosok találkozhatnak olyan betegekkel, akik szegények, bebörtönzöttek vagy élelmezési bizonytalanságban szenvednek, de nem sokat tehetnek ez ellen.”

“Az értékalapú ellátás hatékony bevezetése és fenntartása érdekében úgy gondolom, hogy az egészségügy mellett az egészségre is összpontosítani kell. Ahhoz, hogy az egészségre összpontosíthassunk, úgy gondolom, hogy felfelé kell mozdulnunk, hogy kiterjesszük a közösségre a hatókörünket” – mondja Steve Miff, PhD, a Parkland Center for Clinical Innovation (PCCI), egy nonprofit egészségügyi analitikai kutatás-fejlesztési szervezet elnök-vezérigazgatója.

“Ahhoz, hogy ezt megtehessük, úgy gondolom, hogy jobban meg kell értenünk a közösségünket, a betegeinket, több szempontból, nem csak az egészségügy, hanem az életük, a környezetük szempontjából” – mondja Miff. “És ahhoz, hogy ezt megtehessük, sokkal kifinomultabb adatelemzésre van szükségünk, valamint arra, hogy digitálisan megoszthassuk ezeket az adatokat az egész közösséggel, hogy összehangoljuk ezeket az erőfeszítéseket.”
Az adatok rendelkezésre állnak – csak nem könnyű hozzájutni. Az eHealth Initiative 2019-es felmérése szerint az SDOH és a viselkedési egészségügyi adatok a legnehezebben gyűjthető és megosztható információtípusok.4

“A kihívást az jelenti, hogy ezek sokkal elszigeteltebb, kevésbé kifinomult rendszerekben találhatók” – mondja Miff. “A helyi önkormányzatok rendszereiben, egy Excel-táblázatban, az élelmezési kamrában vagy a hajléktalanszállón található. Ki kell találnunk, hogyan hozzuk össze ezeket az információkat. És ahhoz, hogy valóban elkezdhessük kezelni az egészséget befolyásoló társadalmi tényezőket, fejlett analitikát kell alkalmaznunk, hogy értelmet adjunk ezeknek az adatoknak.”

Ez elvezet ahhoz a kérdéshez, hogy mit kezdjünk az adatokkal, ha már megszereztük őket. “A szervezetek csak megragadják az adatokat, bedobják egy mappába valahol egy számítógépen, és bármikor előhívják, amikor szükség van rájuk? Vagy tartanak egy átgondolt tervezési ülést vagy lehetőséget arra, hogy átbeszéljék, hogyan épülnek be ezek az információk a nagyobb egészségügyi informatikai terveikbe?” kérdezi Simon. “Az, hogy az emberek mennyire gondolják át előre, hogyan akarják felhasználni ezeket az információkat, nagyban befolyásolhatja, hogy mennyire jól tudnak cselekedni, és mennyire tudnak visszajelzést kapni belőlük és jelentést tenni róluk.”

Ideák a beszerzéshez

A Dell EMC és az IDC elemző cég kutatási jelentése szerint a digitális univerzum 2020 végére 44 billió gigabájtnyi adatot fog tartalmazni, amelynek egyharmadát az egészségügyi ágazat fogja gyűjteni és tárolni.5

A kihívás az, hogy ezeknek az egészségügyi adatoknak mintegy 80 százaléka strukturálatlan.6 Mivel ezeket a “sötét adat” elemeket nehéz azonosítani és üzleti vagy klinikai kihívásokra alkalmazni, kevés eredendő értékkel bírnak. Emiatt Joe Nicholson, DO, a Cigna leányvállalatának, a CareAllies-nek, amely a szolgáltatókkal az értékalapú ellátásra való áttérésben együttműködik, igazgatótanácsi minősítéssel rendelkező orvosa és vezető orvosigazgatója amellett érvel, hogy az SDOH-kezdeményezésbe most belépő szolgáltató szervezetek azzal kezdhetik, hogy belenéznek a már meglévő adattengerükbe.

Az értékalapú fizetési modellekbe belépő komplex szervezeteknek összekötő infrastruktúrára van szükségük a hálózati szintű teljesítmény támogatásához. Ez magában foglalja a különböző forrásokból származó adatok aggregálására és elemzésére szolgáló mögöttes technológiát, beleértve az elektronikus egészségügyi nyilvántartásokat (EHR), a laboratóriumi eredményeket, a kárigény-alapú fizetőeszközöket, valamint a valós idejű felvételi, elbocsátási és átszállítási (ADT) értesítéseket. A fejlett elemzési képességek új lehetőségeket teremtenek a teljes körű ellátás számára.

“A HIM szakemberek számára az SDOH egy beszélgetés a nagy adatmenedzsmentről” – mondja Nicholson. “Én az összes érintkezési pontot keresném – gyógyszerészeti adatok, EHR-adatok, betegfelmérési adatok -, amelyek jobban informálhatnak egy algoritmust, és lehetővé teszik a szervezetek számára, hogy belépjenek valami olyanba, ami inkább a prediktív modellezéshez hasonlít.”

Vegyük például a lakásbiztonság meghatározó tényezőjét. Az Arcadia.io-nál Simon egyik szolgáltató ügyfele feltételezte, hogy a szervezet egyik szerződéséhez hozzáadják a hajléktalanságot. Milyen történetet lehetne elmesélni a szervezet saját adataiból?

“Rengeteg ál- és félig strukturált információban turkáltunk, hogy megpróbáljunk fogalmakat rendelni hozzájuk. Találtunk közvetlen utalásokat a hajléktalanságra, de találtunk menedékhelyen élésre, ideiglenes lakhatásra, családdal való együttélésre is – mindenféle olyan fogalomra, amely a lakhatás bizonytalanságának gondolata körül forog” – magyarázza Simon. “Nem volt erős munkafolyamat vagy a kódolás iránti elkötelezettség az adatokhoz kapcsolódóan. De ahogy ezek az információk bekerültek az EHR-be, el tudtuk kezdeni kódolni és formalizálni ezeket az információkat, hogy lehetővé tegyük a jobb jelentéstételt.”

Az SDOH-adatok nagy része végül is a szolgáltató szervezeten kívüli forrásokból származik. Az adatszerzés fontos eleme annak megértése, hogy milyen típusú információk kritikusak az SDOH program sikeréhez. A HIM-szakembereknek képzettnek kell lenniük a társadalmi kérdésekről és az egészségügyi méltányosságról, valamint meg kell érteniük, hogy a szolgáltatók hogyan cselekedhetnek az információk alapján.

“Az összekapcsolt közösség összetevője az értékeléssel kezdődik, hogy megértsük és létrehozzuk az irányítási struktúrát” – mondja Miff. “Hogyan lehet ténylegesen rangsorolni és elkezdeni ezeknek az összetevőknek a telepítését? Kik a horgonyzó szervezetek? Kezdetben az irányítási struktúra részévé kell válniuk, majd el kell kezdeniük ezeket a munkafolyamatokat bevezetni.”

Az adatok integrálása és felhasználása

Az SDOH-információk megszerzése nem sokat ér, ha azokat nem lehet felhasználni a betegcsoportok kiszolgálására vagy a külső szolgáltató szervezetekkel való együttműködésre. Egyes szervezetek, mint például a Gravity Project, az SDOH-adatok szűrésével kapcsolatos felhasználási eseteket dolgoznak ki az élelmiszerellátás bizonytalanságának, a lakhatás stabilitásának és a közlekedéshez való hozzáférésnek az azonosítására, valamint a definíciók meghatározására és szabványosítására az egyes adatmezők szintjén.

A kódolható SDOH-adatok szabványosítása azonban még csak most kezdődik. Néhány szolgáltató szervezet az EHR-en belül próbálkozik a szabványosítással.

“Biztosnak kell lennünk abban, hogy az SDOH adatok mindig pontosan ugyanott lesznek, mindig pontosan ugyanúgy lesznek kitöltve” – mondja Catrena Smith, CCS, CCS-P, CHTS-PW, CPC-I, CPC, az Access Quality Coding & Consulting elnöke. “Az EHR-ben biztosítva, hogy az információ a kórlap ugyanabban a részében legyen elhelyezve, és ugyanúgy legyen indexelve. Tehát az egyik beteg esetében nem az ápolási feljegyzésekben van, egy másik beteg esetében pedig az orvos által készített állapotfelmondásban, egy másik beteg esetében pedig valamilyen esetkezelési feljegyzésben.”

A HIM szakemberek számára ennek a kölcsönhatásnak az összetettsége azt jelenti, hogy az SDOH nagyon is csapatsport. “Amikor a HIM-csapat megbirkózik ezekkel az adatokkal, akkor egy csapatot kell összefogni, lehetőleg gyógyszerészekből, szociális munkásokból és orvosokból álló szétszórt csapatot, hogy olyan adatvezérelt lehetőségeket hozzanak létre, amelyekkel azonosítani lehet a legnagyobb kockázatot jelentő betegeket” – mondja Nicholson.

A betegek megfelelő közösségi erőforrásokkal való összekapcsolása, majd a beutalások eredményeinek értékelése interoperabilitást és analitikát egyaránt igényel. Az SDOH-kezdeményezés fenntarthatóságához elengedhetetlen az adatvezérelt visszacsatolási hurok létrehozása a szolgáltatók, a betegek és a közösségi szolgáltató szervezetek között.

“Ennek középpontjában egy irányítási struktúra áll” – mondja Miff. “Ahhoz, hogy lehetővé tegyük ezt az adatvíziót, több szervezettel kell együttműködnünk a közösségben, legyen szó más szolgáltatókról és fizetőkről, helyi filantróp szervezetekről, közösségi alapú szervezetekről az élelmezési éléskamrák, a szállítás, a nappali ellátás és a helyi önkormányzatok teljes spektrumában.”

A kirakós játék másik darabja a beteg integrálása ebbe az adatgyűjtési és elemzési infrastruktúrába.”

“Nem elég csak ezeket az összekapcsolt közösségeket létrehozni az egészség társadalmi meghatározó tényezőinek kezelése érdekében, hogy kezeljünk néhány olyan környezeti tényezőt, amelyek az adott állapotokhoz kapcsolódnak” – mondja Miff. “Maguknak az egyéneknek a bevonása a következő szint, amely felé szilárdan hiszem, hogy el kell mozdulnunk, akár az egészség társadalmi meghatározóiról van szó, akár az értékalapú ellátás tágabb összetevőjéről.”

Az összefogás

A közelmúltban Miff, bemutatta egy 2018-ban indított SDOH kísérleti program eredményeit, amely a koraszülések csökkentésére összpontosított.
“A népesség egészségének egyik kulcsa, hogy képesek legyünk azonosítani, ki a magas kockázatú, és rangsorolni a tevékenységeinket és erőforrásainkat, hogy képesek legyünk elérni azokat, akikre a legnagyobb hatást gyakorolhatjuk” – mondja Miff. “Ebben az esetben csökkenteni akartuk a koraszülések arányát, és felfelé akartunk dolgozni. Az egyik kulcselem a szülés előtti látogatások látogatottságának növelése volt, majd ezen keresztül a terhesség csökkentése és meghosszabbítása, a koraszülések arányának csökkentése, a tagonkénti havi költségek csökkentése, és végül a szülés utáni anyai halálozás általános csökkentése.”

A PCCI koraszülés-megelőzési programját a pontos kockázati előrejelzést, a szolgáltatói értesítést, a kockázatalapú és személyre szabott betegoktatást a digitális technológián keresztül, valamint a munkafolyamatok átalakítását kombináló előrejelző modellek táplálták a szülési eredmények javítása és a koraszülések arányának csökkentése érdekében.

A prediktív modell több adatforrást is beépített, beleértve a követeléseket, a jogosultságot, az EHR-t és a közösségi adatokat, valamint a demográfiai, klinikai és társadalmi-gazdasági adatokat, hogy megjósolja a koraszülés kockázatát a terhesség bármely pontján.
“Azért építettük be ezeket az információkat a prediktív modellbe, mert évente 26 000 terhesség kockázati rétegzését végezzük” – magyarázza Miff. “Ha képesek vagyunk feltérképezni a társadalmi meghatározó tényezőket a blokkok szintjén, majd az egyének földrajzi térképét konkrét blokkokhoz rendelni, és ezt nagyon erős helyettesítő eszközként használni a mindennapi életükben valószínűleg tapasztalt szükségletekhez, akkor ezeket a modelleket nagyon hatékonyan beépíthetjük ezekbe a prediktív algoritmusokba.”

Az elsődleges beavatkozások szöveges üzenetek voltak, beleértve az időpont-emlékeztetőket, táplálkozási tippeket és egyéb személyre szabott üzeneteket. A beavatkozás első évében több mint 21 000 egyedi terhesség esetében végeztek prospektív kockázati besorolást, és havonta körülbelül 7 000 terhesség esetében végeztek kockázati besorolást.

Több mint 800 veszélyeztetett beteg kapott szöveges üzeneteket, és a betegek több mint 75 százaléka elégedettségről számolt be a programmal kapcsolatban. Összehasonlítva a megfelelő kontrollcsoporttal, a szöveges üzeneteket kapó betegeknél 24 százalékkal nőtt a szülés előtti látogatások látogatottsága és 27 százalékkal csökkent a korai koraszülés, mondja Miff.

A kezdeményezést tápláló háttér-technológiai infrastruktúra egy saját fejlesztésű alkotás volt, az Isthmus, egy felhőalapú platform, amely különböző forrásokból származó adatok gyűjtésére és harmonizálására szolgál, hogy létrehozzon egy közösségi adatplatformot a populációs és betegszintű betekintés levonására az SDOH-ra vonatkozóan.

“Az utunk során részben megpróbáltuk kihasználni a meglévő technológiai infrastruktúrát vagy licencelni a meglévő platformokat, de végül úgy döntöttünk, hogy saját back-end technológiai infrastruktúrát építünk” – mondja Miff.

A kezdeményezéshez szükséges technológia létrehozásakor a PCCI arra a következtetésre jutott, hogy annak felhőalapúnak kell lennie, lehetővé kell tennie a gépi tanulást, és API-alapú integrációval kell rendelkeznie a munkafolyamat-eszközökkel.

“Nagyon átgondoltuk, hogy minél több nyílt forráskódú modalitást használjunk, mert ez sokkal hatékonyabban megkönnyíti az együttműködést és a tudás lefordítását” – mondja Miff.

A koraszülés megelőzési program mellett az Isthmus-t más SDOH-keretekben is bevetették. Ezek közé tartozik egy gyermekkori asztmás népegészségügyi kezdeményezés, amely:

• 30 százalékkal csökkentette a sürgősségi osztályon tett látogatásokat
• 42 százalékkal csökkentette az asztmával kapcsolatos fekvőbeteg-felvételeket
• 36 százalékkal csökkentette az asztmás ellátás költségeit, ami 12 millió dolláros megtakarítást eredményezett

A PCCI kifejlesztett egy előrejelző modellt is, amely két év alatt segített megelőzni több mint 2,000 nemkívánatos gyógyszeres eseményt (ADE) a kórházi betegeknél, ami több mint 17 millió dolláros potenciális megtakarítást eredményezett a visszafogadás és az ADE-k csökkentésével.
A Parklandben a program bevezetésének két éve alatt több mint 87 000 beteget vizsgáltak meg, és 8731 magas kockázatú beteget azonosítottak. A magas kockázatú betegek 16 százaléka részesült időben gyógyszerészeti beavatkozásban, és több mint 2000 ADE-t sikerült megelőzni. A konzultációban részesülő magas kockázatú betegek esetében a 30 napos újrafelvételi arány 23,5 százalékkal csökkent.

Closing the Loop on SDOH

A SDOH sok szolgáltató számára a legjobb esélyt jelenti egy hatékonyabb, hatékonyabb és holisztikusabb egészségügyi rendszer kiépítésére. Az adatok – és azok alkalmazásának módja – központi szerepet fognak játszani minden SDOH-kezdeményezés sikerében, ami azt jelenti, hogy a HIM-szakemberek alapvető érdekeltek.

“Tudjuk, hogy jelenleg, legalábbis kódolási szempontból, nem tudunk mindent, ami az SDOH-hoz kapcsolódik, ICD-10-CM Z kóddal rögzíteni. Sok mindent meg tudunk ragadni, de nem mindent” – mondja Smith. “Ez azt jelenti, hogy – hacsak nem változik valami – nem fogunk tudni az ICD-10 Z kódokra támaszkodni, mint az összes társadalmi tényezőre vonatkozó adatpontra. Más módszereket kell kitalálnunk annak megállapítására, hogy a beteg elérte-e az egészséget meghatározó társadalmi tényezőt.”

A HIM szakembereknek a kódolási kérdéseken túlmutatóan kell gondolkodniuk, amikor az SDOH-ról van szó, és arról, hogy hol kell részt venniük. Jelenleg sokkal több a kérdés, mint a válasz:

• Hogyan biztosítjuk, hogy a megfelelő információkat gyűjtik?
• Hogyan fogják az adatokat elemezni/ellenőrizni?
• Milyen SDOH adatelemeket gyűjtenek és miért?
• Az SDOH adatelemeket prioritásként kezelik abból a szempontból, hogy azok a legnagyobb valószínűséggel befolyásolhatók-e az ellátás nyújtása és az ellátás koordinálása szempontjából?
• Az érdekelt felek (például, egészségügyi intézmények, kormányzati szervek, klinikusok, kifizetők, több érdekelt felet tömörítő szervezetek) szabványosítják a legfontosabb SDOH kódokat?
• Van-e konszenzus arról, hogy mely adatelemeket kell gyűjteni?
• Adatvédelem – mi a beteg szerepe ebben az egészben? Alkalmazni kell-e a minimálisan szükséges szabványokat? Szükség van-e a beteg beleegyezésére?

Ez természetesen nem a szervezetek és az iparág által megválaszolandó kérdések teljes listája. Egyértelmű, hogy a HIM szakemberek javíthatják és tájékoztathatják az érdekelt feleket az SDOH-ról folytatott megbeszélésekről.

A HIM az adatok integritása terén szerzett szakértelmük és az adatok mögött álló személyre való rálátásuk révén segíthet biztosítani, hogy a legjobb döntések szülessenek, és hogy a megfelelő kérdéseket tegyék fel. Keresse a fentiekhez hasonló kérdésekkel foglalkozó folyamatos tartalmakat – és még többet – ahogy a folyóirat egyre mélyebbre ás az SDOH-ban.

Jegyzetek

1. Johnson, Laurie H., Patricia Chambers, and Judith W. Dexheimer. “Asthma-related emergency department use: current perspectives,” Open Access Emergency Medicine 8:2016, pp. 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-es felmérés a HIE technológiai prioritásokról”. May 15, 2019. www.ehidc.org/resources/2019-survey-hie-technology-priorities.
5. IDC. “A lehetőségek digitális univerzuma: Rich Data and the Increasing Value of the Internet of Things (Gazdag adatok és a dolgok internetének növekvő értéke)”. April 2014. www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm.
6. Tolson, Bill. “Hol kell tárolni az egészségügyi adatokat 2018-ban – és azon túl?” Health IT Outcomes (Egészségügyi informatikai eredmények). February 20, 2018. www.healthitoutcomes.com/doc/where-should-healthcare-data-be-stored-in-and-beyond-0001.

Matt Schlossberg ([email protected]) a Journal of AHIMA szerkesztője.

Impact Area

Connection: A szolgáltatók, a fogyasztók, az egészségügyi információs hálózatok és az egészségügyi tervek közötti optimális adatmegosztás elősegítése az elektronikus egészségügyi információkhoz való technológiaalapú, biztonságos hozzáférés révén

.