Astma jest jedną z najbardziej znaczących chorób przewlekłych w medycynie dziecięcej, dotykającą siedem milionów dzieci w Stanach Zjednoczonych. Według jednego z badań, zaostrzenie astmy odpowiada za „szacunkowo 14 milionów opuszczonych dni w szkole i ponad 1,8 miliona wizyt na oddziale ratunkowym każdego roku. „1

Najważniejsze niefizjologiczne determinanty wielokrotnych wizyt na oddziale ratunkowym (ED) i przyjęć z powodu astmy dziecięcej obejmują rasę, pochodzenie etniczne i różnice społeczno-ekonomiczne. Powiązania między astmą dziecięcą a różnicami społecznymi i środowiskowymi są ustalone od dziesięcioleci. Niestety, zdolność do włączenia tych czynników w proces opieki zdrowotnej nad jednostką lub populacją była sporadyczna.

Jednakże postęp technologiczny i ogólnobranżowa zmiana w kierunku opieki opartej na wartości dały świadczeniodawcom możliwość wykorzystania danych w celu spojrzenia poza dokumentację medyczną pacjenta na okoliczności socjoekonomiczne, które wpływają na jakość zdrowia.

Te elementy pozamedyczne są zgrupowane pod terminem społecznych uwarunkowań zdrowia (SDOH). „Zrozumienie historii pacjenta to nie tylko identyfikacja historii medycznej, to także identyfikacja jego podatności na zagrożenia” – mówi dr Michael A. Simon, główny badacz danych w Arcadia.io, firmie zajmującej się zarządzaniem zdrowiem populacji, która specjalizuje się w agregacji danych, analizie i oprogramowaniu do przepływu pracy dla opieki opartej na wartości. „Istnieje możliwość wykorzystania danych do wnioskowania nie tylko o typowym medycznym związku przyczynowym, który przypisujemy schorzeniom przewlekłym, ale także do przyjrzenia się czynnikom, które mogą na nie wpływać.”

Innymi słowy, same dane medyczne opowiadają niekompletną historię.

„Naszym zamiarem jest posiadanie szerokiego zestawu danych, z których można korzystać” – mówi Rich Parker, MD, główny dyrektor ds. medycznych w Arcadia.io. ” jest konkretnym przykładem, w którym technologia informacyjna identyfikuje pacjentów potrzebujących szczególnego zarządzania opieką lub interwencji w zakresie opieki społecznej. W tym miejscu naprawdę możemy zejść do poziomu identyfikacji wzajemnego oddziaływania danych klinicznych i uwarunkowań społecznych. Załóżmy rejestr pacjentów z astmą i połączmy go z danymi dotyczącymi uwarunkowań społecznych. Przyjrzyj się pacjentom, którzy trafiają do ED kilka razy w roku. Może zauważysz, że mieszkają w biedniejszych dzielnicach lub w domach, w których jest więcej kurzu i roztoczy.”

Dodanie danych SDOH opowiada pełniejszą historię pacjenta, twierdzi Parker, i wpłynie na sposób, w jaki świadczeniodawca podchodzi do leczenia, edukacji i zarządzania opieką. Z perspektywy zarządzania informacjami zdrowotnymi (HIM), SDOH stawia wyzwania, które wykraczają daleko poza kodowanie. Specjaliści HIM muszą znaleźć kreatywne i innowacyjne sposoby pozyskiwania, analizowania i stosowania danych SDOH do opieki zdrowotnej nad całą osobą.

„Kierownicy ds. informacji zdrowotnych rozumieją, jak raportować roszczenia i jak pracować z bardzo rygorystycznymi standardami danych” – mówi Claire Zimmerman, wiceprezes ds. innowacji produktu w HealthBI, firmie technologicznej koncentrującej się na koordynacji opieki. „Ale dzisiejsza szansa i wyzwanie polega na tym, aby myśleć nieco inaczej o dostępnych zasobach informacji i połączyć je z tymi ustrukturyzowanymi informacjami, aby opowiedzieć historię tej osoby.”

Nowa stara idea

Dlaczego SDOH, idea, która krąży od czasów greckiej starożytności, nagle zawładnęła zbiorową wyobraźnią amerykańskiego sektora opieki zdrowotnej? Częściowym powodem jest trwająca dekadę zmiana w kierunku modeli opieki opartych na wartości, według Zimmermana.

„Świadczeniodawcy są coraz bardziej odpowiedzialni zarówno za wyniki, jak i koszty” – mówi Zimmerman. „Jeśli wziąłem na siebie ryzyko związane z wynikami danej populacji, a 60 procent lub 80 procent tego, co wpływa na te wyniki, nie jest w rzeczywistości bezpośrednio zależne ode mnie, to muszę się upewnić, że mam dostępne zasoby i narzędzia, aby pomóc w osiągnięciu odpowiednich wyników.”

Badanie przeprowadzone przez Deloitte Center for Health Solutions wykazało wysoką korelację między systemami opieki zdrowotnej, które prowadziły badania przesiewowe pod kątem uwarunkowań społecznych, a tymi zaangażowanymi w modele płatności oparte na ryzyku.2 Jednak pomimo kieszeni innowacji, przepaść między potencjałem SDOH a rzeczywistymi wynikami jest znaczna. Zgodnie z ustaleniami opublikowanymi we wrześniu 2019 r. przez Journal of the American Medical Association, tylko 24 procent szpitali i 16 procent praktyk lekarskich zgłosiło badania przesiewowe pod kątem czynników SDOH.3

„Możesz znaleźć lekarzy, którzy to robią i w kawałkach tu i tam w oparciu o rodzaj programu, w którym mogą być”, mówi Sita Kapoor, dyrektor ds. informacji w HealthEC, firmie zajmującej się technologią zdrowia populacji. „Ale w ujęciu holistycznym nikt tak naprawdę nie gromadzi danych dotyczących SDOH, których potrzebujemy, aby pomóc w osiąganiu wyników zdrowotnych.”

Unlocking the Data Puzzle

Jedną z najbardziej znaczących barier na drodze do wykorzystania SDOH w głównym nurcie są dane – jak je pozyskiwać, jak analizować i jak sprawić, aby można było z nich korzystać. W kontraktach tych nie ma konkretnych celów dotyczących SDOH” – mówi Parker. „Lekarze mogą spotykać się z pacjentami, którzy są biedni, zostali uwięzieni lub doświadczają braku bezpieczeństwa żywnościowego, ale tylko tyle mogą z tym zrobić.”

„Aby skutecznie wdrożyć opiekę opartą na wartości i utrzymać ją, uważam, że oprócz opieki zdrowotnej należy skupić się na zdrowiu. Aby móc skupić się na zdrowiu, uważam, że trzeba iść w górę rzeki, aby rozszerzyć swój zasięg w społeczności” – mówi dr Steve Miff, prezes i dyrektor generalny Parkland Center for Clinical Innovation (PCCI), organizacji non-profit zajmującej się badaniami i rozwojem w zakresie analityki w opiece zdrowotnej.

„Aby móc to zrobić, uważam, że musimy lepiej zrozumieć naszą społeczność, naszych pacjentów, z wielu punktów widzenia, nie tylko opieki zdrowotnej, ale ich życia, ich środowiska” – mówi Miff. „I aby być w stanie to zrobić, potrzebujesz znacznie bardziej zaawansowanej analityki danych i sposobów cyfrowego dzielenia się nimi z podmiotami w całej społeczności, aby skoordynować te wysiłki.”
Dostępne są dane – po prostu nie jest łatwo się do nich dostać. Według badania eHealth Initiative z 2019 r. dane dotyczące SDOH i zdrowia behawioralnego są najtrudniejszymi typami informacji do gromadzenia i udostępniania.4

„Wyzwanie polega na tym, że dane te znajdują się w znacznie bardziej odizolowanych, mniej zaawansowanych systemach” – mówi Miff. „Znajdują się one w systemach naszych lokalnych gmin, w arkuszu Excela, w spiżarni lub schronisku dla bezdomnych. Musimy dowiedzieć się, jak zebrać te informacje razem. A żeby naprawdę zacząć zajmować się społecznymi determinantami zdrowia, musimy wykorzystać zaawansowaną analitykę, aby nadać sens tym danym.”

Prowadzi to do pytania, co zrobić z danymi po ich pozyskaniu. „Czy organizacje po prostu zbierają dane i wrzucają je do folderu na komputerze, a następnie przywołują je, kiedy tylko są potrzebne? Czy może mają przemyślaną sesję projektową lub możliwość omówienia, w jaki sposób te informacje zostaną włączone do ich szerszych planów IT dla zdrowia?” pyta Simon. „Stopień, w jakim ludzie myślą z wyprzedzeniem o tym, jak chcą, aby te informacje były wykorzystywane, może stanowić dużą różnicę w tym, jak dobrze mogą na nich działać i jak wiele mogą uzyskać informacji zwrotnych i raportów na ich temat.”

Pomysły na przejęcie

Raport badawczy firmy Dell EMC i firmy analitycznej IDC przewiduje, że cyfrowy wszechświat będzie zawierał 44 biliony gigabajtów danych do końca 2020 r., z czego jedna trzecia będzie gromadzona i przechowywana przez służbę zdrowia.5

Wyzwanie polega na tym, że około 80 procent tych danych dotyczących opieki zdrowotnej jest nieustrukturyzowanych.6 Ponieważ te elementy „ciemnych danych” są trudne do zidentyfikowania i zastosowania w wyzwaniach biznesowych lub klinicznych, mają one niewielką wartość wewnętrzną. Z tego powodu Joe Nicholson, DO, lekarz z certyfikatem zarządu i dyrektor medyczny CareAllies, filii Cigna, która współpracuje ze świadczeniodawcami w przechodzeniu na opiekę opartą na wartości, twierdzi, że organizacje świadczeniodawców dopiero rozpoczynające inicjatywę SDOH mogą zacząć od zajrzenia do oceanu danych, które już posiadają.

Kompleksowe organizacje wchodzące w modele płatności oparte na wartości potrzebują infrastruktury łączącej, aby wspierać wydajność całej sieci. Obejmuje to technologię bazową do agregowania i analizowania danych z wielu źródeł, w tym elektronicznych kart zdrowia (EHR), wyników laboratoryjnych, danych płatnika opartych na roszczeniach oraz powiadomień w czasie rzeczywistym o przyjęciu, wypisie i przeniesieniu (ADT). Zaawansowane możliwości analityczne stwarzają nowe możliwości dla opieki nad całą osobą.

„Dla specjalistów HIM, SDOH to rozmowa o zarządzaniu dużymi danymi”, mówi Nicholson. „Szukałbym wszystkich punktów styku – danych farmaceutycznych, danych EHR, danych z ankiet pacjentów – które mogą lepiej informować algorytm i pozwolą organizacjom wkroczyć w coś, co bardziej przypomina modelowanie predykcyjne.”

Na przykład rozważ determinantę bezpieczeństwa mieszkaniowego. W Arcadia.io, jeden z klientów dostawcy Simona wysunął hipotezę dodania bezdomności do jednego z kontraktów organizacji. Jakiego rodzaju historię można by opowiedzieć na podstawie własnych danych organizacji?

„Przekopaliśmy się przez wiele pseudo- i półstrukturalnych informacji, aby spróbować przypisać im pojęcia. Znaleźliśmy bezpośrednie odniesienia do bezdomności, ale także do życia w schroniskach, mieszkań tymczasowych, życia z rodziną – wszystkie te rodzaje pojęć, które krążą wokół idei braku bezpieczeństwa mieszkaniowego” – wyjaśnia Simon. „Nie było silnego przepływu pracy ani zaangażowania w kodowanie związane z tymi danymi. Ale w miarę jak te informacje trafiały do EHR, byliśmy w stanie zacząć je kodyfikować i formalizować, aby umożliwić lepsze raportowanie.”

W ostatecznym rozrachunku większość danych SDOH będzie pochodzić ze źródeł spoza organizacji świadczeniodawcy. Głównym elementem pozyskiwania danych jest zrozumienie, jakie rodzaje informacji są krytyczne dla powodzenia programu SDOH. Specjaliści HIM powinni być wyedukowani w zakresie kwestii społecznych i równości zdrowotnej, a także rozumieć, w jaki sposób świadczeniodawcy mogą działać na podstawie informacji.

„Komponent połączonej społeczności zaczyna się od oceny, aby zrozumieć i stworzyć strukturę zarządzania” – mówi Miff. „Jak ustalić priorytety i zacząć wdrażać niektóre z tych elementów? Kim są organizacje kotwiczące? Muszą one być początkowo częścią struktury zarządzania, a następnie zacząć wdrażać te procesy robocze.”

Uczynienie danych zintegrowanymi i możliwymi do wykorzystania

Uzyskanie informacji o SDOH nie znaczy wiele, jeśli nie można ich wykorzystać do obsługi populacji pacjentów lub współpracy z zewnętrznymi jednostkami usługowymi. Niektóre organizacje, takie jak Gravity Project, opracowują przypadki użycia związane z badaniem danych SDOH w celu identyfikacji braku bezpieczeństwa żywnościowego, stabilności mieszkaniowej i dostępu do transportu, a także definiowania i standaryzowania definicji na poziomie pól danych dyskretnych.

Jednakże standaryzacja kodowalnych danych SDOH dopiero się rodzi. Niektóre organizacje świadczeniodawców próbują standaryzacji w ramach EHR.

„Musimy mieć pewność, że dane SDOH zawsze będą w tym samym miejscu, zawsze będą uzupełniane w ten sam sposób” – mówi Catrena Smith, CCS, CCS-P, CHTS-PW, CPC-I, CPC, prezes Access Quality Coding & Consulting. „W EHR, upewniając się, że informacje są umieszczone w tej samej części karty, są indeksowane w ten sam sposób. Tak więc w przypadku jednego pacjenta nie ma jej w notatkach pielęgniarskich, a u innego jest wymieszana z notatką lekarza, a u jeszcze innego jest w notatce dotyczącej zarządzania przypadkiem.”

Dla specjalisty HIM złożoność tej interakcji oznacza, że SDOH jest w dużym stopniu sportem zespołowym. „Kiedy zespół HIM zajmie się tymi danymi, będzie to kwestia zebrania zespołu, najlepiej rozproszonego zespołu farmaceutów, pracowników socjalnych i lekarzy, w celu stworzenia możliwości opartych na danych, aby zidentyfikować pacjentów o najwyższym ryzyku” – mówi Nicholson.

Połączenie pacjentów z odpowiednimi zasobami społeczności, a następnie ocena wyników tych skierowań wymaga zarówno interoperacyjności, jak i analityki. Kluczowe dla trwałości inicjatywy SDOH jest stworzenie opartej na danych pętli informacji zwrotnej wśród świadczeniodawców, pacjentów i organizacji świadczących usługi na rzecz społeczności.

„W centrum tego jest struktura zarządzania” – mówi Miff. „Aby umożliwić realizację tej wizji danych, musimy współpracować z wieloma podmiotami w całej społeczności, niezależnie od tego, czy są to inni świadczeniodawcy i płatnicy, lokalne organizacje filantropijne, organizacje oparte na społeczności w całym spektrum spiżarni żywności, transportu, opieki dziennej i lokalnych gmin.Kolejnym elementem układanki jest włączenie pacjenta do infrastruktury gromadzenia i analizy danych”

„Nie wystarczy tylko stworzyć te połączone społeczności, aby zająć się społecznymi uwarunkowaniami zdrowia, aby zająć się niektórymi z podstawowych czynników środowiskowych, które są związane z tymi warunkami” – mówi Miff. „Angażowanie samych jednostek jest kolejnym poziomem, do którego, jak mocno wierzę, musimy zmierzać, niezależnie od tego, czy chodzi o społeczne determinanty zdrowia, czy też o szerszy komponent opieki opartej na wartości.”

Putting It Together

W ostatnim czasie Miff, odsłonił wyniki programu pilotażowego SDOH uruchomionego w 2018 roku i skoncentrowanego na zmniejszeniu przedwczesnych porodów.
„Jedną z kluczowych rzeczy dla zdrowia populacji jest możliwość określenia, kto jest wysokim ryzykiem i priorytetyzacji swoich działań i zasobów, aby móc dotrzeć do tych, gdzie można wpłynąć najbardziej”, mówi Miff. „W tym przypadku chcieliśmy zredukować liczbę przedwczesnych porodów i działać w górę rzeki. Jednym z kluczowych elementów było zwiększenie frekwencji na wizytach przedporodowych, a następnie poprzez to, zmniejszenie i przedłużenie ciąży, zmniejszenie liczby wcześniaków, zmniejszenie miesięcznych kosztów na członka, a ostatecznie ogólne zmniejszenie śmiertelności matek po porodzie.”

Program zapobiegania przedwczesnym porodom PCCI był napędzany przez modele predykcyjne łączące dokładne przewidywanie ryzyka, powiadamianie świadczeniodawców, dostosowaną do ryzyka i dostosowaną do potrzeb pacjenta edukację za pomocą technologii cyfrowej oraz zmianę organizacji pracy w celu poprawy wyników porodu i zmniejszenia liczby przedwczesnych porodów.

Model predykcyjny obejmował wiele źródeł danych, w tym roszczenia, kwalifikację, EHR i dane środowiskowe, jak również dane demograficzne, kliniczne i socjoekonomiczne, aby przewidzieć ryzyko przedwczesnego porodu w dowolnym momencie ciąży.
„Włączyliśmy te informacje do modelu predykcyjnego, ponieważ stratyfikujemy ryzyko 26 000 ciąż rocznie”, wyjaśnia Miff. „Jeśli jesteś w stanie stworzyć mapę uwarunkowań społecznych na poziomie bloków, następnie stworzyć mapę geograficzną osób do konkretnych bloków i użyć tego jako bardzo silnego wskaźnika potrzeb, których prawdopodobnie doświadczają w swoim codziennym życiu, możesz włączyć te modele bardzo skutecznie do tych algorytmów predykcyjnych.”

Podstawową interwencją były wiadomości tekstowe, w tym przypomnienia o wizytach, wskazówki żywieniowe i inne dostosowane wiadomości. W pierwszym roku interwencji ponad 21 000 unikalnych ciąż zostało prospektywnie ocenionych pod kątem ryzyka, z około 7 000 ciąż ocenianych pod kątem ryzyka każdego miesiąca.

Ponad 800 zagrożonych pacjentek otrzymało interwencje za pomocą wiadomości tekstowych, a ponad 75 procent pacjentek zgłosiło zadowolenie z programu. W porównaniu z dopasowaną grupą kontrolną, pacjentki otrzymujące wiadomości tekstowe odnotowały 24-procentowy wzrost frekwencji na wizytach przedporodowych i 27-procentowy spadek wczesnych porodów przedwczesnych, jak twierdzi Miff.

Infrastrukturę technologiczną napędzającą tę inicjatywę stanowiło własne dzieło o nazwie Isthmus, oparta na chmurze platforma do pozyskiwania i harmonizacji danych z różnych źródeł w celu stworzenia platformy danych społecznościowych służącej do wnioskowania na poziomie populacji i pacjenta o SDOH.

„Częścią naszej podróży była próba wykorzystania istniejącej infrastruktury technologicznej lub licencjonowania istniejących platform, ale ostatecznie zdecydowaliśmy się na zbudowanie własnej infrastruktury technologicznej” – mówi Miff.

„Bardzo uważnie podchodziliśmy do kwestii wykorzystania jak największej liczby metod open-source, ponieważ ułatwia to współpracę i przekładanie wiedzy w sposób bardziej efektywny” – mówi Miff.

Oprócz programu zapobiegania przedwczesnym porodom, Isthmus został wdrożony w innych strukturach SDOH. Obejmują one inicjatywę zdrowia populacji astmy dziecięcej, która:

• Zmniejszyła liczbę wizyt na pogotowiu o 30 procent
• Zmniejszyła liczbę przyjęć do szpitala związanych z astmą o 42 procent
• Zrealizowała 36-procentowy spadek kosztów opieki nad astmą, co przyniosło oszczędności w wysokości 12 milionów dolarów

PCCI opracowała również model predykcyjny, który w ciągu dwóch lat pomógł zapobiec ponad 2,000 niepożądanych zdarzeń związanych z lekami (ADE) u pacjentów hospitalizowanych, zapewniając potencjalne oszczędności w wysokości ponad 17 milionów dolarów dzięki zmniejszeniu liczby ponownych przyjęć do szpitala i ADE.
Podczas dwóch lat wdrażania programu w Parkland, przebadano ponad 87 000 pacjentów, wśród których zidentyfikowano 8 731 pacjentów wysokiego ryzyka. Spośród pacjentów wysokiego ryzyka, 16 procent otrzymało w porę interwencję farmaceutyczną i zapobieżono ponad 2,000 ADE. W przypadku pacjentów wysokiego ryzyka, którzy otrzymali konsultację, wskaźnik 30-dniowych ponownych przyjęć został zmniejszony o 23,5 procent.

Closing the Loop on SDOH

Dla wielu świadczeniodawców SDOH stanowi najlepszą szansę na stworzenie bardziej skutecznego, wydajnego i holistycznego systemu opieki zdrowotnej. Dane i sposób ich zastosowania będą odgrywać główną rolę w sukcesie każdej inicjatywy SDOH, co oznacza, że specjaliści HIM są niezbędnymi interesariuszami.

„Wiemy, że w tej chwili, przynajmniej z punktu widzenia kodowania, nie możemy uchwycić wszystkiego, co wiąże się z SDOH za pomocą kodu Z ICD-10-CM. Możemy wychwycić wiele, ale nie wszystko” – mówi Smith. „Oznacza to, że nie będziemy w stanie – chyba że coś się zmieni – polegać na kodach ICD-10 Z jako na punkcie danych dla wszystkich czynników społecznych. Będziemy musieli wymyślić inne sposoby, aby móc określić, że pacjent trafił w ten znak dla konkretnego społecznego wyznacznika zdrowia.”

Specjaliści HIM muszą myśleć daleko poza kwestiami kodowania, jeśli chodzi o SDOH i gdzie muszą być zaangażowani. Obecnie jest o wiele więcej pytań niż odpowiedzi:

• Jak zapewnić, że zbierane są właściwe informacje?
• Jak dane będą analizowane/kontrolowane?
• Jakie elementy danych SDOH są zbierane i dlaczego?
• Czy elementy danych SDOH są traktowane priorytetowo pod względem prawdopodobieństwa wpływu na cele świadczenia opieki i koordynacji opieki?
• Czy interesariusze (np, instytucje opieki zdrowotnej, agencje rządowe, klinicyści, płatnicy, organizacje wielopodmiotowe) standaryzują najważniejsze kody SDOH, które należy gromadzić?
• Czy istnieje konsensus co do tego, które elementy danych należy gromadzić?
• Prywatność – jaka jest w tym wszystkim rola pacjenta? Czy należy stosować minimalne niezbędne standardy? Czy wymagana jest zgoda pacjenta?

Na pewno nie jest to wyczerpująca lista pytań, którymi muszą zająć się organizacje i branża. Jest oczywiste, że specjaliści HIM mogą wzmocnić i poinformować zainteresowane strony o dyskusjach na temat SDOH.

Dzięki swojej wiedzy w zakresie integralności danych i wglądu w osoby stojące za danymi, specjaliści HIM mogą pomóc w podejmowaniu najlepszych decyzji i zadawaniu właściwych pytań. Szukajcie bieżących treści odnoszących się do pytań takich jak te wymienione powyżej i nie tylko, ponieważ Journal zagłębia się w SDOH.

Notes

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 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.” Kwiecień 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. February 20, 2018. www.healthitoutcomes.com/doc/where-should-healthcare-data-be-stored-in-and-beyond-0001.

Matt Schlossberg ([email protected]) jest redaktorem w Journal of AHIMA.

Impact Area

Connection: Ułatwianie optymalnej wymiany danych między dostawcami, konsumentami, sieciami informacji zdrowotnych i planami zdrowotnymi poprzez możliwy do wykorzystania technologicznie, bezpieczny dostęp do elektronicznych informacji zdrowotnych

.