As TIC e a Saúde no Portugal de 2012

(1)

As TIC e a Saúde no Portugal de 2012

11 de dezembro de 2012

Centro Hospitalar Psiquiátrico de Lisboa

Patrocinador Ouro Patrocinador Prata Patrocinador Bronze Apoios

Patrocinadores Globais

(2)

Hospital Digital

Descobrir a causa das readmissões no Seton

Cristina Semião

Directora Sector Público, IBM Portugal 11 de Dezembro de 2012

(3)

É necessária uma transformação em áreas chave

http://www.healthleadersmedia.com/content/COM-263665/3-Readmissions-to-Reduce-Now

São

necessários melhores resultados clínicos

• Um em cada cinco pacientes está sujeito a readmissões evitáveis … com um peso elevado no orçamento dos hospitais

• 1.5 milhões de pacientes nos EUA são vítimas anuais de erros hospitalares ou de medicação, seja prescrição ou toma

São

necessários melhores resultados operacionais

• Em 2012, estima-se que a maioria dos

Hospitais irão registar uma taxa elevada de readmissões

• $475 mil milhões: Estimativa anual dos gastos de Saúde nos EUA com despesa administrativa, fraude, abuso e gastos clínicos

(4)

Há que saber explorar a explosão da informação

… contudo algumas organizações de saúde ainda operam com pontos cegos

Volume da informação → Falta de visibilidade

1 em cada 3

gestores toma decisões críticas sem acesso à informação necessária

Variedade da informação → Dificuldade de acesso

1 em cada 2

não têm acesso à informação

transversal à sua organização … nomeadamente informação não estruturada

Rapidez de decisão → Dificuldade de previsão

3 em cada 4

executivos afirmam que uma maior capacidade de previsão conduziria a melhores decisões

15 petabytes

Dados gerados diariamente.

Dados de saúde crescem 35%

ao ano*

* Recent study by Enterprise Strategy Group

(5)

Já existem vários exemplos de analítica em saúde…

Usam analítica preditiva para baixar os riscos de saúde através de planos de bem-estar mais efectivos

Uma colaboração para criar o primeiro sistema clínico inteligente de investigação e inovação nos cuidados do paciente

Usam analitica de fraude e abuso para detectar situações suspeitas e possíveis incidências nas apólices de saúde

Integra “big data” e analítica de conteúdos para direccionar os investimentos tecnológicos de forma mais célere e fácil

(6)

• Como é que mede e reduz a incidência de readmissões?

• Como é que acede a meios de assistência ao

diagnóstico?

• Que pacientes estão a seguir as instruções da nota de alta?

• Como é que está a prevenir e detectar possíveis casos de fraude?

• Como usa os dados para identificar candidatos para programas de intervenção?

• As revelações escondidas na informação não estruturada ajudá-lo-íam na tomada destas e outras decisões?

... mas os maiores pontos cegos persistem

 Notas médicas e notas de alta

 História clínica, sintomas e ausências

 Relatórios da patologia

 Tweets, SMS’s e portais na internet

 Inquéritos de satisfação

 Dados processuais de de seguros

 Comentários à margem dos relatórios

 Emails e correspondência

 Journals e revistas de especialidade

 Registos com base em papel e documentos

* AIIM website, accepted industry percentage

Mais de 80% da informação médica arquivada não é estruturada*

A inclusão dos dados não estruturados ajuda a acelerar a transformação

(7)

IBM Content and Predictive Analytics for Healthcare

Extrair

factos médicos cruzando informação a partir de múltiplas fontes - clínicas e operacionais

Analizar

^e

Visualizar

cenários passados, presentes e futuros para criar um corpo de informação baseado na evidência

• Content Analytics para análise de tendências, padrões, desvios, anomalias e outro tipo de informação não estruturada – e detectar discrepâncias nos dados

estruturados

• Predictive Analytics para análise de probabilidades e marcadores

• Healthcare Solution Accelerator disponibiliza um conjunto de anotadores “pre-built”

– construídos a partir da experiência e conhecimento de intervenções prévias

• Está planeada a integração com o IBM Watson for Healthcare para reforçar a capacidade de resposta a perguntas*

Permite a pessoal clínico, administrativos e executivos

Interagir

com a informação e derivar conhecimento de várias maneiras

Integrar

e alavancar outros sistemas para transformar o conhecimento em acção

* Capacidade futura opcional

Analyze Visualize

(8)

Seton Healthcare Family

(9)

Descobrir a causa das readmissões no Seton

O caso

O Desafio

O Seton Healthcare procurava reduzir a ocorrência das readmissões de Insuficiência Cardíaca Congestiva (ICC), muito dispendiosas, identificando proactivamente os pacientes com elevada probabilidade de ser readmitidos através de episódios de urgência

A Solução

Com o “IBM Content and Predictive Analytics for Healthcare” pretende-se identificar os alvos de maior risco de ICC para os orientar a programas de assistência através de:

O Objectivo

• O Seton poderá implementar programas de prevenção e gestão da doença para reduzir as readmissões de pacientes de ICC.

• O Seton poderá introduzir programas de

intervenção precoce para reduzir custos e taxa de mortalidade, bem como melhorar a

qualidade de vida dos pacientes.

• Processamento de linguagem natural para extrair os elementos chave da informação não estruturada, como seja Notas de alta, Relatórios de ecocardiogramas, Notas de consulta, etc.

• Trabalho de modelos preditivos com demonstração de valor elevado de prognóstico positivo contra os dados estruturados e não

estruturados

• Disponibilização de uma interface fácil que permita aos prestadores navegar pela informação, interpretá-la e decidir a acção apropriada

(10)

Os dados que pensávamos serem úteis … não eram

• 113 indicadores de prognóstico de fontes de dados estruturados e não estruturados

• Os dados estruturados eram menos fiáveis que os não estruturados Emergiram novos indicadores inesperados … Modelo Altamente Preditivo

• Surgiram 18 indicadores precisos

Análise de Prognóstico % Proveniência Dados Estruturados

% Proveniência Não-Estruturados

Fracção de Ejecção (FE) 2% 74%

Indicador de Fumador 35%

(65% Precisão)

81%

(95% Precisão)

Estilo de Vida <1% 73%

(100% Precisão)

Abuso de Alcool e Drogas 16% 81%

Apoio Domiciliário 0% 13%

Descobrir a causa das readmissões no Seton

Principais descobertas

97% at 80^th percentile

49% at 20^th percentile

(11)

Descobrir a causa das readmissões no Seton

Os 18 principais indicadores

11

18. Jugular Venous Distention Indicator 17. Paid by Medicaid Indicator

16. Immunity Disorder Disease Indicator

15. Cardiac Rehab Admit Diagnosis with CHF Indicator 14. Lack of Emotion Support Indicator

13. Self COPD Moderate Limit Health History Indicator 12. With Genitourinary System and Endocrine Disorders 11. Heart Failure History

10. High BNP Indicator 9. Low Hemoglobin Indicator 8. Low Sodium Level Indicator 7. Assisted Living

6. High Cholesterol History

5. Presence of Blood Diseases in Diagnosis History 4. High Blood Pressure Health History

3. Self Alcohol / Drug Use Indicator 2. Heart Attack History

1. Heart Disease History 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

0 1 2 3 4 5 6

RankingofStrengthofModelVariable

Projected Odds Ra o

18 17 16 15 14 13 12 11 10

9 8 7 6 5 4 3 2 1

Novas descobertas combinando a analítica de conteúdo e preditiva

• FE e fumar são indicadores significativos de ICC, mas não de readmissões

• P. ex., Apoio Domiciliário e Abuso de Alcool e Drogas emergiram nos principais

prognósticos de readmissões (apenas encontrados nos dados não estruturados) e nunca antes tidos em conta

• Muitos indicadores foram encontrados em notas de consulta ou observações

(12)

Paciente X foi hospitalizado 6 vezes num período de 8 meses. A mesma informação básica era disponibilizada em cada episódio e o prognóstico de readmissão do Paciente X nunca baixou dos 95 (numa escala de 100)

Impacto das readmissões no Seton

ICC Paciente X – O que aconteceu?

Admissão

Readmissão <30 dias

Patient X (DSS & Cerner) High Model Score (96) Gender: Male

Age: 73

Insurance: Medicaid

Lack of Emotional Support:

Sodium Level: Low Cholesterol Level: High COPD History: Yes

Heart Disease & Heart Failure History: Yes HBP History: Yes

NLP Clinical Documentation Living Arrangement:

Permanent

Assisted Living: N/A Smoking History: Yes Smoking Amount: N/A Alcohol Abuse History: Yes Drug Abuse History: N/A Ejection Fraction: N/A

Abr-18-2009 Mai-12-2009 Mai-20-2009 Out-11-2009 Nov-24-2009 Dez-20-2009

8 dias

24 dias 144 dias 44 dias 26 dias

Dados Individuais do Paciente em cada triagem (Paciente X @ Nov.24, 2009)

98% 98% 96% 95% 96% 100%

Monitor de Dados Clínicos e Operacionais de Pacientes

(13)

Paciente X foi readmitido pela 5ª vez após 26 dias com factores de risco

adicionais. Detectou-se o facto de que havia uma falta de suporte emocional e que o Paciente X tinha voltado a fumar e a beber.

Impacto das readmissões no Seton

ICC Paciente X – O que aconteceu?

Admissão

Nov-24-2009 Dez-20-2009 8 dias

98% 98% 96% 95% 96% 100%

Patient X (DSS & Cerner) High Model Score (100) Gender: Male

Age: 73

Insurance: Medicaid

Lack of Emotional Support: Yes Sodium Level: Low

Cholesterol Level: High COPD History: Yes

Heart Disease & Heart Failure History: Yes HBP History: Yes

NLP Clinical Documentation Living Arrangement:

Permanent

Assisted Living: No Smoking History: Yes Smoking Amount: Daily Alcohol Abuse History: Yes Drug Abuse History: N/A Ejection Fraction: N/A Dados Individuais do Paciente em cada triagem (Paciente X @ Dez.20, 2009)

Abr-18-2009 Mai-12-2009 Mai-20-2009 Out-11-2009

Monitor de Dados Clínicos e Operacionais de Pacientes

(14)

Impacto das readmissões no Seton

ICC Paciente X – O que aconteceu?

Admissão

Análise dos Factores de Risco do Paciente X

• Possíveis Programas de Intervenção para: Colestrol elevado, Baixo nível de Sódio, DPOC, Falta de

Suporte Emocional, Hipertensão

• Em resumo: Uma quantidade dos 18 principais indicadores não estavam originalmente disponíveis nos dados de triagem, que após a sua identificação permitiram programas de intervenção mais dirigidos, evitando novas readmissões.

Abr-18-2009 Mai-12-2009 Mai-20-2009 Out-11-2009 Nov-24-2009 Dez-20-2009

8 dias

17% do custo total da prestação de cuidados no 1º

episódio

83% do custo total da prestação de cuidados seria evitável (5 readmissões desnecessárias)

(15)

Com base neste perfil, podem …

 Encontrar pacientes com similariedade (ou coorte dinâmica) dum universo de população

 Analizar atributos e resultados para este coorte

 Prever a probabilidade dos resultados para o paciente em causa

 Sugerir um plano personalizado de cuidados para atender a estas necessidades

Resultado pretendido Janela de observação histórica Janela preditiva

Dados longitudionais do paciente Dados preditivos do paciente Dados de coorte dinâmica longitudional e respectivos resultados

Impacto das readmissões no Seton

Similarity Analytics

(16)

Como começar…

Crie uma Agenda de Informação…

E junte-lhe a capacidade Analítica…

Organize a Sua Informação…

…para assegurar a sua precisão, relevância e

governo

…para antecipar e moldar o futuro

…para se alinhar com a sua estratégia

http://www-01.ibm.com/software/ecm/offers/programs/icpa.html

(17)

Obrigada

Cristina Semião [email protected] 21-8927134 www.ibm.com