Leer en Españoller em Português
Muitas empresas estão interessadas em transformação digital - usando tecnologias digitais para criar ou modificar processos de negócios, cultura e experiências de clientes - para crescer e ficar à frente da concorrência, e os hospitais não são exceção.
Quando as pessoas pensam em transformação digital nos cuidados de saúde, tendem a se concentrar na idéia de empregar análises para melhorar a tomada de decisão clínica.Por exemplo, com avanços na ciência computacional e no aprendizado de máquina, tornou -se possível fornecer medicina de precisão, onde terapias e intervenções são adaptadas a cada paciente com base no perfil genético do indivíduo.Os algoritmos de inteligência artificial (AI) estão sendo cada vez mais usados para melhorar a detecção visual de sinais de doença em áreas como radiologia, dermatologia, gastroenterologia, oftalmologia e patologia.
No entanto, focar em alavancar a transformação digital apenas para melhorar a tomada de decisão clínica seria um erro.Com base em nossa pesquisa e na de outras pessoas, bem como nos crescentes avanços de como os hospitais estão usando dados e tecnologia, acreditamos que a transformação digital tem um papel substancial a desempenhar na otimização da tomada de decisão operacional dos hospitais, o que por sua vez pode levar a melhoriasna qualidade e eficiência dos cuidados e acesso dos pacientes a ele.
Aqui estão quatro áreas principais onde os hospitais podem alavancar a transformação digital para melhorar a tomada de decisão operacional: fluxo de pacientes, pessoal, programação e gerenciamento da cadeia de suprimentos.
Fluxo do paciente
À medida que os hospitais se esforçam para fornecer os cuidados certos ao paciente certo, na hora certa, os prestadores de cuidados precisam fazer duas coisas: avaliar as necessidades dos pacientes com precisão e gerenciar os recursos hospitalares de maneira eficaz.Embora os provedores sejam bem treinados para fazer o primeiro, eles geralmente não são treinados para o último, o que é uma tarefa desafiadora - especialmente devido à tensão na capacidade hospitalar que é muito comum nos dias de hoje devido à pandemia.
No nível hospitalar, os sistemas de apoio à decisão operacional orientados a dados podem fornecer informações valiosas para ajudar na fabricação de decisões de triagem, admissão e alta.Por exemplo, quando um paciente chega e o provedor não sabe se o paciente deve ser enviado à UTI ou a uma ala geral, um algoritmo de apoio à decisão pode fornecer recomendações com base no benefício previsto da admissão na UTI para esse paciente em particular.Pesquisa usando dados operacionais no nível do paciente de mais de 190.000 hospitalizações em 15 u.S.Os hospitais mostram que quando os pacientes que tiveram uma necessidade clínica de admissão na UTI são admitidos em outra parte do hospital (e.g., uma ala geral), isso resulta em estadias hospitalares mais longas e taxas de readmissão mais altas.
Quando a capacidade da UTI desejada é restrita, o provedor pode considerar diferentes opções, como colocar o paciente em outra unidade (e.g., uma UTI cirúrgica em vez de uma UTI médica) ou descarregar pacientes que estão atualmente na UTI para dar espaço para os novos.Pesquisas usando dados operacionais hospitalares mostram que ambas as estratégias têm trocas importantes e consequências não intencionais que devem ser contabilizadas.Os algoritmos de apoio à decisão podem ser projetados para incorporar essas trocas, pesar os custos e benefícios das diferentes opções e fornecer recomendações apropriadas.
Indo além das recomendações, os algoritmos podem ser aproveitados para automatizar tarefas operacionais.Resultados da pesquisa de uma série de experimentos em que os médicos e os trabalhadores mecânicos da Amazon Turk foram convidados a gerenciar uma unidade hospitalar simulada mostra que vieses comportamentais e erros de decisão orientados a cognição podem influenciar as decisões operacionais dos provedores.Decompondo essas decisões em componentes clínicos e operacionais e o uso de algoritmos para automatizar o componente operacional pode levar a melhores resultados.
No nível da ala, os algoritmos de aprendizado de máquina e suporte à decisão também podem ser usados para prever o número esperado de admissões, descargas e transferências de e para a ala, que por sua vez podem orientar ações subsequentes com base nessas previsões.Isso pode facilitar o processo de rotatividade do leito, levando a um fluxo melhorado do paciente e redução do tempo de estadia.As previsões para enfermarias individuais podem servir como insumos para um painel de gerenciamento de cama em todo o hospital, que pode ser usado não apenas para exibir o status atual de cada ala, mas também para fornecer previsões para o status futuro esperado em todo o hospital.
Por exemplo, o Centro Médico Beth Israel Deaconess, em Boston, em colaboração com uma equipe de pesquisadores de operações do MIT, implementou painéis de previsão para apoiar as decisões de admissão e transferência, exibindo o censo atual de cada ala, bem como o número projetado de descargas de descargas.Da mesma forma, o Hospital Infantil de Boston usa o preditor do sistema de colocação de pacientes, que permite ao departamento de emergência saber quais pacientes provavelmente serão admitidos no hospital e em qual ala.Os painéis de gerenciamento de cama em todo o hospital permitem um melhor planejamento e uma comunicação aprimorada nas diferentes enfermarias e podem ser desenvolvidos para fornecer alertas automatizados sobre o sistema, como quando o tempo médio de espera para um novo leito excede um limiar predeterminado.
Pessoal
As tecnologias digitais também podem ajudar no lado da oferta quando se trata de gerenciar melhor a capacidade.Tomemos, por exemplo, o pessoal da enfermeira, que responde por uma proporção significativa dos custos dos hospitais.Em vez de confiar em telefonemas, mensagens de texto e planilhas para tomar decisões de pessoal ad-hoc que geralmente mudam no último minuto, os enfermeiros e os administradores de hospitais podem utilizar análises para melhorar esse processo.
Por exemplo, os algoritmos podem prever as taxas de absenteísmo de enfermeiros e a necessidade de pessoal de onda para determinar preventivamente o número certo de enfermeiros de flutuação para chamar.Pesquisas em operações de departamento de emergência mostram que ambos podem ser modelados, mesmo em ambientes onde a demanda é altamente incerta.Uma vantagem importante é a capacidade desses sistemas de antecipar e responder mais rapidamente, o que, por sua vez, pode melhorar a consistência e a previsibilidade do cronograma de trabalho para enfermeiros.É provável que esse aspecto seja importante, pois hospitais e outras organizações de prestação de serviços de saúde trabalham na redução de taxas de rotatividade de enfermagem notoriamente altas: pesquisas que examinam a rotatividade de enfermagem em uma das maiores agências de saúde em casa nos Estados Unidos mostram que a inconsistência orientada por empregadores nos trabalhadores 'Os horários aumentam a probabilidade de desistir dos trabalhadores.
A análise também pode ser aproveitada para otimizar o pessoal da equipe.Os hospitais confiam nos provedores para trabalhar juntos de maneira eficaz como uma equipe, com os membros da equipe abrangendo papéis e níveis de experiência diferentes.Pesquisas mostram que a composição das equipes de atendimento tem um impacto significativo no desempenho.Um estudo de equipes de departamento de emergência que conduzem coletivamente mais de 111.000 visitas a pacientes ao longo de dois anos revela que as diferenças de hierarquia e habilidade entre médicos, enfermeiros e médicos residentes levam a efeitos variados de serem expostos a novos membros da equipe quando vierpara o desempenho da equipe.
Outro estudo de equipes de cirurgia cardíaca realizando mais de 6.000 cirurgias em sete anos mostra que é importante explicar a familiaridade entre os pares entre os membros da equipe - o número de colaborações anteriores para todos os pares da equipe - porque tem implicações significativas para a produtividade da equipe.Embora seja quase impossível incorporar essas conclusões ao tentar equipes de equipe manualmente, a IA pode incorporar facilmente essas idéias de pesquisa para determinar a composição ideal da equipe de provedores programados para trabalhar e fornecer recomendações sobre níveis ideais de pessoal.
Agendamento
Embora muitos hospitais tenham se mudado para capturar e armazenar eletronicamente registros de pacientes, a programação de vários recursos ainda é em grande parte um processo manual.Isso se aplica ao agendamento de procedimentos cirúrgicos em salas de operações, varreduras em suítes de radiologia e muitas outras pessoas.Essa é outra área em que as tecnologias digitais podem trazer melhorias substanciais-não apenas prevendo melhor as necessidades de recursos e incorporando sem esforço mudanças e cancelamentos de última hora, mas também otimizando os horários com base na pesquisa mais recente.
Por exemplo, algoritmos de aprendizado de máquina podem ser usados para prever melhor a duração de cada procedimento, como o comprimento de uma cirurgia ou uma ressonância magnética.No Centro Médico Beth Israel Deaconess, as ferramentas desenvolvidas pela Amazon estão sendo usadas para reservar os horários da sala de operações mais precisamente.
A duração esperada é uma função não apenas das características do paciente e de suas necessidades clínicas, mas também de vários fatores operacionais.Por exemplo, os pesquisadores descobrem que os tempos de procedimento cirúrgico tendem a aumentar em função de tamanhos de equipes maiores, cargas de trabalho mais altas e a sequência da operação na sala de operações.Os algoritmos estão melhor equipados do que os humanos para explicar os efeitos de tais fatores operacionais para fazer previsões.
O aprendizado de máquina também pode ser usado para prever o tempo necessário que cada paciente deve gastar na Unidade de Assistência a Pós-Anestesia (PACU) após uma cirurgia.Como o congestionamento da PACU geralmente leva a atrasos na sala de operações, este é outro lugar onde as análises podem ser usadas.Por exemplo, este estudo aproveita a análise para sequenciar procedimentos cirúrgicos de sequenciar idealmente para ajudar a prevenir o congestionamento da PAC e minimizar os atrasos na sala de operações.
Gestão da cadeia de abastecimento
Nos Estados Unidos, os hospitais gastaram uma média de US $ 11.9 milhões cada um em suprimentos médicos e cirúrgicos em 2018, representando até um terço do total de despesas operacionais em alguns.Apesar disso, melhorar a cadeia de suprimentos e o gerenciamento de inventário geralmente não é considerado uma alta prioridade para os hospitais, onde os fornecedores tendem a se concentrar mais nos processos que envolvem o atendimento direto ao paciente.No entanto, ter esses suprimentos é necessário para oferecer cuidados de alta qualidade.
Em muitas indústrias, a transformação digitalmente da cadeia de suprimentos demonstrou reduzir os custos do processo em 50% e aumentar a receita em 20%;hospitais não são exceção.Ao automatizar o processo de coleta de dados, pedidos, reconciliando e pagando por suprimentos médicos, cirúrgicos e farmacêuticos, os hospitais podem reduzir a cadeia de suprimentos e os custos relacionados ao gerenciamento de inventário.Devido à pandemia covid-19, melhorar a agilidade e a resiliência à demanda e aos choques do lado da oferta se tornaram ainda mais críticos, e os gerentes hospitalares estão cada vez mais procurando maneiras de aproveitar dados e tecnologia para obter informações sobre inventário, preços, prazos de entrega e tempo de entrega e os prazos etendências de demanda.
Tecnologias de identificação por radiofrequência (RFID) e rastreadores conectados à Internet podem ser usados para rastrear e localizar melhor os suprimentos em tempo real.Por exemplo, o Hospital Saint Marys da Mayo Clinic lançou um sistema RFID para suas operações de emergência em 2015, o que levou a um melhor atendimento e experiência do paciente, além de custos mais baixos.
Agrupar e coordenar suprimentos em diferentes departamentos dentro de um hospital pode reduzir significativamente a quantidade de inventário necessária para atender a um determinado nível de serviço.Embora a centralização física seja uma maneira de conseguir isso, a centralização da informação, que pode ser facilmente alcançada com um sistema de gerenciamento de cadeia de suprimentos digitalizado, pode ser suficiente para colher os mesmos benefícios.
Para possibilitar esse tipo de transformação digital, os hospitais devem ser intencionais na maneira como coletam dados e interagem com seus sistemas de tecnologia da informação.Temos três prescrições de como fazer isso.
1.Colete os dados certos no formato certo.
Comece identificando os pontos problemáticos e a fruta baixa.Quando e onde os dados ainda são coletados e comunicados offline?O fax pode ser capturado e gravado automaticamente no sistema de registro médico eletrônico (EMR)?As chamadas telefônicas e mensagens de texto podem ser reduzidas e substituídas por comunicações eletrônicas via EMR?
Ao capturar dados, certifique -se de capturar características operacionais, além de fatores clínicos.Timestamps são uma rica fonte de dados que oferecem informações sobre as operações hospitalares.Timestamps devem ser capturados quando ocorrem eventos (e.g., uma cama é designada para um paciente, os resultados dos testes ficam disponíveis ou um paciente é descarregado) e quando os recursos são solicitados (e.g., uma cama é solicitada, uma consulta é solicitada, um teste é ordenado).Manter o controle deste último permite que os gerentes entendam a demanda subjacente por recursos, mesmo que não todas as demandas possam ser atendidas, o que permite um melhor planejamento para o futuro.
Além dos registros de data e hora, certifique -se de manter um inventário preciso de recursos que são atualizados em tempo real.Os recursos incluem não apenas suprimentos médicos, cirúrgicos e farmacêuticos que são encomendados regularmente, mas também camas, equipamentos grandes e funcionários.
2.Configure -se para escalabilidade e interoperabilidade.
Desde o início, projete o sistema de coleta de dados com escalabilidade e interoperabilidade (a capacidade de diferentes sistemas de TI ou equipamento de trocar e fazer uso de dados) em mente.Padronize os formatos de entrada para minimizar (ou eliminar) a necessidade de limpeza de dados e aprimorar a qualidade das entradas em algoritmos.Familiarize -se com os quatro níveis de interoperabilidade e os padrões de interoperabilidade estabelecidos para configurar um sistema que facilitará a troca de informações de saúde e o compartilhamento de dados.
Por fim, ter uma arquitetura de dados de linha de base uniforme e um formato de dados padronizado permitirá uma implementação e replicação mais fáceis de ferramentas algorítmicas em hospitais em hospitais. In the United States, the Centers for Medicare & Medicaid Services (CMS) and many health care delivery organizations are looking to adopt Fast Healthcare Interoperability Resources (FHIR) standards.
3.Não perca de vista a interação humano-algoritmo.
Embora os algoritmos possam produzir previsões e recomendações úteis, em última análise, o tomador de decisão é o humano.Como resultado, devemos estar cientes da natureza generalizada da aversão ao algoritmo pelos tomadores de decisão e buscar desenvolver algoritmos justos, explicáveis, prevenir danos e respeitar a autonomia humana, para que o tomador de decisão possa confiar nos algoritmos.Além disso, a criação de algoritmos excelentes por si só não pode melhorar as operações hospitalares.Os algoritmos precisam ser cuidadosamente projetados, implementados e avaliados com o usuário em mente.
Também é importante lembrar que os cuidados de saúde são uma indústria intensiva em conhecimento.Os prestadores de cuidados geralmente possuem uma quantidade significativa de conhecimento ou experiência local que os algoritmos não conseguem capturar.Substituir completamente os tomadores de decisão humanos por algoritmos pode não ser a solução, pois a incorporação de julgamento e experiência humana pode aumentar o desempenho dos algoritmos.
Dada o envelhecimento da população, a prevalência de condições crônicas e os avanços na medicina, tornou -se mais importante do que nunca para os hospitais operarem de maneira eficiente e eficaz.No futuro, a chave para melhorar a tomada de decisão operacional estará em sua capacidade de alavancar a transformação digital.
