业界 | 如何与医生更有效地进行数据沟通?

大数据文摘出出品

编译:韦梦夙、睡不着的iris、夏雅薇

近期,有团队在开展了一项深入研究,旨在观察医生们对临床诊断差异的认知以及哪些因素会影响医生们对药物和诊治手段的选择。

经过对276名医生进行调查后,研究结果显示,不管医生们是否受雇于同一家医院,他们都应该时常共享彼此的成本数据和临床数据。

因为这样做,在固有的医疗体系内,在以医疗价值为导向的模型指导下医生能够提供满足成本目标的有效治疗方案。综上所述,他们为众多医疗系统提出三点建议。

评估医生间的数据共享情况。

事实上,在绝大多数医疗系统,数据交换的时间间隔没有规律,并且缺少一致的数据交换格式。91%的调查回答者认为医生如果有权限访问医疗成本数据,这会对医疗质量产生积极的影响。但是,只有40%的人说他们的医疗系统正在为医生访问这类数据提供更多权限。

在研究如何降低医疗系统内临床诊断差异性时,Lumere发现医生之间分享成本和实证数据的方式和共享的数据类型存在较大差异。尽管一些组织正在开发可靠的数据共享机制,并取得了长足进步,但绝大多数只不过是循环收集来自医疗保险以及医疗补助服务中心病人满意度调查(医疗提供者及医疗系统的医院患者评估,或简称HCAHPS)的基础性数据。

为什么医疗系统的管理者在促进医生之间共享数据方面工作缓慢?这由很多原因导致。最常见的两个挑战:一是难以收集到准确的具有临床意义的数据,二是管理者缺乏对数据共享的共识。

关于收集准确且具有临床意义的数据,许多医疗机构根本不知道从何下手。面对各自独立的数据收集系统、不同的医生需求以及现有的大批量临床证据,很难找到一个可靠且高效的数据收集方法。

许多管理者并没有在有效交交流数据方面受过培训。医疗机构的领导人更喜欢谈论成本,但是医生们通常聚焦于临床诊断结果。如此,医生们总是频繁地提出疑问,但管理者觉得他们在推脱找借口,可见理解医生的需求是很重要的。

确定共享的数据量和数据共享形式。

使用数据能促成有意义的辩论,提供实在的证据,最终形成团队共识。

医生们渴望提高医治效果因而需要医疗全景图。这包括在不影响治疗效果的情况下,访问公开证据以选取高性价比药物和可替代的医疗设备。医疗系统管理者需要给临床医生提供更广泛的数据(不仅仅是成本数据)。保证医生们在确定分享什么样的数据时有很强的话语权,这能够让医生和管理者之间形成信任和默契。一个更独到的基于价值的方法是结合成本数据,并考虑病人相关的临床数据(例如,住院时长和术后恢复情况),这样或许最有效。

医生们通常会反映需要更多的成本数据,但不是所有的医生都经过训练并且有经验把成本数据恰当地融入他们的决策。那些能够访问成本数据、突出诊断差异性数据和实践指南的受调查医生,通常会发现成本数据更能影响药物和器械的选择,无论他们是否在基于价值的医疗模型里起到节省成本的作用。对于经验丰富的医生和那些有私人执医经验的管理成本信息的人员,更是如此。

医疗系统在帮助医生使用成本和质量数据做高效的决策起到了关键作用。推荐医疗系统建立一个包含质量改进团队和技术/信息化人员的集中式数据/分析部门,以简化数据分析、数据传播的流程。

基于当代循证指南分析数据。

医生们喜欢依赖可靠的数据,决定选择何种药物和设备。在我们的调查中,54%的回答者认为医院应该使用经同行评审的文献和临床证据来支持医疗器械选择。更近一步说,56%的回答者表示他们认为医生使用数据去开发临床方案、指导手册和最佳实践是否有必要。

医疗系统需要保证数据以具有临床价值以及用户用好的方式呈现。一开口就要医生压缩成本,是很难得到他们的配合的,要让医生愿意配合控制成本的方法之一是让医生更多地在临床背景下参与分析成本。

最后,医疗系统需要开发、交换和提倡几个关键指标(KPIs)来简化数据存储和数据交换。这些指标需要反映出医疗服务消费者的心声,包括病人、医疗提供者和付款人。在某些情况下,这些指标会重复,例如,住院时长、感染率、再次入院、推荐医疗服务提供者的意愿等等。同时,这些指标会促进医生与医院想要实现的目标达成一致。

的调查勾画出了未来医疗体系应有的景象:医疗系统对受雇人员以及附属的医生是公开透明的,这将形成一种重视数据和分析的文化。只有这样,才能改善临床效果、提升运营效率、优化财务成本。

相关报道:

https://hbr.org/2018/10/better-ways-to-communicate-hospital-data-to-physicians

【今日机器学习概念】

Have a Great Definition

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2018-11-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

斯坦福教授发布首份 AI Index 报告,指引 AI 工作者不再“flying blind”

AI 科技评论按:前两天斯坦福大学计算机科学院教授,前谷歌首席科学家 Yoav Shoham 来到中国做了场《人工智能的过去、现在和未来》的报告,报告中他除了介...

2076
来自专栏大数据文摘

李飞飞纽约时报最新博文:如何让AI更好地关怀人类

1383
来自专栏AI科技评论

业界丨周鸿祎当了一把“直播网红”,谈360在人工智能上走过的坑

编者按:2016年12月6日晚8点,360公司董事长周鸿祎做客直播间与网友互动,大谈对人工智能的看法。本文已得到公众号“大佬微直播”授权,雷锋网在不改变愿意的基...

3678
来自专栏机器人网

机器人有了五感,比人类谁更厉害了?

  要让机器人能真正像人一样思考,则不仅需要为其配备类人的“大脑”,与人相近的认知外界的方式也是不可或缺的。耳聪目明和头脑灵活都是人类拥有良好智力的表现,机器...

2583
来自专栏人工智能的秘密

腾讯浏览指数:2017人工智能领域十大热词

2017年人工智能的热度一直不断上升,相信在2018年会继续蓬勃发展。一个新的东西出来,总是有人觉得人工智能好,也会有人会对未来人工智能对人类是否...

2509
来自专栏罗超频道

百度为何要做超级计算机Minwa?

封面图:百度投资47亿元建设的阳泉数据中心是亚洲最大数据中心。 《华尔街日报》5月12日报道,百度近日表示已在人工智能基准测试中取得了全球最佳成绩,其研发的超级...

3908
来自专栏机器之心

对话 | 如何建立 AI 研究实验室?Yoshua Bengio 有话要说

Graham Taylor 是 CIFAR「Learning in Machines & Brains」项目中的一位 Azrieli 全球学者,也是圭尔夫大学工...

933
来自专栏量子位

旷视发布3D感知全栈解决方案!现在,AI+3D只差杀手级应用了

就在昨天(8月8日),旷视发起了一场“3D视觉产业先锋研讨会”,并正式对外推出了“软硬一体”的移动端3D感知全栈解决方案。

902
来自专栏AI科技评论

人工智能的未来就看这些实验室的了

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,谷歌,DeepMind,Uber,微软等巨头的人...

38711
来自专栏DT数据侠

城市开放数据不好用,是你太笨还是政府太懒?

被坑多次的DT君禀明立场:绝对不怪你!政府“一锅端”式的传统数据开放形式,如今越来越难以满足公众的需求。来自哈佛大学肯尼迪学院艾什中心(Ash Center)的...

930

扫码关注云+社区

领取腾讯云代金券