Granda datumo reprezentas senprecedencan ŝancon por la kuracada industrio movi al la sekvanta nivelo de serva kvalito. Dum multa diskuto sur la rilato inter granda datumo kaj la kuracada industrio emas rondiri ĉirkaŭ la servaj hospitaloj kaj klinika propono, La hejma prizorga ero ankaŭ grave povas profitigi de la granda datuma fenomeno. Konvena hejma prizorgo servoj povas redukti ambaŭ la ŝancoj kaj la kosto de hospitalization kaj administri malsanon. Hejma kuracado provizantoj konsistigas gravan parton de la kuracada serva sektoro. Tiaj provizantoj povas uzi paciencan datumon identigi skemojn kiu povus helpi malhelpi aŭ redukti la gravecon de malsanoj, Kolekti paciencan datumon provizi precizan, Regula kaj adaptita servojn kaj eĉ malhelpi malsanojn. Ĝi ne ŝajnas la efiko de granda datumo sur la hejma sana prizorgo estis komprenita bone sufiĉan sed la potencialo estas granda.
Kio estas hejma sano prizorgo?
Hejma sano prizorgo estas aro de sana prizorgo servoj kiu estas provizita ĉe via hejmo administri malsanon aŭ vundon. Kvankam hejma sano prizorgo ne povas anstataŭigi hospitalan trakton en multaj vojoj kiel operacio, Ĝi estas en multaj vojoj kiel efika en administranta vundojn aŭ malsanojn kiel hospitalo. La hejma sana prizorga sektoro estas sufiĉe tre organizita kaj tutmonde, Estas nombro de laŭdira hejma sano prizorgaj provizantoj. Tamen, Antaŭ ol vi avail de tia servo, Vi devus demandi vian doktoron. Donita malsupre estas ilustra listo de servoj ke hejma sana prizorga provizanto povas proponi:
- Dieta administrado
- Sanga premo, Kora indico, Temperaturo kaj spiranta mezuron.
- Monitoranta preskribita drogojn kaj medikamenta konsumado fari certe ke vi ne perdiĝas iun ajn preskribis dozon.
- Komunikanta vian sanan statuson al la doktoro kaj kunordiganta, Whenever necesa.
- Nutrada terapio.
Kiel povas hejme sanan prizorgon utilo de granda datumo?
La hejma sana prizorga industrio ekzistis delonge, Pro tio ke la 1960aj jaroj kaj nur kiel aliaj industrioj; Ĝi evoluis tra pluraj fazoj. Nun, Granda datumo proponas la sekvantan grandan ŝancon katapulti la industrion unu aŭ du niveloj supre. La alineoj sub diskuti kiom granda datumo povas profitigi la industrion.
Skema identigo
Preskaŭ ĉiu malsano havas skemon. Ekzemple, Fojna febro, gripo aŭ astmo estas kutime spertita dum ŝanĝo de sezonoj, Ekstremaj temperaturoj aŭ polvokovrita vetero. Homoj kiu suferas de alergio aŭ astmo estas pli probabla fali malsanan dum ĉi tiuj periodoj en jaro. Donita la ekmultiĝon en la kvanto de sana datumo produktis, Hejma sano prizorgaj provizantoj povus aliri datumon pri pacientoj kiu havas specifajn malsanojn kaj identigi skemojn kaj ellasilojn kiu alportas pri la ekkomenco de la malsano. La provizantoj, Ekzemple, Povus fari liston de specifaj ellasiloj aŭ skemoj kaj iliaj preventaj paŝoj. Ekzemple, Astmaj pacientoj povis esti portanta maskon kiam veturanta aŭton tra congested areo. En Usono, Skema identigo estas grandega sukceso en administranta gripon. La CDC kolektas datumon koncerne al gripo de pli da ol 7,00,00 Doktoroj de ĉiuj super la lando kaj la datumo helpas la publikajn sanajn oficialulojn resti konektita kun la gripa administrada programo, Identigi la trostreĉiĝojn kiu devas esti inkluzivita al la gripaj vakcinoj kaj ankaŭ identigi la tempojn kiam la gripaj vakcinoj devas esti ŝanĝita. La datumo eksplodis poste 2009 Kaj nun grandegaj volumoj de datumo de laboritorioj, Oficialuloj, hospitaloj kaj retejoj kiel la Google Gripaj Tendencoj estas donantaj aŭtentikan informon sur gripaj ekinfestiĝoj kaj ilia severeco kaj identigi traktajn protokolojn. Similaj praktikoj povus esti uzita por hejma sano prizorgaj servoj kaj provizi pli bonan sanan prizorgon.
Gvatado
Hejma sano prizorgaj provizantoj ankaŭ povus uzi grandan datumon apliki gvatadon de pacientoj por ke krizaj situacioj povus esti evitita. Fakte, Ĝuste nun, Tro da fokusoj de la kuracada industrio estas sur malhelpo. Laŭ d-ro. Jeffrey Brenner, De Camden, NJ, Granda datumo ankaŭ povus esti uzita efike analizi diversajn paciencajn problemojn kaj provizi efikajn solvojn. la organizo de Brenner, Camden Koalicio de Kuracadaj Provizantoj identigas pacientojn kiu estas ekstraj uzantoj de hospitalaj servoj de datumo kolektita de tiaj fontoj kiel ambulancaj vokoj, doktoraj konsultoj kaj paciencaj rekordoj. Camden Koalicio de Kuracadaj Provizantoj tiam trovas efikajn solvojn kiu povus malhelpi krizajn situaciojn.
Sur pli individua nivelo, Kuracadaj provizantoj ĉe hejmo povus identigi pacientojn kiu estas nekapabla administri kronikan malsanon konvene. Artikolo eldonita en la Sana Afera revuo sugestas ke kuracadaj provizantoj povus eltiri informon de la smartphones de pacientoj identigi ĉu la paciento estis suferanta de malsano. Tio ĉi povus esti farita bazitan sur la aktivecoj, Foliumanta kutimojn kaj alia datumo. Nun, La kuracadaj provizantoj devas konkludi ĉu la paciento estas alproksimiĝanta krizan situacion kaj bezonoj rapide trovi ekstere la paŝojn kiu devas esti prenita malhelpi krizan situacion.
Malhelpo
Granda datumo povas esti tre efika ĉe helpanta kuracadajn provizantojn malhelpas hospitalon readmissions. La Teksasa Sano Harris Methodist Hospitalo Hurst-Euless-Bedford hospitalo faris eksperimenton kaj eltrovita ke pacienca datumo povus redukti krizojn kaj readmissions grave. Ĝi kolektis kaj analizis la kuracajn rekordojn de preskaŭ 14,000 Pacientoj evoluigi algoritmon kiu provizis la numeran probablecon de pacientoj kiu povus esti readmitted en la estonteco. Pacientoj kiu trafis super certa algoritmo estas la plej probablaj kandidatoj por readmission. Laŭ Suzana Lando, La ĉefa kuraca oficiro de la hospitalo, “Ĝi prenas ĉiuj ĉi tiuj pecoj de datumo de la EHR, Kaj ĝi havas algoritmon, Kaj diras nin kiu paciento estas ĉe pli alta risko por kora malsukceso.” Nun, La hospitalo elpensis intensan prizorgan programon kiu inkluzivis hejman sanon prizorgaj servoj por tiaj pacientoj. La prizorgo provizis estis intensa kaj ĝi montris rezultojn: La hospitalo estis kapabla redukti readmissions de preskaŭ 50% Pro tio ke la trafanta sistemo komencis.
La ekzemplo emfazas la gravecon de granda datumo en malhelpanta krizojn kaj readmissions. Kaj hejma sano prizorgo estas iranta ludi ekstreme gravan rolon en provizanta efikajn hejmajn servojn al pacientoj kiu devas intensan sanan prizorgan servon.
Kiel povas hejme sanan prizorgon provizantoj ekspluatas grandan datumon?
La respondo estas simpla: La provizantoj devas investi multan rimedon sur teknologio kaj trejnado. La tagoj de mana datuma kolekto estas alfrontanta severajn defiojn en la vizaĝo de la datuma impeto. La provizantoj devas aliri kaj analizi ĉiuj la datumo ĝi povas proksimume paciencan antaŭ ol ĝi komencas ĝian kuracadan programon. Tio ĉi helpas la provizanton personigi ĝiajn servojn. Ekde unu el la objektivoj estas malhelpi aŭ minimumigi ŝancojn de readmission, Ĝi devas identigi skemojn aŭ ellasilojn kiu povus komenci la ekkomencon de malsano en la paciento.
Resuma
Dum granda datumo promesas tre por la kuracada sektoro, Estas multaj hurdoj preskaŭ. Kvankam multaj sistemoj uzas prognozan analytics ĉi tiuj tagoj, la teknologio aŭ algoritmo estas ankoraŭ ne fidinda sufiĉa provizi superkvalitan kaj fidindan analytics. Ankaŭ, Kostita de investo en la granda datuma teknologio povas esti grava hindrance por multaj hejmaj prizorgaj servaj provizantoj. Grandaj organizoj kun profundaj poŝoj kiel la Teksasa hospitalo menciis antaŭe en la artikolo povas havigi tiajn investojn. Ĝi ŝajnas ke ĝi estas iranta preni multan tempon antaŭ granda datuma teknologio percolates al la plej malaltaj niveloj de kuracado.
