ניצול הזדמנויות חדשות לטיפול החולה ומעורבות הפך לחלק חשוב של טיפול רפואי מודרני. היא גם משפרת את הדרך בה אנו מתקרבים למניעת מחלות. אלה אשר מהר יותר לאמץ חדשנות בריאותית - הן חולים והן קלינאים - יראו מוקדם תועלת מן ההתקדמות.
פערים בתקני הבריאות האלקטרוניים אימוץ
רשומות רפואיות אלקטרוניות (EHRs) מאומצות יותר ויותר ברחבי ארצות הברית, אשר בהתאם לטכנולוגיית המידע הבריאותי של הכלכלה הכלכלית והבריאותית חוק (חוק HITECH) אשר הועבר בשנת 2009.
חקיקה זו קובעת את השימוש המשמעותי של הטכנולוגיה הבריאותית ותומך ביישום EHRs. בתחילה, תמריצים כספיים הוצעו לספקים באמצעות EHRs, וזה היה צפוי כי עד עכשיו תהליך האימוץ היה גמור. בחוק המקורי HITECH, עונשים אפשריים יכול להיות שנגרמו על ידי ארגוני הבריאות לא להפגין שימוש משמעותי של הטכנולוגיה המודרנית בריאות דיגיטלי לאחר 2015. עם זאת, תהליך האימוץ היה איטי מהצפוי, כך בשנת 2014, המרכזים עבור Medicare ו Medicaid Services (CMS) הודיעה כי שלב 3 של תהליך האימוץ נדחה עד 2017. בשנה שעברה, שימוש משמעותי של EHRs הפך אופציה עבור כל הספקים. בשנת 2018, יישום שלב 3 של תהליך המתגלגל היה חובה. קבוצות מסוימות, לעומת זאת, ביקש כי שלב 3 יידחה שוב בשל חששות סביב מוכנות בין ספקים וספקים.
עם זאת, חלה עלייה משמעותית בשימוש של EHRs. מחקר שנערך בשנת 2013 על ידי מייקל Furukawa ו coauthors מצא כי 78 אחוזים של רופאים מבוססי המשרד אימצו עכשיו איזה סוג של EHR. שיעורי האימוץ היו נמוכים יותר בפרקטיקות של מתרגלים בודדים והתמחויות לא ראשונות, וסימנו שיש עדיין מקום לאימוץ המוני נוסף בכמה הגדרות.
ניתוח הנתונים של Furukawa הראה גם כי ספיגה של שימוש משמעותי בטכנולוגיית מידע בריאותי יכול להפחית תופעות לוואי שליליות בבתי חולים, כגון טעויות בתרופות, מינון יתר ותגובות אלרגיות. במאמר שפורסם ב -1977 בכתב העת Journal of American Informatics Association, פורוקאווה ועמיתיו דיווחו על ירידה של 20% באירועי סמים שלילי, על ידי שימוש משמעותי ב- EHR. מידע זה עשוי לדחוף בתי חולים נוספים לאימוץ EHRs והתנגדות רופאים נמוכה יותר, אשר עדיין משפיעה על שימוש משמעותי.
הזדמנויות שלא נענו
אי-אימוץ מלא של EHRs אינו האתגר היחיד שמפריע לתשתית הבריאות. נתונים שנאספו EHRs יש פוטנציאל הרבה יותר מאשר מה מנוצל כיום. כאשר מערכות אלה מופעלות לחיבור מקורות מידע מרובים, הם מצוידים טוב יותר כדי ליצור אלגוריתמים מנבאים לגבי תגובת הטיפול של המטופל.
מספר מחקרים בדקו גישה זו בטיפול בסוכרת. כאשר EHRs היו משולבים עם אלגוריתמים קליניים, האסטרטגיה הוכחה להיות מעולה בפועל הנוכחי. שילוב נתונים אישיים עם תחזית פרוגנוזה עלה על היעילות של שיטות קודמות.
זה הציע פרשנות טובה יותר של מידע המטופל, כמו גם הנחיות טיפול משופרת. מחקר שנערך על ידי ד"ר מיכאל קלומפאס מבית הספר לרפואה של הרווארד ומכון הבריאות של הרווארד פילגרים בבוסטון גילה גם כי נתוני EHR יכולים לסייע בזיהוי מקרים נוספים של סוכרת ולהפלה בין סוכרת מסוג 1 לסוג 2. קלומפאס וצוותו מאמינים כי טכנולוגיה חדשה זו יכולה להיות מיושמת כשירות בריאות הציבור האוטומטי ועשוי לסייע עם ניהול בפועל גיוס חולים למחקרים קליניים.
עם EHRs מודרנית, המידע יכול כעת להיות מוצג באופן אוטומטי ולספק צוות רפואי עם טיפול רלוונטי טיפול הנחיות הטיפול כי הם ממוקדת החולה ו מותאמים למטופל בודד.
אחת הביקורות על משטרי טיפול מבוססי אוכלוסיה היא שהתערבויות מכוילות כנגד הממוצע הבסיסי נגזרות מהכללות על אוכלוסייה. גישה זו ידועה לשמצה או פיצוי יתר על הצרכים של הפרט. יתר על כן, אלגוריתם סטנדרטי עדיין מונחה נתונים מבטיח כי תוכנית הטיפול של הפרט היא מבוססת על ראיות לוגי. הוראות ופרוטוקולים מתעדכנים כל הזמן, המאפשר טיפול מתואם ועקבי המותאם לצרכים הייחודיים של המטופל. יש גם ראיות משמעותיות כי שילוב EHRs עם מערכות תמיכה החלטה קלינית (CDSSs) יכול לחולל מהפכה בתחום הבריאות ולהפוך נתונים שנאספו מידע לפעולה.
מחשב עזרה למטופלים
בשנת 2015 הודיעו יבמ ו- CVS Health על מיזם משותף לשימוש בכוח האנליטי האנליטי העצום של מחשב ווטסון של IBM כדי לספק טיפול אישי ללקוחות CVS. השותפות מאפשרת ל- CVS לזהות טוב יותר את הצרכנים העשויים להיות בסיכון לתוצאות בריאותיות שליליות, ולאחר מכן לספק להם שירותים מותאמים, המגדילים את הסיכויים לשיפור מצבם.
Watson Oncology, מערכת מחשוב קוגניטיבית חדשה, נמצאת בשימוש על ידי הקלינאים ממוריאל סלואן קטרינג כדי לפרש נתונים קליניים של חולי סרטן ולמצוא את הטיפול הטוב ביותר המבוסס על שנים של מומחיות מאוחסנת ומחקר. משמעות הדבר היא כי עדויות האחרונות יכול לנסוע מהר יותר דרך הקהילה אונקולוגיה ולשפר את הטיפול בחולה. יתר על כן, הוא גם מאפשר הרחבת הידע ממומחה אחד למשנהו. זה יכול להבטיח לך לקבל את אותו טיפול ברמה העליונה ללא קשר מי הרופא שלך. המהלך להוסיף אלמנטים מנבאים המבוססים על נתונים מותאמים אישית של בריאות החולה צפוי לחקות במהירות על ידי המתחרים, וזה רק ההתחלה של הגדלת השימוש בבינה מלאכותית כדי לשפר את בריאות האוכלוסייה. שותפויות בין חברות כמו יבמ וחברות רפואיות ופארמצבטיות יכולות להבטיח שחידושים מוחלים על טיפול רפואי יומיומי מהר יותר.
חולים עוזרים לעצמם
הזדמנות גדולה נוספת המוצעת על ידי טכנולוגיית הבריאות הדיגיטלית היא הזדמנות להגברת מעורבות המטופלים. חולים יכולים כעת להציג, להוריד ולגשת מידע בריאותי שלהם, כמו גם לקבל החלטות מושכלות על אפשרויות הטיפול שלהם. מייקל Furokawa וצוות החוקרים שלו מצאו כי רופאים יותר ויותר להשתמש בטכנולוגיה כדי לחלוק מידע עם המטופלים שלהם. בשנת 2014, 30% מהרופאים שהשתתפו בסקר השתמשו באופן שגרתי ביכולות של העברת הודעות מאובטחת, ו -24% סיפקו באופן שגרתי למטופלים גישה מקוונת לנתוני הבריאות שלהם. מספר זה גדל ככל הנראה בשנים האחרונות ועלה ככל האפשר שיתוף פעולה בין רופא לחולה.
אסטרטגיות חדשות נפרסות כל הזמן להגברת מעורבות המטופלים באמצעות טכנולוגיה. Mercy-a ארגון בריאות עם מחלה כרונית outreach תוכנית זוגות הטכנולוגיה עם המאמנים הבריאותיים שלה. מאמנים משתמשים בטכנולוגיה כדי לעזור למניעים לקחת יוזמה אישית ולהיות מעורבים יותר בטיפול שלהם. במובן זה, הטכנולוגיה לבדה היא לא התשובה. הקשר האנושי מסייע לשינוי היחס ותומך בשינוי התנהגותי חיובי, בעוד הטכנולוגיה מגבירה את האפקט הזה. האינטראקציה האנושית תמשיך להיות גורם חשוב ותישאר גורם מכריע לגבי הצלחת התוצאות הבריאותיות, גם כאשר התפתחות הטכנולוגיה עוזרת לנו לשפר בדרכים המאיצות ומרחיבות את ההתקדמות לעבר רווחה טובה יותר.
> מקורות
> פורוקאווה M, המלך J, Patel V, Chun-Ju H, אדלר-Milstein J, ג'ה א. למרות התקדמות משמעותית באימוץ EHR, חילופי מידע על בריאות ומעורבות החולה נשארים נמוכים בהגדרות המשרד. בריאות , 2014, 33 (9): 1672-1679
> Furukawa M, המלך J, פאטל V. עמדות הרופא על קלות השימוש של פונקציות EHR הקשורים לשימוש משמעותי. American Journal of Care Care , 2016; 21 (12): E684
> Furukawa M, Spector W, Limcangco M, Encinosa W, Rhona Limcangco M. שימוש משמעותי בטכנולוגיית מידע בריאותי וירידה באירועי סמים שלילי בבית החולים. Journal of the American Medical Informatics Association , 2017; 24 (4): 729-736.
> Klompas M, Eggleston E, McVetta J, Lazarus R, Li L, Platt R. זיהוי וסיווג אוטומטי של סוג 1 לעומת סוכרת מסוג 2 באמצעות נתוני שיא בריאות אלקטרוניים. טיפול בסוכרת . 2013, 36 (4): 914-921.