big data – AQuAS Blog

Millora de la qualitat assistencial a les unitats de cures intensives. El programa PADRIS a la Tarragona Datathon 2018 (segona part)

14 febr.

Avui continuem amb l’entrevista a Maria Bodí (@mariabodi23), metge del servei de Medicina Intensiva i Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnologia, de l’Hospital Universitari de Tarragona Joan XXIII, experts en gestió clínica i aspectes de qualitat i seguretat de l’atenció sanitària.

En la vostra opinió, quin balanç de beneficis i de riscos en termes de seguretat dels pacients plantegen els estudis fets amb dades reals, els anomenats Real World Data?

Beneficis? Tots. És necessària la informació derivada de l’entorn assistencial real per prendre decisions. Els assajos clínics aleatoritzats, com a Gold Standard de la millor evidència científica han estat els que fins ara han definit l’eficàcia i la seguretat de les intervencions terapèutiques. Però suposen un cost molt elevat i, a més a més, van dirigits a grups molt seleccionats de pacients. Els estudis i les anàlisis derivades del món real, els coneguts com a Real World Data, permeten conèixer l’efectivitat i la seguretat de les intervencions en grups de pacients que normalment s’exclouen dels assajos (embarassades, gent gran, pacients amb moltes comorbiditats que són la majoria…).

Hi ha una sèrie de limitacions i obstacles que impedeixen que els Real World Data substitueixin els assajos clínics. D’una banda, aspectes legals i ètics i de garantia de qualitat de les dades. D’altra banda, no es pot assumir el biaix que suposa no aleatoritzar en el cas dels Real World Data. Abans de prendre decisions, ens hem d’assegurar que no hi ha factors de confusió.

Els Real World Data complementen la informació dels assajos clínics en la pràctica clínica habitual.

Fa unes setmanes vam comptar amb la visita de Lucian Leape, autor del famosíssim llibre “To Err is Human” a Barcelona. Vam tenir la sort de poder sentir-lo en una xerrada a AQuAS, vau poder escoltar-lo?

No, malauradament no vam poder assistir-hi. Llàstima perquè ens consta que va ser una bona revisió del que hem après en les darreres dos dècades en l’àmbit de la seguretat clínica i es van apuntar bones recomanacions de futur.

Què us sembla que va aportar l’informe To Err is Human, publicat ara ja fa 20 anys?

Va ser la revolució en l’àmbit de la seguretat. Un canvi de paradigma que es manté avui en dia.

L’informe To Err is Human denunciava els milers de morts als Estats Units degudes a esdeveniments adversos que es podien prevenir! Persones que morien als hospitals per motius aliens a la malaltia que havia motivat el seu ingrés. El més importat és que aquests esdeveniments, aquestes morts, es podien prevenir. Una millor formació, una millor organització del treball, conèixer i analitzar els riscos, el treball en equip, entre d’altres factors, està demostrat que són elements que contribueixen a disminuir la taxa d’esdeveniments i la seva severitat.

De quina manera el programa PADRIS ha tingut impacte en el vostre dia a dia?

L’any 2016 es va publicar MIMIC-III, una gran base de dades desidentificada de pacients d’UCI de l’Hospital Universitari de Harvard generada i mantinguda per investigadors del Massachusetts Institute of Technology. Ells van publicar aquesta base de dades amb l’objectiu de democratitzar la recerca. La idea és que després de realitzar un curs de formació sobre el tractament de dades per recerca, s’acrediti que ets un investigador en actiu i signis un document d’ús; en definitiva fer que un investigador pugui accedir a una gran base de dades per fer recerca. A més, ells animen els investigadors a compartir el codi (la metodologia informàtica) que han aplicat a les dades per arribar als resultats que publiquen. Tot plegat fa que els estudis siguin més transparents i reproduïbles, cosa que incrementa l’excel·lència de la producció científica.

Gràcies a la nostra experiència en extreure dades del sistema d’informació clínica per desenvolupar la nostra eina de gestió de la unitat, ens vam plantejar el repte de generar la nostra pròpia base de dades per fer recerca. Un cop generada, vam contactar amb el programa PADRIS perquè ens assessorés en temes de protocols d’anonimització de les dades i metodologies per accedir-hi per fer recerca. En tot moment van mostrar un gran interès pel projecte i ens van ajudar a dur-lo a terme, de manera que el paper del programa PADRIS va ser determinant per poder fer possible el Datathon Tarragona 2018. I actualment seguim en contacte per definir estratègies de futur sobre com donar accés a aquestes dades per projectes de recerca sense violar cap llei de protecció de dades i com aconseguir ampliar la base amb dades d’altres UCIs del territori català.

Si tinguessiu l’oportunitat de fer una recomanació a uns altres investigadors que volguessin fer recerca, quina recomanació li faríeu?

Li recomanaríem que col·laborés amb experts en altres àmbits, sobretot relacionats amb la tecnologia de dades i l’estadística. Estem arribant a un punt de sofisticació i volum de dades que fa necessari treballar amb equips multidisciplinaris per poder treure el màxim profit i el millor coneixement possible de les dades. Els datathons són un gran exemple d’això, el paper del clínic és determinant per definir l’objectiu i anar validant els resultats que van apareixent quan s’apliquen els algoritmes d’avantguarda per part dels científics de dades. Al mateix temps, el paper dels científics de dades és també determinant a l’hora de suggerir i aplicar metodologies complexes i allunyades de l’estadística tradicional aplicada dins de l’entorn clínic.

Quin repte professional us agradaria assolir durant aquest 2019?

El repte professional últim per al 2019 és el mateix que el de cada any: millorar l’assistència als pacients que ingressin a la UCI. Per aconseguir-ho, tenim alguns reptes molt concrets a la nostra unitat. D’una banda, seguir desenvolupant la nostra eina d’explotació de dades que permet fer una anàlisi dels processos i resultats que anem obtenint en el dia a dia, i així ser conscients d’on hem de focalitzar l’atenció per millorar. D’altra banda, aprofitar l’ús secundari de les dades per fer recerca i generar algoritmes d’aprenentatge automàtic que siguin capaços d’ajudar el metge a prendre les decisions més encertades, més adequades, segons el perfil de cada malalt.

(Podeu llegir la primera part d’aquesta entrevista aquí)

Mejora de la calidad asistencial en las unidades de cuidados intensivos. El programa PADRIS en la Tarragona Datathon 2018 (primera parte)

7 febr.

El pasado mes de noviembre, AQuAS tuvo un rol relevante con el programa PADRIS en la Critical Care Data Analysis Summit and Tarragona Datathon 2018. Teníamos pendiente comentarlo desde entonces.

El programa PADRIS contribuye a la mejora de la salud de las personas facilitando a los investigadores de los centros de investigación de Cataluña la reutilización de la información anonimizada de salud de acuerdo con el marco legal y los principios establecidos.

¿Lo vemos en la práctica, a partir de la experiencia de un profesional?

Hoy entrevistamos a Maria Bodí (@mariabodi23), médico del servicio de Medicina Intensiva y Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnología, del Hospital Universitari de Tarragona Joan XXIII, expertos en gestión clínica y aspectos de calidad y seguridad de la atención sanitaria. Como muchos profesionales de la salud, combinan la actividad asistencial con la investigación.

¿Cómo es tu día a día?

Como jefe de Servicio de Medicina Intensiva del hospital, en mi día a día, la principal tarea es la dirección del servicio y la organización de la asistencia al paciente crítico, coordinando el trabajo de los profesionales implicados. En el servicio trabajan más de 150 personas incluyendo profesionales de medicina (especialistas en medicina intensiva, médicos internos residentes), enfermería, auxiliares de enfermería, celadores, fisioterapeutas y secretaría. Se trata, además, de un servicio que participa y colabora en la docencia de los grados de medicina, enfermería y fisioterapia.

Trato de facilitar que los profesionales participen en la estrategia del servicio y todo esto requiere articular y coordinar todos los esfuerzos, con un objetivo claro, y dar una asistencia de calidad a nuestros pacientes. Es necesario facilitar y coordinar que los profesionales participen en la asistencia, la gestión, la docencia y la investigación en mayor o menor grado. Esto garantizará el compromiso del trabajador en la estrategia del servicio y de la organización.

Si nos centramos en el colectivo médico, cada miembro del equipo se responsabiliza de una área en concreto de nuestra especialidad, de forma que facilitamos la formación continuada de todo el equipo, la evaluación de los resultados y el compromiso en llevar adelante las acciones que deriven del análisis de nuestros resultados.

La experiencia del formato Datathon que se hizo, ¿qué te pareció?

La Datathon fue el resultado de todo un recorrido hecho en los últimos años en el campo del uso secundario de los datos de la historia clínica de los pacientes para la gestión y la investigación de primer nivel. La experiencia fue muy buena. Ciencia pura. Médicos, tecnólogos y tecnología al servicio del análisis de los datos de la vida real, para buscar la mejor evidencia científica.

En los últimos tres años, nuestro grupo ha profundizado en el estudio de los datos y también en la evaluación de la calidad y la seguridad de los datos para su uso secundario. Nuestros avances han permitido colaborar con otros equipos punteros, como el equipo del Dr. Leo Celi del Massachusetts Institute of Technology con quien organizamos este evento.

¿De qué forma piensas que se puede mejorar la calidad asistencial en los cuidados intensivos?

Tenemos que ir hacia la excelencia. Abordar todas las dimensiones de la calidad asistencial. Mejorar la efectividad, la seguridad y la eficiencia. Pero si hablamos de buenos resultados y eficientes, no hablamos en términos de número de acciones a un coste determinado. Hablamos de aportar valor al paciente, al equipo de trabajo, a la organización, al sistema sanitario y a la sociedad. ¿Cómo hacerlo?

Nuestro grupo ha trabajado en el desarrolo de una metodología para poder disponer de indicadores de calidad automáticos. Esto ha sido posible porque todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.) están conectados al sistema de información clínica, donde se integra también la información de la historia clínica del hospital, del laboratorio, de las pruebas de imagen, y donde los profesionales incluyen toda la información de forma ordenada.

De esta forma, a través de estos indicadores diseñados con tecnología innovadora, es posible evaluar procesos asistenciales y resultados. Si el profesional participa en el diseño del proceso asistencial, en la planificación, y conoce cómo se están haciendo las cosas y qué resultados tenemos, se implica y se compromete con los objetivos del servicio y de la organización.

Asimismo, es necesaro pasar de la medicina reactiva a la medicina predictiva, preventiva y personalizada. Tenemos datos para empezar a trabajar en esta línea. Sin embargo, la dimensionalidad y la complejidad de estos datos impide que los métodos de inteligencia artificial sean fáciles de traducir en modelos clínicamente relevantes. La aplicación de métodos predictivos de vanguarda y la manipulación de datos requiere habilidades de colaboración entre profesionales expertos del dominio médico y del tecnológico y nuevos modelos de tratamiento y análisis de datos.

Hemos leído que se puede evaluar, en tiempo real, el riesgo en una unidad de cuidados intensivos. Parece difícil de imaginar, ¿qué nos puedes decir al respecto?

Es así. Partimos de la base de que disponemos de los datos almazenados de todos los pacientes que han ingresado en una UCI, o en más de una UCI. Si la combinación de un grupo de variables (demográficas, clínicas, resultados de laboratorio) ha supuesto la aparición de una complicación o de un evento adverso, un modelo informático entrenado con estos datos puede predecir, si detecta de nuevo la combinación de este grupo de variables, el riesgo que aparezca la misma complicación o evento. Esta es la base de la medicina predictiva.

De acuerdo, pero ¿para qué sirve, a la práctica, la evaluación de este cálculo del riesgo?

Puede ir desde analizar el riesgo o predecir la aparición de una complicación en el curso de una enfermedad, un problema relacionado con la seguridad, un evento adverso, la necesidad o el incremento de la dosis de un fármaco determinado o una terapia específica. Puede predecir la probabilidad de mejoría o de empeoramiento, e incluso, el riesgo de morir de un paciente por una enfermedad.

La medicina ya dispone de calculadoras de riesgo de morir por una enfermedad basándose en bases de datos completadas con registros manuales por parte del profesional. Pero ahora, la automatización del registro de los datos -y los sistemas de información clínica en nuestras UCIs son un ejemplo de esto-, la metodología actual basada en big data y la inteligencia artificial permite un detalle muy superior en el momento de evaluar riesgos.

Cuando se habla de pasar a un model sanitario basado en valor, ¿a qué se refiere exactamente?

Se trata de una organización del trabajo alrededor de las condiciones específicas del paciente y que optimiza su cuidado. Se trata de pagar a las organizaciones y a los hospitales por el valor que aportan. Los resultados y su coste son los componentes clave del valor que el sistema sanitario y los profesionales aportamos a los pacientes. Pero si hablamos de resultados no consideramos únicamente si el paciente sale vivo de la UCI, o no. Los resultados se miden en términos de calidad, de capacidad de volver a incorporarse a su vida, a su trabajo, etc..

Por ello, para impulsar el esfuerzo de mejora, nos tenemos que basar en el trabajo multidisciplinar y el modelo sanitario basado en valor supone cambiar el modelo de negocio de la organización y hacer una inversión en sistemas de medida, de análisis de resultados clínicos y de costes.

¿Qué importancia le das al hecho que los datos se obtengan automáticamente y no manualmente?

Permite analizarlos desde una única fuente de datos, minimiza los errores y no requiere tiempo del profesional en la introducción de estos datos.

¿Cómo se incluyen automáticamente los datos?

En la UCI, los sistemas de información clínica han permitido integrar toda la información, además de los datos que los profesionales incluyen de forma ordenada durante todo el proceso de atención al paciente crítico, se integran resultados de laboratorio, de pruebas de imagen, información de la historia clínica, y los datos de todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.).

¿Qué entendemos por “uso secundario de los datos”?

El uso primario es el que se hace día a día, en la cabecera del paciente, para tomar decisiones sobre el diagnóstico, tratamiento y planificación del proceso de atención. Por ejemplo, de acuerdo a unos resultados de laboratorio se determina si aumento la dosis de un fármaco.

Hablamos de uso secundario cuando hablamos de utilizar los datos para la gestión o para la investigación. El objetivo final sigue siendo mejorar la atención al paciente, evidentemente.

(Continuará…)

Millora de la qualitat assistencial a les unitats de cures intensives. El programa PADRIS a la Tarragona Datathon 2018 (primera part)

7 febr.

El passat mes de novembre, AQuAS va tenir un rol rellevant amb el programa PADRIS a la Critical Care Data Analysis Summit and Tarragona Datathon 2018. Teníem pendent de parlar-ne des d’aleshores.

El programa PADRIS contribueix a la millora de la salut de les persones facilitant als investigadors dels centres de recerca de Catalunya la reutilització de la informació anonimitzada de salut d’acord amb el marc legal i els principis establerts.

Ho veiem a la pràctica, a partir de l’experiència d’un professional?

Avui entrevistem Maria Bodí (@mariabodi23), metge del servei de Medicina Intensiva i Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnologia, de l’Hospital Universitari de Tarragona Joan XXIII, experts en gestió clínica i aspectes de qualitat i seguretat de l’atenció sanitària. Com molts professionals de la salut, combinen l’activitat assistencial amb la recerca.

Com és el teu dia a dia?

Com a cap de Servei de Medicina Intensiva de l’hospital, en el meu dia a dia, la tasca fonamental se centra en la direcció del servei i l’organització de l’assistència al pacient crític, coordinant el treball dels professionals implicats. En el servei treballen més de 150 persones incloent professionals de medicina (especialistes en medicina intensiva, metges interns residents), infermeria, auxiliars d’infermeria, zeladors, fisioterapeutes i secretaria. Es tracta, a més, d’un servei que participa i col·labora en la docència dels graus de medicina, infermeria i fisioteràpia.

Tracto de facilitar que els professionals participin en l’estratègia del servei i tot això requereix articular i coordinar tots els esforços, amb un objectiu clar, i donar una assistència de qualitat als nostres pacients. És necessari facilitar i coordinar que els professionals participin en l’assistència, la gestió, la docència i la recerca en major o en menor grau. Això garantirà el compromís del treballador en l’estratègia del servei i de l’organització.

Si ens centrem en el col·lectiu mèdic, cada membre de l’equip es responsabilitza d’una àrea en concret de la nostra especialitat, de manera que facilitem la formació continuada de tot l’equip, l’avaluació dels resultats i el compromís en tirar endavant les accions que derivin de l’anàlisi dels nostres resultats.

L’experiència del format de Datathon que es va fer, què et va semblar?

La Datathon va ser el resultat de tot un recorregut fet en els darrers anys en el camp de l’ús secundari de les dades de la història clínica dels pacients per a la gestió i per a la recerca de primer nivell. L’experiència va ser molt bona. Ciència pura. Metges, tecnòlegs i tecnologia al servei de l’anàlisi de les dades de la vida real, per buscar la millor evidència científica.

En els darrers tres anys, el nostre grup ha aprofundit en l’estudi de les dades i també en l’avaluació de la qualitat i la seguretat de les dades per al seu ús secundari. Els nostres avenços ens han permès col·laborar amb altres equips punters, com ara l’equip del Dr. Leo Celi del Massachusetts Institute of Technology amb qui vam organitzar aquest esdeveniment.

De quina manera penses que es pot millorar la qualitat assistencial en les unitats de cures intensives?

Hem d’anar cap a la excel·lència. Abordar totes les dimensions de la qualitat assistencial. Millorar l’efectivitat, la seguretat i l’eficiència. Però si parlem de bons resultats i eficients, no parlem en termes de número d’actuacions a un cost determinat. Parlem d’aportar valor al pacient, a l’equip de treball, a l’organització, al sistema sanitari, i a la societat. Com fer-ho?

El nostre grup ha treballat en desenvolupar la metodologia per poder disposar d’indicadors de qualitat automàtics. Això ha estat possible perquè tots els dispositius de capçalera del pacient (ventilació mecànica, monitorització, màquines de diàlisi, etc.) estan connectats al sistema d’informació clínica, on s’integra també la informació de la història clínica de l’hospital, del laboratori, de les proves d’imatge, i on els professionals inclouen tota la informació de forma ordenada.

D’aquesta manera, mitjançant aquests indicadors dissenyats amb tecnologia innovadora, és possible avaluar processos assistencials i resultats. Si el professional participa en el disseny del procés assistencial, en la planificació, i coneix com s’estan fent les coses i quins resultats tenim, s’implica i es compromet amb els objectius del servei i de l’organització.

Així mateix, es requereix passar de la medicina reactiva cap a la medicina predictiva, preventiva i personalitzada. Tenim dades per començar a treballar en aquesta línia. Malgrat això, la dimensionalitat i la complexitat d’aquestes dades impedeix que els mètodes d’intel·ligència artificial siguin fàcils de traduir en models clínicament rellevants. L’aplicació de mètodes predictius d’avantguarda i la manipulació de dades requereix habilitats de col·laboració entre professionals experts del domini mèdic i del tecnològic i nous models de tractament i anàlisi de dades.

Hem llegit que es pot avaluar, en temps real, el risc en una unitat de cures intensives. Sembla difícil d’imaginar, què ens en pots dir?

Així és. Partim de la base que disposem de les dades emmagatzemades de tots els pacients que han ingressat en una UCI, o en més d’una UCI. Si la combinació d’un grup de variables (demogràfiques, clíniques, resultats de laboratori) ha suposat l’aparició d’una complicació o d’un esdeveniment advers, un model informàtic entrenat amb aquestes dades pot predir, si detecta de nou la combinació d’aquest grup de variables, el risc que aparegui la mateixa complicació o esdeveniment. Aquesta és la base de la medicina predictiva.

D’acord, però, per a què serveix, a la pràctica, l’avaluació d’aquest càlcul del risc?

Pot anar des d’analitzar el risc o predir l’aparició d’una complicació en el curs d’una malaltia, un problema relacionat amb la seguretat, un esdeveniment advers, la necessitat o l’increment de la dosi d’un determinat fàrmac o una teràpia específica. Pot predir la probabilitat de milloria o d’empitjorament, i fins i tot, el risc de morir d’un pacient per una malaltia.

La medicina ja disposava de calculadores de risc de morir per una malaltia basant-se en bases de dades completades a través del registres manuals per part del professional. Però ara, l’automatització del registre de les dades -i un exemple d’això són els sistemes d’informació clínica a les nostres UCIs-, la metodologia actual basada en big data i la intel·ligència artificial permet un detall molt superior a l’hora d’avaluar riscos.

Quan es parla de passar a un model sanitari basat en valor, què vol dir exactament?

Es tracta d’una organització del treball al voltant de les condicions específiques del pacient i que optimitza la seva cura. Es tracta de pagar a les organitzacions i als hospitals pel valor que aporten. Els resultats i el seu cost són els components clau del valor que el sistema sanitari i els professionals aportem als pacients. Però si parlem de resultats no considerem únicament si el pacient surt viu de la UCI, o no. Els resultats es mesuren en termes de qualitat, de capacitat de tornar a incorporar-se a la seva vida, al seu treball, etc.

Per això, per impulsar l’esforç de millora, ens hem de basar en el treball multidisciplinari i el model sanitari basat en valor suposa canviar el model de negoci de l’organització i fer una inversió en sistemes de mesurament, d’anàlisi de resultats clínics i de costos.

Quina importància li dones al fet que les dades s’obtinguin automàticament i no manualment?

Permet analitzar-les des d’una única font de dades, minimitza els errors i no requereix temps del professional en la introducció d’aquestes dades.

Com s’inclouen automàticament les dades?

A la UCI, els sistemes d’informació clínica han permès integrar tota la informació, a més de les dades que els professionals inclouen de forma ordenada durant el procés d’atenció al pacient crític, s’integren resultats de laboratori, de proves d’imatge, informació de la història clínica, i les dades de tots els dispositius de capçalera del pacient (ventilació mecànica, monitorització, màquines de diàlisi, etc.).

Què entenem per “ús secundari de les dades”?

L’ús primari és el que es fa dia a dia, a la capçalera del pacient, per prendre decisions quant a diagnòstic, tractament i planificació del procés d’atenció. Per exemple, d’acord a uns resultats de laboratori es determina si augmento la dosi d’un fàrmac.

Parlem d’ús secundari quan parlem d’utilitzar les dades per a la gestió o per a la recerca. L’objectiu final continua sent millorar l’atenció al pacient, evidentment.

(Continuarà…)

L’avaluació mHealth al HIMSS Europe 2018: casos d’èxit i nous reptes

14 juny

El passat 27, 28 i 29 de maig, Sitges va acollir el congrés anual de la Healthcare Information and Management Systems Society (HIMSS) Europe & Health 2.0, esdeveniment centrat en salut digital i innovació en telemedicina. El congrés va rebre centenars de professionals d’arreu del món que van compartir les seves experiències en mHealth i salut del ciutadà, atenció integrada, estratègies de valor afegit, big data, analítica de dades i real world data.

El tret característic del congrés va ser l’enfocament de les activitats i presentacions a l’acció i participació de tots els stakeholders implicats en el sector salut, així com el fet de facilitar la creació de networking estratègic, de recerca i de finançament de projectes.

AQuAS va tenir una participació destacada amb la ponència de Toni Dedeu a la sessió “The ETC Map of Excellence” en el marc de l’European Telemedicine Conference.

L’adopció de les solucions 2.0 entre els professionals de la salut des d’un punt de vista disruptiu també va ser un debat potent que continua viu més enllà del congrés. Com implicar els professionals?

En el camp de l’avaluació, la conferència “Assessing Telemedicine Solutions” es va enfocar en exemples d’eHealth europeus en els quals l’avaluació de la tecnologia va ser una peça clau en la implementació d’estratègies digitals en salut.

Per una banda, representants de la Odense University Hospital de Dinamarca van explicar una estratègia innovadora per reduir l’estada a l’hospital de nounats prematurs i millorar el seu augment de pes i l’experiència familiar utilitzant videoconferències i suports digitals de gestió de dades.

Per una altra banda, l’empresa Kaia Health va presentar una aplicació mòbil dirigida a persones amb malaltia pulmonar obstructiva crònica (MPOC), monitoritzant tan l’adherència a la medicació com el nivell de sedentarisme diari. Els factors d’èxit més discutits durant la sessió van ser tan la recollida de feedback continu i sistemàtic dels pacients, familiars i professionals, com la millora contínua i cíclica de la tecnologia.

Com a reptes, els conferenciants van ressaltar l’avaluació de l’impacte -econòmic i en salut- i el disseny d’estratègies per assegurar l’ús de les tecnologies i aplicacions mòbils per part dels pacients.

Això confirma que cada vegada més és necessari un marc d’avaluació europeu en mHealth, que més enllà de la validació tecnològica i la certificació de qualitat, proporcioni un marc d’avaluació de l’impacte i un full de ruta per millorar la satisfacció dels usuaris.

AQuAS ha estat desenvolupant un model teòric d’avaluació en mHealth publicat a la revista JMIR mHealth and eHealth i actualment està en una segona fase que té com objectiu transformar aquest marc teòric en un model pràctic.

Properament es durà a terme un exercici de consens mitjançant l’eina Health Consensus per acordar indicadors d’avaluació i diversos grups focals per conèixer l’avaluació qualitativa de pacients, professionals i altres parts implicades en les tecnologies eHealth.

S’estima que aquest marc d’avaluació estigui llest per finals d’any i pugui donar resposta a les necessitats actuals d’avaluació de l’impacte i satisfacció d’usuaris de les noves tecnologies sanitàries.

El proper congrés europeu de HiMSS, programat pel 17 i 18 d’octubre de 2018 a Potsdam, Alemanya, estarà precisament dedicat a debatre l’impacte social i econòmic de les tecnologies en salut.

El congrés anual (l’equivalent al de Sitges en què s’ha centrat aquest post) tindrà lloc l’any que ve a Finlàndia. Podeu apuntar-ho a l’agenda: Helsinki, 11-13 de juny de 2019, HIMSS Europe 2019 & Health 2.0 2019.

Entrada elaborada per Elisa Poses Ferrer.

Paisaje de otoño: la investigación en Cataluña

30 nov.

La investigación en Cataluña -o mejor dicho, el ambiente donde se mueven los investigadores- es frágil y no es inmutable. Como el paisaje, la investigación es muy sensible a los cambios que en el entorno se producen y se debe estar atento a estos cambios para conseguir mantener el ambiente adecuado para los investigadores.

Hay que decir que, durante casi una década, la investigación -en especial, la biosanitaria- ha construido un cañamazo donde los mejores investigadores han desarrollado buenos proyectos. El liderazgo de algunos centros e institutos de investigación, hospitales y universidades ha realizado un explícito esfuerzo para que fuera así. Acciones como el programa ICREA, la Institució Catalana de Recerca i Estudis Avançats, han contribuido de forma muy eficiente a que estas instituciones hayan podido acoger investigadores nacionales e internacionales de la máxima valía, que han optado a proyectos que, cuando menos, han cambiado algunos paradigmas. Debemos estar atentos también a algunas acciones específicas que se han desarrollado recientemente, como el CAPRIS, el Consell Assessor en Política de Recerca i Innovació, y que habrá que evaluar en los próximos años, no sólo en cuanto al impacto bibliográfico, sinó también por lo que puede suponer en la mejora del sistema de salud, en campos tan específicos como la medicina de precisión, los big data y la analítica de datos, y la innovación en salud.

Pero las primaveras no son eternas, ni la plenitud del verano se mantiene si no llegan nuevas primaveras. Y para que ésto sea posible no es suficiente con vivir de las rentas de los momentos sublimes, se debe crecer. ¿Y cómo?

Hay que incorporar, como hasta ahora, investigadores séniors, algunos foráneos. Es importante, pero no es suficiente. Debemos estimular la formación de jóvenes, bien financiados y con garantías, que si son buenos tienen camino en la investigación. Ésto no lo hacemos, o lo hacemos con cuentagotas. Me refiero a proyectos potentes de phD/MD y otros de tenure track con evaluación posterior de la excelencia que permitan una carrera investigadora competitiva.
Invertir en infraestructuras y tecnologías. Lo hicimos, pero es necesario persistir en hacerlo y de la forma más eficiente posible.
Limitar la política de institutos y centros sólo a aquellos donde la masa crítica genere el ambiente para que los mejores proyectos sean posibles. Cerrar aquellos centros que no cumplan estos requisitos.
Proponer grandes programas interdisciplinarios que favorezcan la investigación de frontera, abiertos a investigadores de instituciones diversas. Nos hacen falta.
Hacer una política que estimule la inversión privada en investigación y transferencia, a la vez que se facilita la política de donaciones. Se ha iniciado este camino, hay fundaciones que han jugado un papel clave, CELLEX, La Caixa, entre otros, pero hay que ampliar y potenciar esta política. Los fondos públicos tienen un techo que hay que romper.
Generar un laboratorio de ideas en investigación biomédica, que dibuje horizontes posibles.
Evaluar la eficiencia de las OPI de las diferentes instituciones y rediseñarlas para una investigación de futuro, en especial para poder competir internacionalmente, en el European Council, en el NIH y en otros.

Son unas breves pinceladas, para un debate más amplio y posible. En cualquier caso, atención, el otoño ya ha empezado.

Entrada elaborada por Ramon Gomis, catedrático emérito de la Universidad de Barcelona e investigador emérito en el IDIBAPS (@idibaps)

Paisatge de tardor: la recerca a Catalunya

30 nov.

La recerca a Catalunya -o millor dit, l’ambient en què es mouen els investigadors al nostre país- és fràgil i no és immutable. Com el paisatge, la recerca és molt sensible als canvis que en l’entorn es produeixen i cal estar amatent a aquests canvis, per tal d’aconseguir mantenir l’ambient adequat per als investigadors.

Hem de dir que, durant gairebé una dècada, la recerca -en especial la biosanitària- ha construït un canemàs, on els millors investigadors hi han desenvolupat bons projectes. El lideratge d’alguns centres i instituts de recerca, hospitals i universitats han fet un explícit esforç perquè això fos així. Accions com el programa ICREA, la Institució Catalana de Recerca i Estudis Avançats, han contribuït de manera molt eficient a que aquestes institucions hagin pogut acollir investigadors nacionals i internacionals de la màxima vàlua, que han optat per a projectes que, si més no, han canviat alguns paradigmes. Tanmateix, hem d’estar amatents a algunes accions específiques que s’han desenvolupat recentment, com el CAPRIS, el Consell Assessor en Política de Recerca i Innovació, i que caldrà avaluar en els propers anys, no sols pel que fa a l’impacte bibliomètric, sinó també pel que pot suposar en la millora del nostre sistema de salut, en camps ben específics com la medicina de precisió, els big data i l’analítica de dades, i la innovació en salut.

Però les primaveres no són eternes, ni la plenitud de l’estiu és manté si no arriben noves primaveres. I perquè això sigui possible no n’hi ha prou en viure de les rendes dels moments sublims, cal créixer. I com?

Cal incorporar, com fins ara, investigadors sèniors, alguns forans. És important, però no és suficient. Hem d’estimular la formació de joves, ben finançats i amb garanties, que si són bons tenen camí a la recerca. Això no ho fem, o ho fem amb comptagotes. Em refereixo a projectes potents de phD/MD i altres de tenure track amb avaluació posterior d’excel·lència que permetin una carrera investigadora competitiva.
Invertir en infraestructures i tecnologies. Ho vam fer, però cal persistir en fer-ho i de la manera més eficient possible.
Limitar la política d’instituts i centres només a aquells on la massa crítica generi l’ambient perquè els millors projectes hi siguin possibles. Tancar aquells centres que no compleixin aquests requisits.
Proposar grans programes interdisciplinaris que afavoreixin la recerca de frontera, oberts a investigadors d’institucions diverses. Ens manquen.
Fer una política que estimuli la inversió privada en recerca i transferència, alhora que es faciliti la política de donacions. S’ha iniciat aquest camí, hi ha fundacions que han jugat un paper clau, CELLEX, La Caixa, entre d’altres, però cal ampliar i potenciar aquesta política. Els fons públics tenen un sostre que cal trencar.
Generar un laboratori d’idees en recerca biomèdica, que dibuixi els horitzons possibles.
Avaluar l’eficiència de les OPI de les diferents institucions i redissenyar-les per a una recerca de futur, en especial per tal de competir internacionalment, a l’European Council, a l’NIH i a altres.

Són unes breus pinzellades, per a un debat més ampli i possible. En qualsevol cas, alerta, la tardor ja s’ha iniciat.

Entrada elaborada per Ramon Gomis, catedràtic emèrit Universitat de Barcelona i investigador emèrit IDIBAPS (@idibaps)

Analítica de dades en recerca i innovació = participació permanent

21 jul.

El nou Programa públic d’analítica de dades en recerca i innovació en salut a Catalunya es troba en ple procés participatiu i deliberatiu per tal de donar resposta a una moció parlamentària i a la voluntat del Departament de Salut.

El procés participatiu i deliberatiu s’ha articulat en tres grans accions ben diferenciades: una jornada de debats estructurats amb experts, una jornada d’informació pública i un procés participatiu mitjançant aportacions de tota la ciutadania. Veiem-ho tot amb una mica més de detall.

El 5 de juliol es va organitzar una jornada de debats estructurals amb 80 experts. Els debats es van centrar en quatre grans àmbits: recerca pública; principis ètics; governança, transparència i sostenibilitat; i seguretat i normativa. Amb l’objectiu de posar a disposició de tota la ciutadania les idees i reflexions fruit dels diferents debats, les aportacions dels diferents debats van ser recollides i són públiques. Us convidem a llegir les aportacions que es van fer des d’aquí:

Una setmana més tard, el 12 de juliol, es va celebrar una jornada d’informació pública on es van presentar les principals aportacions dels debats del dia 5 de juliol. Entre d’altres aspectes, es va destacar la necessitat que la transparència i el retiment de comptes siguin els principis bàsics en tot el procés, juntament amb la necessitat d’afavorir la participació ciutadana. El video de la jornada es pot veure aquí.

Ara mateix està obert un procés participatiu mitjançant aportacions que es poden fer entre el 6 i el 29 de juliol. Aquestes aportacions s’estudiaran per a la seva integració en el programa definitiu que es presentarà la pròxima tardor.

El programa d’analítica de dades en recerca i innovació serà participatiu de manera permanent. Hi ha la concepció que no es pot construir el progrés científic al marge de la participació ciutadana. Establir un triangle entre científics, polítics i ciutadans és un dels grans reptes de la nostra societat. Toni Dedéu, director de l’AQuAS, confia que el procés participatiu i deliberatiu serveixi per construir el millor programa públic que puguem fer entre tots.

Stratification and morbidity database (2n part)

31 març

(This post is the second part of this post)

A key element for completing the stratification of population in risk groups is information system. It’s necessary to have a database that integrates information collected from different health records and therefore, in order to meet this demand, the population morbidity database was created.

The point is that every day there is more and more emphasis on the need to provide patients with a comprehensive and integrated health and social care, but the analysis and evaluation of this care can not be carried out correctly with fragmented information systems, on the contrary: it must be done starting from the integration of the data these contain.

Population morbidity database structure

The population morbidity database is based on a system of related tables that pivot around the users table, which includes the main data of the insured patient (demographics or health status, to name two examples).

Currently, there are three more tables: the diagnostic, the contact with health services and the pharmacy, but this type of structure relatively easily allows incorporating both information from new records (outpatient clinics, dialysis, respiratory therapy, etc.) and new tables with other relevant information, such as results of clinical findings:

Figure 2: Structure and content of the population morbidity database. The clinical determinations table in gray is not yet implemented.

Taula d'assegurats

The population morbidity database integrates information from the following records:

Registro Central de Asegurados – (RCA) (Central Registry of Insured Patients) managed by public relations management of CatSalut. This register basically provides all the information of residence, socio-demographics and health status of the insured patient.
Registros del conjunto mínimo básico de datos – (CMBD) (Records of basic minimum data set) managed by CatSalut Division of demand and activity analysis. These records feed both into the diagnoses table and in the contacts tables. There are different registers to collect information from the healthcare lines:
Hospitalization (CMBD-HA): information provided by general acute care hospitals (hospital admissions, outpatient surgery, home hospitalization, day hospital) from 2005 to 2014
Socio – sanitary (CMBD-SS): information of the care provided by the health centres of internment (long and medium stay and UFISS) and outpatient care equipment (PADES) from 2005-2014.
Psychiatric hospitalization (CMBD-SMH): information of the care provided by psychiatric hospitals from 2005-2014.
Outpatient Mental Health (CMBD-SMP): information of the care provided by outpatient mental health centres for the period 2005-2014.
Primary Care (CMBD-AP) information on the care provided by primary care teams from 2010 to 2014.
Emergency (CMBD-UR): information of emergency care (hospital and CUAP) from 2013 to 2014.
Pharmacy activity Log (RAF) managed by CatSalut’ management of pharmacy and medicine unit. This record provides all the information about outpatient pharmacy dispensing for the period 2011-2014.
Record health services turnover (RF) managed by the Division of care services provision. This record provides information on any activity financed by CatSalut, but that does not rely on a specific record: hospital outpatient clinics, dialysis, home oxygen therapy, rehabilitation or non-emergency medical transport. This record provides information mainly on the contacts table for the period 2011-2014.

The possible uses of the population morbidity database are multiple: the population stratification, the specific analysis of certain health problems (broken femur, IC, COPD,…), the development of population indicators of efficiency in the use of resources, etc.

We can conclude that, for the volume of data that integrates, this database has the characteristics of a structured “big data”, with a considerable capacity for growth and adaptation to new requirements and data sources and offers enormous possibilities for analysis.

Post written by Emili Vela, head of Modules for Tracking Quality Indicators (MSIQ). Health Care Area. CatSalut.

Estratificación y bases de datos de morbilidad (2a parte)

31 març

(Este post es la continuación de este otro post)

Un elemento fundamental para poder llevar a cabo la estratificación de la población por grupos de riesgo son los sistemas de información. Es necesario, pues, disponer de una base de datos que integre la información recogida en los diferentes registros sanitarios y para dar respuesta a esta demanda, se creó la base de datos de morbididad poblacional.

La cuestión es que cada vez se hace más hincapié en la necesidad de proporcionar a los pacientes una atención social y sanitaria integral e integrada, pero el análisis y la evaluación de esta atención no se puede llevar a cabo correctamente con unos sistemas de información fragmentados, sino que se debe hacer a partir de la integración de los datos que contienen.

Estructura de la base de datos de morbilidad poblacional

La base de datos de morbididad poblacional se fundamenta sobre un sistema de tablas relacionadas que pivotan alrededor de la tabla de usuarios, que recoge los principales datos del asegurado (demográficas o estado de salud, por poner dos ejemplos).

Actualmente hay tres tablas más, la tabla de diagnósticos, la de contactos con servicios sanitarios y la de farmacia, pero este tipo de estructura permite, con relativa facilidad, incorporar tanto información de nuevos registros (consultas externas, diálisis, terapia respiratoria, etc.), como nuevas tablas con otra información relevante, como por ejemplo de resultados de determinaciones clínicas:

Figura 1: Estructura y contenido de la base de datos de morbididad poblacional. La tabla de determinaciones clínicas, en gris, aún no está implementada.

Taula d'assegurats

La base de datos de morbididad poblacional integra la información de los siguientes registros:

Registro Central de Asegurados (RCA): gestionado desde la Gerencia de atención ciudadana del CatSalut. Este registro proporciona fundamentalmente toda la información de residencia, sociodemográfica y del estado vital de los asegurados.
Registros del conjunto mínimo básico de datos (CMBD): gestionados por la División de análisis de la demanda y la actividad del CatSalut. Estos registros alimentan tanto la tabla de diagnósticos como la de contactos. Existen diferentes registros para recoger la información de las líneas asistenciales:
Hospitalización (CMBD-HA): información proporcionada por los hospitales generales de agudos (ingresos, cirugía mayor ambulatoria, hospitalizaciones domiciliarias, hospital de día) del período 2005-2014
Sociosanitario (CMBD-SS): información de la atención proporcionada por los centros sociosanitarios de internamiento (larga y media estancia y UFISS) y equipos de atención ambulatoria (PADES) del periodo 2005-2014.
Hospitalización psiquiátrica (CMBD-SMH): información de la atención proporcionada por los hospitales monográficos psiquiátricos del período 2005-2014.
Salud mental ambulatoria (CMBD-SMP): información de la atención proporcionada por los centros de salud mental ambulatoria del período 2005-2014.
Atención primaria (CMBD-AP): información de la atención proporcionada por los equipos de atención primaria del periodo 2010-2014.
Urgencias (CMBD-UR): información de la atención a urgencias (hospital y CUAP) del periodo 2013-2014.
Registro de actividad de farmacia (RAF): gestionado por la Gerencia de farmacia y del medicamento del CatSalut. Este registro proporciona toda la información de dispensación farmacéutica ambulatoria del periodo 2011-2014.
Registro de facturación de servicios sanitarios (RF): gestionado por la división de provisión de servicios asistenciales. Este registro proporciona información de toda aquella actividad financiada por el CatSalut, pero que no cuenta con un registro específico: consultas externas hospitalarias, diálisis, oxigenoterapia domiciliaria, rehabilitación o transporte sanitario no urgente. Este registro proporciona fundamentalmente información en la tabla de contactos para el periodo 2011-2014.

Las utilidades de la base de datos de morbididad poblacional son múltiples, la estratificación poblacional, el análisis específico de determinados problemas de salud (fractura de fémur, IC, EPOC, …), la elaboración de indicadores poblacionales de eficiencia en la utilización de recursos, etc.

Podemos concluir que, por el volumen de datos que integra, esta base de datos tiene las características de un “big data” estructurado, con una considerable capacidad de crecimiento y de adaptación a nuevos requerimientos y fuentes de datos y ofrece unas enormes posibilidades de análisis.

Entrada elaborada por Emili Vela, responsable de los Módulos para el Seguimiento de Indicadores de Calidad (MSIQ). Área de Atención Sanitaria. CatSalut.

Estratificació i bases de dades de morbiditat (2a part)

31 març

(Aquest post és la continuació d’aquest altre post)

Un element fonamental per tal de poder dur a terme l’estratificació de la població per grups de risc són els sistemes d’informació. Cal, doncs, disposar d’una base de dades que integri la informació recollida en els diferents registres sanitaris i per donar resposta a aquesta demanda, es va crear la base de dades de morbiditat poblacional.

La qüestió és que cada cop es fa més èmfasi en la necessitat de proporcionar als pacients una atenció social i sanitària integral i integrada, però l’anàlisi i l’avaluació d’aquesta atenció no es pot dur a terme correctament amb uns sistemes d’informació fragmentats, sinó que s’ha de fer a partir de la integració de les dades que contenen.

Estructura de la base de dades de morbiditat poblacional

La base de dades de morbiditat poblacional es fonamenta sobre un sistema de taules relacionades que pivoten al voltant de la taula d’usuaris, que recull les principals dades de l’assegurat (demogràfiques o estat de salut, per posar dos exemples).

Actualment hi ha tres taules més, la taula de diagnòstics, la de contactes amb serveis sanitaris i la de farmàcia, però aquest tipus d’estructura permet, amb relativa facilitat, incorporar tant informació de nous registres (consultes externes, diàlisi, teràpia respiratòria, etc.), com noves taules amb altra informació rellevant, com per exemple de resultats de determinacions clíniques:

Figura 1. Estructura i contingut de la base de dades de morbiditat poblacional. La taula de determinacions clíniques, en gris, encara no està implementada.

Taula d'assegurats

La base de dades de morbiditat poblacional integra la informació dels següents registres:

Registre Central d’Assegurats (RCA): gestionat des de la Gerència d’atenció ciutadana del CatSalut. Aquest registre proporciona fonamentalment tota la informació de residència, sociodemogràfica i de l’estat vital dels assegurats.
Registres del conjunt mínim bàsic de dades (CMBD): gestionats per la Divisió d’anàlisi de la demanda i l’activitat del CatSalut. Aquests registres alimenten tant la taula de diagnòstics com la de contactes. Existeixen diferents registres per recollir la informació de les línies assistencials:
Hospitalització (CMBD-HA): informació proporcionada pels hospitals generals d’aguts (ingressos, cirurgia major ambulatòria, hospitalitzacions domiciliàries, hospital de dia) del període 2005-2014
Sociosanitari (CMBD-SS): informació de l’atenció proporcionada pels centres sociosanitaris d’internament (llarga i mitja estada i UFISS) i equips d’atenció ambulatòria (PADES) del període 2005-2014.
Hospitalització psiquiàtrica (CMBD-SMH): informació de l’atenció proporcionada pels hospitals monogràfics psiquiàtrics del període 2005-2014.
Salut mental ambulatòria (CMBD-SMP): informació de l’atenció proporcionada pels centres de salut mental ambulatòria del període 2005-2014.
Atenció primària (CMBD-AP): informació de l’atenció proporcionada pels equips d’atenció primària del període 2010-2014.
Urgències (CMBD-UR): informació de l’atenció a urgències (hospital i CUAP) del període 2013-2014.
Registre d’activitat de farmàcia (RAF): gestionat per la Gerència de farmàcia i del medicament del CatSalut. Aquest registre proporciona tota la informació de dispensació farmacèutica ambulatòria del període 2011-2014.
Registre de facturació de serveis sanitaris (RF): gestionat per la divisió de provisió de serveis assistencials. Aquest registre proporciona informació de tota aquella activitat finançada pel CatSalut, però que no compta amb un registre específic: consultes externes hospitalàries, diàlisi, oxigenoteràpia domiciliaria, rehabilitació o transport sanitari no urgent. Aquest registre proporciona fonamentalment informació a la taula de contactes pel període 2011-2014.

Les utilitats de la base de dades de morbiditat poblacional són múltiples, l’estratificació poblacional, l’anàlisi específic de determinats problemes de salut (fractura de fèmur, IC, MPOC,…), l’elaboració d’indicadors poblacionals d’eficiència en la utilització de recursos, etc.

Podem concloure que, pel volum de dades que integra, aquesta base de dades té les característiques d’un “big data” estructurat, amb una considerable capacitat de creixement i d’adaptació a nous requeriments i fonts de dades i ofereix unes enormes possibilitats d’anàlisi.

Entrada elaborada per Emili Vela, responsable dels Mòduls per al Seguiment d’Indicadors de Qualitat (MSIQ). Àrea d’Atenció Sanitària. CatSalut.