用于医疗保健数据的重要概念是什么？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-04-25
健康信息管理
重复的记录会导致质量，成本和安全性问题，重复记录是一种临床错误情况（提供者和/或付款人没有所有的临床或受益信息），而这终会增加医疗保健的成本（不必要的检测，禁忌症，多付款等），创建重复记录时，“数据管理员”的早期发现和纠正至关重要，数据中心必须具备创建复杂的记录生存规则，批准工作流，联合数据管理能力以及扩展企业搜索的能力–当数据中心进行企业搜索时，我们的一位客户将其重复创建减少了66％，权利扩展到注册点。
更改身份的更新会带来严重的临床风险
从源系统接收更新的患者数据是一件好事，但是人口统计更新会错误地更改记录的身份，这是严重的临床错误，医疗保健将其称为“潜在覆盖”，当记录年龄55岁错误地更新并更改身份33岁时，就会发生潜在的覆盖，这可能会导致患者入院，但临床人员正在查看其他人的病历，数据中心必须能够识别这些情况并实时向HIM和患者安全人员发出警报。
共享标识符可能表示更大的问题
共享重要标识符（例如社会保障，省卫生，驾驶执照号码或保险证件）的不同个人可能表示潜在的欺诈活动或在患者图表中捕获患者数据的方式有误，医疗旅游业是一个日益复杂的问题，数据中心必须可配置为“监视”共享标识符，并在情况出现时提醒数据完整性人员。
数据质量不是可选的必须是有效的
从上面可以看出对于医疗保健的提供者或付款者来说，数据管理不是可选的，医疗保健信息的标志是极高的数据准确性和数据完整性，可确保患者安全并在护理提供者和患者之间建立信任，绝大多数医疗保健利益相关者都认为软件和人员投资导致人们认识到患者匹配解决起来很昂贵。
必须能够解决这些挑战，我们看到下一代数据中心可以在多个领域发挥作用
数据丰富：数据中心必须能够与外部参考数据源集成，以将其他数据或标准化数据带回到中心，以提高匹配率效率，医疗保健中的常见示例包括从注册中心获取医疗服务提供者ID（NPI），以及从各种医疗服务提供者获得标准化地址。
智能数据：我们将避免过度使用术语“AI”，但机器学习肯定是智能数据管理的一部分，当今的企业正在寻找能够根据任务类型，位置，客户等为专门的数据管理员创建智能任务分配的能力，希望机器学习能够检查具有共同特征的大量任务并就匹配的变化提出建议参数或业务流程。
源系统数据质量合规性：企业正在寻找数据中心，以能够通过高级分析和ML技术为他们提供帮助，这些技术可以随着时间的推移监视源系统的数据质量并确定正在降低数据整体有效性的源系统数据质量问题管理小组。
数据中心的意义远不只是干净的数据
没有能力/技能来管理医疗保健的患者所花费的费用比高度敬业的患者高出21％，它的时间，使同21世纪的互联互通，以医疗为银行和手机，确实过去五年来我们看到的重大的变化是，健康信息管理领域的如何理解这一点，从而重新塑造了传统的角色。
主数据管理对战略医疗保健计划的价值
医疗保健具有非常独特的一组信息治理，管理，数据交换协议和标准，20年前主数据管理作已成为医疗保健领域的迫切需求，其重点是创建高度的数据完整性，以支持跨不同源系统（如EHR，收入周期，注册和临床履行）共享临床患者信息，系统医疗保健现在意识到，他们必须将其转换为多域数据中心，以应对快速变化并为利益相关者带来切实的临床和业务收益，在过去的两年中，我们花了很多时间与客户交谈，以了解他们计划从高质量，可信赖的数据中获取更多价值的计划。我们已经确定了六个关键的“倡议”，这些倡议依赖于将EMPI扩展到多域数据中心：
1.消费者参与
现在许多医疗保健组织将其用于建立忠诚度的参与计划，以改善和改善客户体验，在私人医疗保健中，消费者在医疗保健方面拥有比以往更多的选择，尤其是在人口稠密的地区，随着数字服务转型的需求日益增长，公共医疗保健正处于挣扎之中，所有医疗保健组织都需要证明自己真正了解自己的客户，才能达到期望并保持期望，自助门户，在线约会安排或账单支付，智能手机警报和提醒，通过视频聊天进行虚拟咨询以及患者自我监控都是增强客户参与度的一部分，要做到这一点，需要对所有客户数据提供一个受信任的视图，以支持消费者的偏好并执行个人隐私和同意指令，这就是数据中心的用武之地。
当医疗机构做到这一点时-当数据可以被真正信任时-他们会看到客户和护理人员的信心，整体满意度以及更多客户参与其护理的显着提升。
2.互操作性
初的集中于一组狭窄的身份数据，以便在遭遇时地识别客户（通常是患者），如今包含新数据域（例如提供商，组织和位置）并将来自外部来源的数据（其他卫生系统，公共卫生数据或参考数据）集成到需求呈指数级增长，企业供应商承诺“对患者有单一看法”，但是挑战仍然存在，尤其是在涉及外部数据源和互操作性计划方面，这推动了语义互操作性的需求。我们的一位客户总结了许多人的看法，我们提供了可信赖的数据，对于推动互操作性至关重要，数据中心可以在庞大的企业范围内整理，标记，交叉引用和集成数据。随着EHR，数据仓库和数据湖的庞大数量的持续增长，这变得更加紧迫，而且随着越来越多的合并和收购，丰富的互操作性可帮助客户加入新的提供商，并将其患者的数据整合到单个合并的临床记录中，同时降低成本并加快时间表。
3.合规
现在医疗保健意识到，主数据管理在不断变化的合规环境中至关重要，许多公司已经创建了自动化流程，以管理针对州或省的特定要求而选择加入/退出的项，有些人使用这些相同的过程来平衡营销的数据需求合规性以及治理要求，一位客户说得，我们的EMPI是整个企业的监督者-它使我们能够使数据民主化，随着企业通过法案推动实现更广泛的数据共享，受信任的数据中心对于定义和管理对复杂治理要求（例如同意，信息请求自由，数据保留策略和审计）的合规性至关重要。
4.收入周期
在过去的十年中以支持不断增长的收入周期需求，尽管某些用例很简单（使用更好地识别患者以简化摄入量和支持费用），但其他用例则更为先进，一些收入周期团队使用检测欺诈行为，而另一些收入周期团队则使用未保险的患者来识别其企业的健康计划，其他公司则改善了其计费流程，使用受信任视图将单个合并账单交付给患者，或者使用数据关系将父子账单汇总到单个报表中，这些举措在降低计费部门的成本和复杂性的同时，还有助于提高消费者的参与度，以及更及时地付款。
一些收入周期计划使用与负责任的护理组织进行协调
我们现在的利益相关者是和基于价值的计划，他们需要对患者数据进行单一的，受信任的查看，阅读有关客户如何使用患者和提供者数据来支持基于价值的护理计划的更多信息。
5.分析
每个人都在“做”分析，我们看到各种各样的方法在收益实现方面产生了很大的差异，成功的企业已经建立了完善的比较分析程序，而其他组织则在用于预测分析的领先云技术方面取得了进步，在“企业号”经常作为联结机构对于这样的分析-东西数据中心必须提供，许多医疗保健组织已计划将人工智能纳入其战略计划，一个英特尔的研究发现，在大流行前2020年，医疗保健决策者的45％目前正在使用或计划使用人工智能技术，到2020年末这一数字猛增到84％。近的另一项调查发现，95％的医疗保健主管计划雇用具有开发AI经验的员工，数据中心通过提供高质量的主数据，丰富的关系和完全的语义互操作性，为任何成功的数据分析程序奠定了基础。
6.研究与计划
重复的记录会导致质量，成本和安全性问题，重复记录是一种临床错误情况（提供者和/或付款人没有所有的临床或受益信息），而这终会增加医疗保健的成本（不必要的检测，禁忌症，多付款等），创建重复记录时，“数据管理员”的早期发现和纠正至关重要，数据中心必须具备创建复杂的记录生存规则，批准工作流，联合数据管理能力以及扩展企业搜索的能力–当数据中心进行企业搜索时，我们的一位客户将其重复创建减少了66％，权利扩展到注册点。
更改身份的更新会带来严重的临床风险
从源系统接收更新的患者数据是一件好事，但是人口统计更新会错误地更改记录的身份，这是严重的临床错误，医疗保健将其称为“潜在覆盖”，当记录年龄55岁错误地更新并更改身份33岁时，就会发生潜在的覆盖，这可能会导致患者入院，但临床人员正在查看其他人的病历，数据中心必须能够识别这些情况并实时向HIM和患者安全人员发出警报。
共享标识符可能表示更大的问题
共享重要标识符（例如社会保障，省卫生，驾驶执照号码或保险证件）的不同个人可能表示潜在的欺诈活动或在患者图表中捕获患者数据的方式有误，医疗旅游业是一个日益复杂的问题，数据中心必须可配置为“监视”共享标识符，并在情况出现时提醒数据完整性人员。
数据质量不是可选的必须是有效的
从上面可以看出对于医疗保健的提供者或付款者来说，数据管理不是可选的，医疗保健信息的标志是极高的数据准确性和数据完整性，可确保患者安全并在护理提供者和患者之间建立信任，绝大多数医疗保健利益相关者都认为软件和人员投资导致人们认识到患者匹配解决起来很昂贵。
必须能够解决这些挑战，我们看到下一代数据中心可以在多个领域发挥作用
数据丰富：数据中心必须能够与外部参考数据源集成，以将其他数据或标准化数据带回到中心，以提高匹配率效率，医疗保健中的常见示例包括从注册中心获取医疗服务提供者ID（NPI），以及从各种医疗服务提供者获得标准化地址。
智能数据：我们将避免过度使用术语“AI”，但机器学习肯定是智能数据管理的一部分，当今的企业正在寻找能够根据任务类型，位置，客户等为专门的数据管理员创建智能任务分配的能力，希望机器学习能够检查具有共同特征的大量任务并就匹配的变化提出建议参数或业务流程。
源系统数据质量合规性：企业正在寻找数据中心，以能够通过高级分析和ML技术为他们提供帮助，这些技术可以随着时间的推移监视源系统的数据质量并确定正在降低数据整体有效性的源系统数据质量问题管理小组。
数据中心的意义远不只是干净的数据
没有能力/技能来管理医疗保健的患者所花费的费用比高度敬业的患者高出21％，它的时间，使同21世纪的互联互通，以医疗为银行和手机，确实过去五年来我们看到的重大的变化是，健康信息管理领域的如何理解这一点，从而重新塑造了传统的角色。
主数据管理对战略医疗保健计划的价值
医疗保健具有非常独特的一组信息治理，管理，数据交换协议和标准，20年前主数据管理作已成为医疗保健领域的迫切需求，其重点是创建高度的数据完整性，以支持跨不同源系统（如EHR，收入周期，注册和临床履行）共享临床患者信息，系统医疗保健现在意识到，他们必须将其转换为多域数据中心，以应对快速变化并为利益相关者带来切实的临床和业务收益，在过去的两年中，我们花了很多时间与客户交谈，以了解他们计划从高质量，可信赖的数据中获取更多价值的计划。我们已经确定了六个关键的“倡议”，这些倡议依赖于将EMPI扩展到多域数据中心：
1.消费者参与
现在许多医疗保健组织将其用于建立忠诚度的参与计划，以改善和改善客户体验，在私人医疗保健中，消费者在医疗保健方面拥有比以往更多的选择，尤其是在人口稠密的地区，随着数字服务转型的需求日益增长，公共医疗保健正处于挣扎之中，所有医疗保健组织都需要证明自己真正了解自己的客户，才能达到期望并保持期望，自助门户，在线约会安排或账单支付，智能手机警报和提醒，通过视频聊天进行虚拟咨询以及患者自我监控都是增强客户参与度的一部分，要做到这一点，需要对所有客户数据提供一个受信任的视图，以支持消费者的偏好并执行个人隐私和同意指令，这就是数据中心的用武之地。
当医疗机构做到这一点时-当数据可以被真正信任时-他们会看到客户和护理人员的信心，整体满意度以及更多客户参与其护理的显着提升。
2.互操作性
初的集中于一组狭窄的身份数据，以便在遭遇时地识别客户（通常是患者），如今包含新数据域（例如提供商，组织和位置）并将来自外部来源的数据（其他卫生系统，公共卫生数据或参考数据）集成到需求呈指数级增长，企业供应商承诺“对患者有单一看法”，但是挑战仍然存在，尤其是在涉及外部数据源和互操作性计划方面，这推动了语义互操作性的需求。我们的一位客户总结了许多人的看法，我们提供了可信赖的数据，对于推动互操作性至关重要，数据中心可以在庞大的企业范围内整理，标记，交叉引用和集成数据。随着EHR，数据仓库和数据湖的庞大数量的持续增长，这变得更加紧迫，而且随着越来越多的合并和收购，丰富的互操作性可帮助客户加入新的提供商，并将其患者的数据整合到单个合并的临床记录中，同时降低成本并加快时间表。
3.合规
现在医疗保健意识到，主数据管理在不断变化的合规环境中至关重要，许多公司已经创建了自动化流程，以管理针对州或省的特定要求而选择加入/退出的项，有些人使用这些相同的过程来平衡营销的数据需求合规性以及治理要求，一位客户说得，我们的EMPI是整个企业的监督者-它使我们能够使数据民主化，随着企业通过法案推动实现更广泛的数据共享，受信任的数据中心对于定义和管理对复杂治理要求（例如同意，信息请求自由，数据保留策略和审计）的合规性至关重要。
4.收入周期
在过去的十年中以支持不断增长的收入周期需求，尽管某些用例很简单（使用更好地识别患者以简化摄入量和支持费用），但其他用例则更为先进，一些收入周期团队使用检测欺诈行为，而另一些收入周期团队则使用未保险的患者来识别其企业的健康计划，其他公司则改善了其计费流程，使用受信任视图将单个合并账单交付给患者，或者使用数据关系将父子账单汇总到单个报表中，这些举措在降低计费部门的成本和复杂性的同时，还有助于提高消费者的参与度，以及更及时地付款。
一些收入周期计划使用与负责任的护理组织进行协调
我们现在的利益相关者是和基于价值的计划，他们需要对患者数据进行单一的，受信任的查看，阅读有关客户如何使用患者和提供者数据来支持基于价值的护理计划的更多信息。
5.分析
每个人都在“做”分析，我们看到各种各样的方法在收益实现方面产生了很大的差异，成功的企业已经建立了完善的比较分析程序，而其他组织则在用于预测分析的领先云技术方面取得了进步，在“企业号”经常作为联结机构对于这样的分析-东西数据中心必须提供，许多医疗保健组织已计划将人工智能纳入其战略计划，一个英特尔的研究发现，在大流行前2020年，医疗保健决策者的45％目前正在使用或计划使用人工智能技术，到2020年末这一数字猛增到84％。近的另一项调查发现，95％的医疗保健主管计划雇用具有开发AI经验的员工，数据中心通过提供高质量的主数据，丰富的关系和完全的语义互操作性，为任何成功的数据分析程序奠定了基础。
6.研究与计划
研究团队今天使用其组织来汇总和匿名化患者数据，并确定用于临床试验或其他人群健康队列的目标人群，现在医疗机构的其他领域也正在采用这种方法，例如去年春天，一个面临PPE短缺的组织转向其EMPI评估其提供商之间的实践模式，其他人则探索了联系人跟踪用例，以帮助跟踪员工中的COVID-19暴露情况，有些人使用他们的数据来评估潜在的合并和收购目标，以了解现有患者或提供者库之间的重叠，没有什么超出了EMPI的范围，我们很高兴通过基于平台的数据中心帮助客户在2021年计划方面取得进展。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
