A pesquisa “Dados ruins custam milhões às organizações de saúde”, conduzida pela Sage Growth Partners sob encomenda da InterSystems – fornecedor inovador de tecnologia de dados dedicado a ajudar seus clientes a resolver os desafios mais críticos relacionados a informações –, mostra como as organizações do setor da saúde passaram a priorizar o investimento em analytics para vencer desafios como coleta, normalização, análise e uso de dados para fazerem melhores análises clínicas e tomarem decisões de negócios mais acertadas.
Realizada com 100 líderes de hospitais e sistemas de saúde com pelo menos 250 leitos nos Estados Unidos, entre C-level, VPs e diretores, a pesquisa constata que a má qualidade de dados e as falhas de distribuição deles nas organizações causam sérios impactos financeiros e nas decisões. Por exemplo, 49% dos entrevistados consideram que as decisões estão sendo pouco embasadas em dados. 43% acreditam que dados não confiáveis provocam inabilidade para decisões oportunas.
Uma das constatações mais surpreendentes é de que somente 20% das organizações confiam totalmente em seus dados, pois não optaram por ferramentas adequadas e usam aplicações como planilhas básicas. Isso está relacionado a barreiras ainda não derrubadas nas organizações como integração de dados e interoperabilidade, características fortes na plataforma de dados InterSystems IRIS for Health®.
Alguns dos principais resultados da pesquisa:
- Mais de 50% dizem que qualidade ruim dos dados trazem sérias consequências, levando a ineficiências ou tomada de decisões de forma lenta (53%) e a inabilidade de identificar brechas nos cuidados (50%).
- 51% dizem que integração de dados e interoperabilidade são as maiores barreiras para atingir suas prioridades estratégicas relacionadas a analytics.
- 80% dizem que criar e compartilhar dados de alta qualidade por toda a organização é uma prioridade estratégica de analytics para os próximos 12 meses; ela aumenta para 84%, quando avaliada no prazo de 36 meses.
- 85% dizem que dados harmonizados e em tempo real são vitais para stakeholders-chave tomarem decisões operacionais informadas.
- Só 8% dizem que suas capacidades e recursos são muito maduros, enquanto 63% ainda afirmam utilizarem ferramentas como Excel.
- Apenas 49% têm uma estrutura de modelo de dados em vigor. E 45% daqueles com um modelo de dados são incapazes de inserir dados não-estruturados no modelo; eles devem confiar em sua equipe interna ou em um fornecedor terceirizado para ingeri-los.
- 53% dizem que a má qualidade dos dados reduz sua capacidade de tomar decisões. Também afeta sua capacidade de identificar lacunas no atendimento, atender às métricas de qualidade e otimizar o ciclo de receita.
- Os problemas de analytics estão prejudicando a tomada de decisões e o desempenho, com consequências financeiras significativas.
- 53% dizem que a má qualidade dos dados reduz sua capacidade de tomar decisões. Também afeta sua capacidade de identificar lacunas no atendimento, atender às métricas de qualidade e otimizar o ciclo de receita.
 |
Má qualidade dos dados como impacto econômico “significativo” para a organização:
 |
Dados conectados resolvem os problemas
Apesar do esforço para digitalizar os dados de saúde, hospitais e outras instituições do setor continuam lutando sob o peso de dados imprecisos, inoportunos, ausentes e/ou duplicados. Metade dos entrevistados precisa da interoperabilidade necessária para atingir suas prioridades estratégicas de análise — o que, por sua vez, prejudica suas decisões clínicas e de negócios.
A pesquisa mostra que os executivos de saúde necessitam de melhores soluções para integrar uma ampla gama de dados em formato oportuno, digerível e acessível. Tornar dados confiáveis visíveis em toda a organização para que diferentes usuários obtenham o que precisam de uma única fonte é essencial para atingir as metas que os sistemas de saúde estabeleceram para si mesmos. Sem isso, é muito mais difícil fechar as lacunas de atendimento, otimizar o desempenho clínico e comercial e rastrear, relatar e gerar maior valor.
Os entrevistados na pesquisa são receptivos a uma "estrutura inteligente de dados na saúde", que permita a eles coletarem domínios de dados dispersos em um único ativo de dados para relatórios, análises e machine learning, usando modelo e harmonização de dados. O C-level é um dos principais usuários desses dados. Eles e outros usuários valorizam a capacidade de acessar rapidamente as informações. Ter uma estrutura de dados de saúde inteligente que inclua um modelo robusto e harmonização é uma maneira atraente de resolver desafios.
