Um código azul para sistemas de dados de saúde do estado

Uma das ferramentas mais poderosas na promoção da saúde pública não vem de um tubo de ensaio, um frasco ou uma seringa. Seus dados - e os estados estão tendo dificuldade em extrair todo o seu potencial. Mas a pandemia exposta - e expandiu - rackas na fundação. Tecnologia desatualizada, dados de difícil acesso (e muitas vezes de baixa qualidade), obstáculos no compartilhamento de informações importantes: esses fatores combinados para impedir uma resposta ágil e precisa.

Data helps public health departments understand disease trends, plan strategies, and provide residents with a window onto a crisis, so they can become their own best advocates for staying safe. But the pandemic exposed—and expanded—cracks in the foundation. Outdated technology, hard-to-access (and often poor-quality) data, roadblocks in sharing key information: these factors combined to hinder a nimble and precise response.

A solução? Um sistema de dados moderno que alimenta - e acelera - a decisões à medida que as emergências evoluem. Isso requer transformação: não preenchendo as rachaduras, mas a criação de uma nova capacidade subjacente para trabalhar com dados relacionados à saúde.

As transformações levam tempo, mas com a abordagem correta, elas podem começar a fornecer valor rapidamente. Em questão de meses, os estados podem ver melhorias dramáticas na maneira como usam dados para cuidar de seus residentes. Ao construir constantemente suas capacidades, os departamentos de saúde podem continuar melhorando para capturar e alavancar dados-e nos colocar em melhor posição para atender à próxima emergência. Para responder à pandemia efetivamente, os departamentos de saúde precisavam da capacidade de capturar uma variedade de informações relevantes, incluindo contagens de casos e hospitalizações em nível local e em todo o estado. Ao mesmo tempo, os estados precisavam relatar informações oportunas e precisas aos Centros de Controle de Doenças, para que o CDC pudesse moldar e apoiar uma resposta nacional. Mas havia obstáculos. Segundo, a infraestrutura antiquada ou incompatível geralmente dificulta a compartilhamento desses dados. Finalmente, havia a qualidade dos dados e o problema de consistência: diferentes provedores de saúde geralmente colecionavam diferentes tipos de dados ou rotulavam o mesmo tipo de maneiras diferentes.

Outmoded Systems—and the Obstacles They Create

The challenges posed by outmoded data systems became apparent early in the COVID-19 crisis. To respond to the pandemic effectively, health departments needed the ability to capture an array of relevant information, including case counts and hospitalizations at a local level and statewide. At the same time, states needed to report timely and accurate information to the Centers for Disease Control so the CDC could shape and support a national response. But there were obstacles.

First, public-health data tended to be siloed: different providers, agencies, and community organizations collected and stored it independently of each other. Second, antiquated or incompatible infrastructure often made it hard to share this data. Finally, there was the data quality and consistency problem: different health providers often collected different types of data, or they labeled the same type in different ways.

Para simplesmente, se os dados pintam uma imagem, os departamentos de saúde não estavam recebendo um Rembrandt, mas um esboço da polícia. Isso dificultou sua capacidade de responder de maneiras ideais e na velocidade ideal.

Após reconhecer o problema, muitos estados começaram a implementar alterações. Mas essas são tipicamente soluções de retalhos: intervenções ad hoc que selaram rachaduras sem abordar os motivos pelos quais essas rachaduras existem. A preparação para a próxima pandemia requer um tipo diferente de abordagem. No centro da solução, há uma plataforma de dados mais flexível-uma que facilita a captura de dados de saúde oportunos e de alta qualidade, desenvolvem informações acionáveis ​​e tomam decisões críticas sobre como alocar recursos limitados para que possam ser implantados com mais precisão, em tempo real, à medida que as situações evoluem. A abordagem tradicional da transformação exigiria um redesenho de cima para baixo, que geralmente leva de três a cinco anos para ser implementado. Isso é menos do que o ideal. No momento em que os estados concluem seus reprovadores, as tecnologias e as prioridades provavelmente mudarão. Mais significativamente, essa abordagem significaria que os departamentos de saúde - e os residentes que eles servem - egurassem anos antes de colher os benefícios de um sistema de dados mais moderno. Se você pudesse agregar valor sem a espera de anos? E construa seu novo sistema de maneira flexível; portanto, à medida que as circunstâncias mudam, você pode ajustar seu caminho para a frente?

How to build such a platform? The traditional approach to transformation would call for a top-to-bottom redesign, which generally takes three to five years to implement. That’s less than ideal. By the time states complete their redesigns, technologies and priorities are likely to have changed. More significantly, such an approach would mean that health departments—and the residents they serve—must wait years before they can reap the benefits of a more modern data system.

But what if you shaped the transformation so that you can start realizing benefits in the near term? If you could deliver value without the years-long wait? And build your new system in a flexible way, so as circumstances change, you can adjust your path forward?

Esse é o objetivo de uma nova abordagem para modernizar os sistemas de dados de saúde pública. (Consulte o Anexo 1.)

It’s a framework built on four pillars:

Setting Your Vision and Priorities. The role of a public-health department—both its mission and how it interacts with residents, health providers, community organizations, and other stakeholders—will vary from state to state. Some jurisdictions take an expansive view of public health: everyone should have access to a broad array of health services. Others may define a health department’s role more narrowly; say, to ensure access to essential services. No matter the vision, it’s important to articulate it up front. Once you define your mission and your priorities, you can map out how data can help you achieve your goals—creating, in effect, your North Star for data modernization.

Identifying and Prioritizing Use Cases. By building your data system in a modular way, you not only deliver value quickly, but you can prioritize your most pressing health needs. Data use cases—whether they alleviate pain points in the public-health system, provide operational efficiencies, or create value in another way—enable this approach. Instead of trying to do everything at once (the traditional route), you break down your vision and goals into a series of smaller efforts. The idea is to identify discrete use cases and rank them by assessing their impact and feasibility. The use cases at the top of your list are the ones to implement first.

By focusing on high-priority use cases, you can deliver value—often very visibly—early in the journey. These quick wins also help generate buy-in—and funding—for the longer-term transformation.

Enquanto a lista parecerá diferente de um estado para outro, três casos de uso servem como um bom ponto de partida para promover respostas ágeis e eficazes para a saúde pública:

• Uma visão de 360 ​​graus dos residentes. Ao integrar uma ampla gama de dados relevantes, mas muitas vezes distantes (incluindo registros eletrônicos de saúde, dados socioeconômicos e exames realizados por outros órgãos públicos), os departamentos de saúde obtêm uma visão mais rica e holística daqueles que atendem. Eles podem ver todos os fatores relevantes de uma só vez, otimizando a tomada de decisão-e intervenções-em uma escala individual e em toda a população. Com acesso pronto a dados oportunos e de alta qualidade, as autoridades de saúde podem enfrentar mais efetivamente as crises emergentes e muitas vezes mudando rapidamente. Por exemplo, em vez de basear um plano de distribuição de vacinas nas contagens de casos de meses, os funcionários podem levar em consideração as tendências atuais ao moldar sua estratégia.
• Real-Time View of Public Health Indicators. With ready access to timely, high-quality data, health officials can more effectively tackle emerging, and often rapidly shifting, crises. For example, instead of basing a vaccine distribution plan on months-old case counts, officials can factor in current trends when shaping their strategy.
• Compartilhamento de dados oportuno com o público. O melhor defensor de um indivíduo para a saúde e a segurança é frequentemente. Ao compartilhar dados precisos e atualizados, os departamentos de saúde ativam o público, possibilitando a tomada de decisão individual. A transparência de dados é especialmente crucial para a evolução de emergências, portanto, os departamentos de saúde mais experientes garantirão que as informações que eles fornecem sejam fáceis de visualizar e interpretar.

desenvolvendo constantemente seus dados e plataforma digital. Mas isso não significa que você precisa revisar toda a sua infraestrutura técnica de uma só vez. Em vez disso, crie o que você precisa para implementar um aplicativo específico. À medida que você implementa mais casos de uso, você constrói constantemente suas capacidades - e Use cases don’t operate in a vacuum: they require the appropriate digital services and IT architecture. But this doesn’t mean you need to overhaul your entire technical infrastructure in one fell swoop. Instead, build what you need to implement a specific application. As you implement more use cases, you steadily build your capabilities—and Construa em direção à sua estrela do norte . Então, em vez de esperar de três a cinco anos para virar a troca, você está implantando seus recursos mais críticos rapidamente, geralmente em dois a seis meses.

Central to this approach is a Dados e plataforma digital (DDP). No modelo DDP, você dissocia dados da sua tecnologia herdada, criando uma camada de dados separada que os sistemas podem acessar. Isso permite desenvolver seus serviços digitais e arquitetura de TI de maneira modular. Também oferece flexibilidade. À medida que você acrescenta - e comece a alavancar - novos recursos, você pode ajustar seu caminho a seguir para contabilizar prioridades, tecnologias e assim por diante. Você pode ajustar sua jornada, adicionando e repriorizando os casos de uso, conforme as circunstâncias garantem e construindo seu DDP de acordo. Para aproveitar todo o potencial de um sistema de dados moderno, os departamentos de saúde precisam

Creating—and Continually Refining—a Data and Digital Operating Model. To seize the full potential of a modern data system, health departments need to Pegue uma página do manual digital-nativo e combine tecnologia com os processos, habilidades e maneiras corretas de trabalho. Isso significa desenvolver um novo modelo operacional para trabalhar com dados: a estrutura organizacional, a governança, o talento e os processos que permitem os resultados da saúde pública que a agência prioriza. A governança é um componente especialmente importante, dadas as sensibilidades em torno de lidar e proteger informações de identificação pessoal e dados de saúde pessoal.

Qual é a melhor maneira de fazer isso? Como sua arquitetura de TI, o modelo operacional é algo que você desenvolve constantemente, criando o que você precisa para implementar aplicativos de dados específicos. À medida que você adiciona novos casos de uso, você constrói e aprimora continuamente seu modelo.

Para a tecnologia e o modelo operacional, é importante conhecer seu ponto de partida. Ao avaliar seu estado atual, você terá uma imagem do que tem e do que precisa-ajudando você a criar um plano para fornecer soluções digitais com segurança, sustentável e em escala. Crucialmente, as organizações que constroem os melhores sistemas de dados da criação adotam cinco princípios principais (consulte o Anexo 2):

Five Guiding Principles

This framework has been battle-tested by many private-sector entities and their experiences provide valuable insights. Crucially, organizations that build best-of-breed data systems embrace five key principles (see Exhibit 2):

• Escalabilidade. Crie a plataforma de dados de uma maneira modular que permite fornecer resultados importantes rapidamente - e ajuste seu caminho para a frente conforme as necessidades e as circunstâncias mudam. Ancorar seu esforço em casos de uso e criar uma camada de dados separada (via DDP) facilita a escala à medida que as expectativas evoluem.
• Centricidade do cliente. Veja os casos de uso de dados - e como você os implementa - através de uma lente de clientes, onde o cliente é o indivíduo, o profissional de saúde, o funcionário da agência e todas as outras partes interessadas na promoção da saúde pública. Ao priorizar a experiência do cliente, você pode fornecer informações úteis e utilizáveis.
• Dados conectados. Crie seu sistema para que ele possa integrar dados de várias fontes e plataformas. Isso não apenas melhora a eficiência (reduzindo o esforço manual), mas também permite que as autoridades de saúde vejam - e compartilhem - uma imagem mais rica de situações e tendências emergentes.
• Clear Governance. Estabelecer e articular claramente os processos, funções, padrões e métricas que garantem uso de dados eficaz e apropriado.
• Força de trabalho adaptável. Adote maneiras ágeis de trabalhar e promover uma cultura - e mentalidade - que abraça a mudança. O objetivo é incorporar a adaptabilidade no DNA organizacional, para que pessoas e processos possam se ajustar rapidamente às necessidades e expectativas em evolução. Utilizamos a estrutura para ajudar um Ministério da Saúde a criar uma unidade de dados e inteligência para melhorar sua capacidade de entender a trajetória da pandemia e gerenciar os principais recursos de saúde à medida que a crise se desenrolava. Fatores familiares-complexos e processos manuais, duplicação de esforços, dados inconsistentes e projeções de prováveis ​​taxas de infecção futuras e demanda de recursos-impediram a visibilidade durante a crise e dificultaram a coordenação de recursos em todo o sistema de saúde. suprimentos). E desenvolvemos um modelo operacional (incluindo funções e processos importantes) para fazê -lo funcionar. Ao melhorar a transparência de dados, o ministério promoveu a tomada de decisão mais rápida e precisa e baseou seu planejamento e coordenação em uma análise de risco mais profunda e oportuna da propagação do Covid-19. Recursos recém -alocados podem ajudar a fazer isso acontecer. O financiamento federal está crescendo-com fontes que incluem a Lei do Plano de Resgate Americano, a epidemiologia do CDC e a capacidade laboratorial de prevenção e controle de doenças infecciosas emergentes concordância cooperativa e a iniciativa de modernização de dados do CDC. Ou pelo menos para entrar em posição - definindo a visão, identificando casos de uso e avaliando recursos - para quando fontes adicionais de financiamento estiverem disponíveis. Ao integrar melhor, compartilhar e usar dados, os estados podem enfrentar melhor emergências. E eles podem permitir que a crise covid-19 de dados da saúde seja a última. Neveen Awad

Not all the momentum has been within the private sector. We utilized the framework to help a health ministry set up a data and intelligence unit to improve its ability to understand the pandemic’s trajectory and manage key health resources as the crisis unfolded. Familiar factors—complex and manual processes, duplication of efforts, inconsistent data and projections of likely future infection rates and resource demand—hindered visibility during the crisis and made it hard to coordinate resources across the health system.

Partnering with the ministry, we designed and automated processes to create a daily view of all relevant pandemic information and public-health resources (from hospital and ICU beds to staff and critical supplies). And we developed an operating model (including key roles and processes) to make it work. By enhancing data transparency, the ministry fostered faster, more precise decision making and based its planning and coordination on a deeper, more timely risk analysis of COVID-19’s spread.

Now Is the Time to Get Started

The pandemic spotlighted states’ urgent need to transform the way they use data to address public-health emergencies. Newly allocated resources can help make this happen. Federal funding is growing—with sources that include the American Rescue Plan Act, the CDC’s Epidemiology and Laboratory Capacity for Prevention and Control of Emerging Infectious Diseases Cooperative Agreement, and the CDC’s Data Modernization Initiative.

Now is the ideal time to begin the data-modernization journey. Or at least to get into position—by setting the vision, identifying use cases, and assessing capabilities—for when additional funding sources become available. By better integrating, sharing, and using data, states can better tackle emergencies. And they can let the COVID-19 health-data crisis be the last.

The authors are grateful to their BCG colleagues Jacob Goren and Rebecca Milian for their assistance with this article.