Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


Teradata et Knowledgent s'associent pour aider les entreprises du secteur de la santé à mieux évaluer les risques liés aux patients


Rédigé par Communiqué de Teradata le 15 Mars 2016

L'utilisation d'analyses Big Data pour l'évaluation des risques par état pathologique afin d'améliorer la prise en charge du patient, de prévenir les maladies et de réduire les coûts



Cette nouvelle collaboration entre les leaders de l'analyse de données donnera un meilleur aperçu des risques liés aux patients et aidera sans doute à améliorer sa prise en charge tout en réduisant les coûts.

Teradata (NYSE : TDC), le spécialiste de l'analyses Big Data et des applications marketing, et Knowledgent, une société de conseils en stratégie Big Data qui aide à améliorer la gestion des entreprises grâce à l'analyse de données, annonce leur partenariat dans le but d'exploiter l'analyses prédictive pour faciliter l'analyse des risques dans le domaine de la santé.

Un partenariat opportun, dans la mesure où les organismes de santé (assureurs et services publics) et professionnels (médecins et centres médicaux) cherchent à réduire les coûts d'hospitalisation et de ré-hospitalisation. En renforçant la capacité des organismes de santé à mesurer et analyser la santé d'une personne en se basant sur sa probabilité d'hospitalisation, permet de mieux cibler les soins accordés aux patients qui en ont le plus besoin. Les améliorations qui en découlent sont moins d'hospitalisations et une réduction des dépenses médicales associées. Les professionnels de la santé ont une approche de plus en plus orientée sur l'analyse de données, dans le but de réduire les taux de ré-hospitalisation à 30 jours, et ce suite à la mise en place de pénalités exigées par le Programme de Ré-hospitalisation adopté par la Patient Protection and Affordability Care Act (loi sur la protection des malades et les soins abordables). Cette pression règlementaire et financière montre l'importance pour les professionnels d'identifier les patients les plus susceptibles d'être hospitalisés, et ainsi faire le nécessaire pour personnaliser les soins préventifs.

« Les organismes de santé se voient contraints d'améliorer la qualité des soins apportés aux patients tout en réduisant leurs coûts, et la plupart des solutions d'évaluation des risques ne donnent pas d'aperçu des besoins individuel des patients », explique Jason Janetzke, Directeur Marketing Monde chez Teradata. « Il est temps pour le corps médical de bénéficier d'analyses d'évaluation des risques spécifiques à chaque maladie, basées sur les données plus volumineuses du Big Data qui peuvent améliorer la prise en charge des patients et ainsi réduire les coûts. Notre collaboration avec Knowledgent nous donne un avantage certain, à tous points de vue, dans le secteur de la santé. »

Les technologies Big Data permettent aux organismes d'exploiter toutes les données professionnelles pertinentes lors de l'évaluation du risque d'un état pathologique. Dans un environnement Big Data, des données de sources diverses et variées (frais médicaux, imagerie, gestion des soins, enquêtes, démographie, psychographie) peuvent être analysées de façon collective pour noter les patients en termes de risque et ainsi obtenir une connaissance qui était inaccessible auparavant. En rassemblant des données disparates, Knowledgent's Unified Patient Record (base de données des patients), crée une vue longitudinale du patient, facilitant ainsi l'analyse et le reporting. La combinaison du savoir-faire de Knowledgent dans l'analyse de données et l'expertise dans le domaine de la santé de Teradata avec la solution Teradata Aster Analytics offre davantage de perspectives et des analyses toujours plus pointues.

« L'évaluation du risque par état pathologique a généré des résultats impressionnants pour ceux qui tentent de réduire les hospitalisations et réhospitalisations en exploitant leurs données patient », explique Matthew Arellano, collaborateur médical chez Knowledgent. « Les modèles d'analyse prédictive de Knowledgent sont utilisés pour identifier les patient hospitalisés avec une forte probabilité de ré-hospitalisation à cause d'un état de santé particulier, permettant ainsi aux professionnels de concentrer leurs suivis et ressources (y compris la gestion, les soins infirmiers et les consultations de spécialistes) sur les patients les plus vulnérables. L'apport du module Teradata Aster Analytics rajoute d'autres dimensions d'analyse du comportement visant à comprendre les facteurs de risque chez les patients. »

Il existe plusieurs exemples des avantages perçus suite à la mise en place du système d'analyse d'évaluation du risque : un assureur maladie en Pennsylvanie a réussi à réduire son taux d'hospitalisation prévu pour les insuffisances cardiaques de plus de 40 % grâce à l'utilisation des analyses prédictives d'évaluation des risques, associée à des soins préventifs. Un réseau de prestataires de soins en Caroline du Nord et Caroline du Sud a exploité les analyses prédictives pour calculer le risque de ré-hospitalisation pour une BPCO (Broncho Pneumopathie Chronique Obstructive). Depuis, ils ont réduit leur taux de ré-hospitalisation pour BPCO de 21 % à 14 %. En analysant leurs patients selon leur état pathologique et non en général, ces organismes ont pu mobiliser leurs ressources sur leurs patients les plus vulnérables, améliorant leur état de santé tout en réduisant de façon considérable les hospitalisations et réhospitalisations.




Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store