Ежегодно компания Sonic Healthcare выполняет более 2000 видов лабораторных исследований в нашей сети примерно для
100 миллионов человек во всем мире. Таким образом, у нас есть доступ к огромным объемам данных, что дает нам уникальную возможность улучшать результаты лечения пациентов и создавать ценность для систем здравоохранения. В этой статье описан пример сотрудничества со страховыми компаниями и медицинскими работниками с целью повышения качества медицинского обслуживания
при хронических заболеваниях в США.

Управление здоровьем населения на основе данных

В 2013 году мы сотрудничали со страховой компанией в Калифорнии для выявления категорий пациентов, которые увеличивают расходы систем здравоохранения. В ходе оценки расходов на медицинское обслуживание 75 000 пациентов мы обнаружили, что 88 % людей тратят всего 314 долларов в год, а 11 % — примерно 5000 долларов на человека в год. Оставшийся 1 % тратит в среднем 61 000 долларов в год, что в сравнении выглядит как огромная сумма. У многих из этих людей хроническая болезнь почек (ХБП), сахарный диабет и другие распространенные хронические заболевания, с лечением которых связана непропорционально высокая доля затрат.

Мы изучили эту группу с высокими затратами и обнаружили, что расходы всего 38 % из этих пациентов оставались в одном диапазоне в течение двух лет подряд. Расходы остальных в предыдущем году были меньше. У многих такой скачок был обусловлен стоимостью лечения и осложнениями 16 хронических заболеваний с особенно высокими затратами на человека (см. таблицу ниже: красным цветом выделены распространенные сопутствующие заболевания).

Выявление пробелов в лечении сахарного диабета

При подробном рассмотрении сахарного диабета 2-го типа мы обнаружили, что многие пациенты часто не приходили на повторный прием после постановки диагноза, что приводило к осложнениям, требующим дорогостоящего лечения. Изучив результаты лабораторных исследований HbA1C в крупном учреждении первичной медицинской помощи, обслуживающем 50 000 пациентов, мы выявили почти 3800 пациентов с сахарным диабетом, которые соответствовали диагностическим критериям; однако 26,5 % из них не обращались к врачу за последние 12 месяцев, а у 700 не было соответствующего кода диагноза по МКБ.

Скорее всего, у некоторых пациентов, которым был поставлен диагноз, не было симптомов, они в полной мере не понимали, для чего их обследуют, не чувствовали себя больными и потому не приходили на повторный прием. Результаты лабораторных исследований регистрировали в карте пациента, никто ничего не делал до тех пор, пока заболевание не прогрессировало до внезапного обострения, которое приводило к обращению в отделение неотложной помощи и дорогостоящей
госпитализации — отсюда резкое увеличение расходов по сравнению с предыдущим годом.

Затем мы стали сотрудничать с крупной клиникой в Нью-Йорке, которая оказывала медицинскую помощь примерно 80 000 пациентам. С помощью анализа мы выявили 1200 пациентов, которые не пришли на повторный прием. Обработка подобного длинного списка пациентов была затруднительной. Во-первых, невозможно связаться со всеми вручную. Во-вторых, для выявления случаев, требовавших неотложного вмешательства, из огромного числа пациентов была необходима система сортировки.

При отсутствии необходимых кадров решение заключалось в инновациях. Мы разработали новую мобильную технологию для автоматической отправки электронных писем, СМС и типовых писем, а также звонков с целью предупредить пациента о пропуске повторного приема. Затем мы воспользовались данными лаборатории, чтобы определить, у каких пациентов самый высокий риск обострения в следующие 6–12 месяцев. С этими пациентами было необходимо связаться в первую очередь.

Отдельным элементом, который обеспечил успех, была запись голоса врача для автоматических звонков. Во время звонка пациентам сообщали, что перед приемом они должны пройти назначенные врачом лабораторные исследования. Когда пациент приходил в клинику, результаты лабораторных исследований были уже готовы, врач мог просмотреть их и назначить лечение.

Процесс был простым и для врачей: каждую неделю они получали список пациентов, которые не пришли на повторный прием. В три клика они могли подтвердить список пациентов, подтвердить или добавить диагностические коды МКБ и назначить лабораторные исследования.

Профилактика для клинического улучшения

Этот процесс начался 3,5 года назад, и с тех пор мы сотрудничаем с 39 клиниками первичной медицинской помощи, которые обслуживают более 200 000 пациентов. Результаты на удивление положительные: 44 % пациентов, с которыми мы связались по поводу повторного приема, посетили врача, и всего 7 % отказались от посещения. Число пациентов с пробелами в медицинском обслуживании сократилось на 86 %, а частота визитов к врачу существенно увеличилась.

В ходе ранее проведенного финансируемого Национальным институтом здравоохранения США (NIH) исследования аналогичной системы последующего наблюдения за состоянием пациентов следили в течение 5 лет. Согласно результатам системе здравоохранения удалось сэкономить 2400 долларов США на человека в год, сократить пребывание в больнице и число обращений в отделение неотложной помощи. Результаты этого исследования и наши данные указывают, что вовлечение пациентов в лечение и содействие раннему началу лечения окупают вложенные средства. После успешной реализации программы, направленной на приглашение пациентов с сахарным диабетом на повторный прием, мы повторили алгоритм при ХБП и 6 сопутствующих заболеваниях.

Наш опыт по проактивному использованию данных лабораторных данных и разработке инновационных решений для устранения пробелов в медицинском обслуживании указывает, что лаборатории способны совершенствовать сектор здравоохранения как для врачей, так и пациентов.

Статья написана по материалам презентации «Integrating pathology data analytics and patient engagement is a value- and outcome-based care delivery», представленной на конференции Roche Efficiency Days (RED) REDefining Perspective в 2018 году в Гуанчжоу, Китай.