DEL ARTIKKEL  

Stordataanalyse («big data analytics» – BDA) blir ofte fremhevet som en av de viktigste IT-baserte innovasjonene for organisasjoner i helsesektoren [1]. Mulige fordeler inkluderer økt kvalitet på helsetjenester og reduksjon av feil og kostnader [2]. Mange organisasjoner oppnår imidlertid ikke ønskede gevinster av deres investeringer i slik teknologi [3]. Det er derfor viktig at helseorganisasjoner forbedrer deres evne til å utnytte stordata.

Helsesektoren gjennomgår store og raske endringer, og stordata er en av driverne bak dette [4]. De siste årene har vi sett en betydelig økning av nye plattformer, verktøy og metoder for lagring og strukturering av data. Dette inkluderer ulike datatyper og kilder som elektroniske journalsystemer, pasientbeskrivelser, kliniske studier, medisindata, genetiske analyser og telemedisin, samt sosiale medier, mobile apper, sensorer og informasjon om livskvalitet, atferd og sosio-økonomiske forhold [5]. Helserelaterte data er med andre ord overveldende. Dette skyldes ikke kun datamengde, men også mangfoldet av datatyper og høy oppdateringstakt som stiller krav til rask prosessering [6].

Organisasjoner i helsesektoren er data-rike [7], men også ofte lite data-modne [8]. Praktikere har derfor behov for økt forståelse for ledelsesmessige, økonomiske og strategiske implikasjoner av stordata [3], samt hvordan BDA kan anvendes for å skape verdifull innsikt og grunnlag for bedre beslutninger.

Resultater fra nyere forskning gir oss innsikt i hvordan helseorganisasjoner kan bli bedre til å utnytte mulighetene som BDA gir. Dette inkluderer utvikling av IKT-arkitektur for stordata, sammenkobling mellom dataressurser og strategisk planlegging, forbedring av datastyring, samt utvikling av relevant kompetanse for medarbeidere og ledere.

IKT-arkitektur for stordata
I flere forskningsartikler diskuterer Wang og kolleger [1,3,9,10] ulike evner for BDA som er forbundet med ulike fordeler og gevinster for helseorganisasjoner. Resultatene viser at, for å utvikle slike evner, bør organisasjoner forbedre deres IKT-arkitektur for stordata. De bør vektlegge tre sammenhengende komponenter (verktøy, kompetanser og prosesser) i dette arbeidet: 1) aggregering av data, 2) prosessering av data og 3) visualisering av data.

• Aggregering av data: Samle inn heterogene kliniske data fra ulike kilder og transformere dette til spesifikke/anvendelige formater.
• Prosessering av data: Prosessere alle typer data og utføre nødvendige analyser for å generere innsikt knyttet til tre typer spørsmål: A) «Hva har skjedd?» (deskriptiv analyse), B) «Hva vil skje i fremtiden?» (prediktiv analyse) og C) «Hva bør vi gjøre / hvordan forholder vi oss til dette?» (preskriptiv analyse).
• Visualisering av data: Generere output, slik som rapporter, sanntidsmonitorering av relevant informasjon, og annen formidling av verdifull innsikt for ulike brukere i organisasjonen.
  • Ledere bør oppfordre ansatte til å bruke innsikt fra rapporter, varsler, KPIer og interaktive visualiseringer for ideutvikling og utforsking av nye muligheter [3].

Strategisk tilpasning
I sammenheng med utvikling av IKT-arkitektur for stordata, bør helseledere vektlegge strategisk tilpasning mellom forretningsstrategi og strategi for analyse og bruk av stordata. Også utvikling av kultur for databruk i beslutningstaking er viktig. Videre bør helseorganisasjoner bruke kunnskapen om hvordan BDA kan skape gevinster til å foreta investeringer i teknologi og kompetanse som passer med deres planer og behov [1,10].

Kultur for evidensbasert praksis
Utvikling av evner til BDA bør kombineres med tiltak for å fremme evidens-basert beslutningstaking og god datastyring [10]. Grunnlaget for evidens-basert beslutningstaking er en organisasjonskultur og verdier som kjennetegnes av at ledelse, styring og beslutningsprosesser er tuftet på data og kunnskap. Dette betyr at organisasjoner bør

• Bruke evidens-basert innsikt for å skape nye helsetjenester og prosesser.
• Være åpen for nye ideer og tilnærminger som utfordrer nåværende eller fremtidig praksis basert på ny innsikt
• Tillate og verdsette inkorporering av tilgjengelig informasjon i alle beslutningsprosesser.    

Datastyring
Datastyring er bygget på IT-styring (IT Governance). Formålet er å formulere regler og policy for data, og skape en visjon og retningslinjer for personvern, sikkerhet og dataforvaltning- og eierskap, som er tilpasset ulike enheters formål, interesser og behov [10]. For å oppnå effektiv datastyring bør organisasjoner [3]:

• Formulere formål med datastyring, med klart definerte mål, prosedyrer og styrings- og resultatindikatorer/KPI.
• Definere en datastyringsprotokoll som gir klare retningslinjer for datatilgjengelighet, kritikalitet, autentisitet, deling og bevaring som gjør organisasjonen i stand til å effektivt kontrollere og utnytte data fra innhenting til lagring, analysering og bruk.
  Organisasjoner bør [10]     
  • klargjøre rollen til data som en ressurs
  • etablere krav til hvordan data skal brukes  
  • etablere oversikt over hva data handler om og sammenheng mellom data slik at det enkelt kan tolkes og forstås av brukere
  • spesifisere krav til datatilgang
  • bestemme definisjon, produksjon, bevaring og sletting/avslutting av data
• Gjennomgå data som organisasjonen samler inn i alle enheter og definere verdien av denne
• Integrere informasjon på tvers av systemer og datakilder i et BDA rammeverk

Helseorganisasjoner bør også vurdere å etablere en datastyringskomité for håndtering av tilgjengelighet, bruksnytte, integritet og sikkerhet av organisasjonens data.

Organisasjoners tilpasningsevne
Utvikling av BDA bør kombineres med utvikling av organisasjonens evner til å tilpasse seg endringer i omgivelser, prosesser og aktiviteter [10]. For å oppnå dette bør organisasjoner

• Skape, spre og respondere på ny kunnskap om markedsmuligheter- og behov på regelmessig basis.
• Utvikle gode rutiner for innsamling, tilpasning, transformering og utnyttelse av eksisterende ressurser for å skape ny kunnskap
• Skape forståelse for og effektivt håndtere avhengigheter mellom ressurser og oppgaver for å synkronisere aktiviteter.        
• Vektlegge integrering av ulike medarbeideres kunnskap og bidrag
•  Utforme og iverksette nye løsninger ved å kombinere tilgjengelige ressurser   

Utvikling av kompetanse og ferdigheter
Helseorganisasjoner bør vektlegge utvikling av teknologikompetanse og forretnings-/organisasjonskompetanse hos personell med analyseoppgaver [3,9]. Organisasjoner bør derfor

• Gi opplæring og trening innenfor områder som statistikk, datautvinning og virksomhetsetterretning (business intelligence) til aktuelle ansatte. Mentorordninger, kryss-funksjonell team-basert læring og selvstudium er aktuelle opplegg for utvikling av BDA-ferdigheter.
• Tilpasse rekrutteringstiltak og utvelgelseskriteria til behov for kunnskap og ferdigheter innenfor BDA.     

 

---

Referanser / kilder

1. Exploring the path to big data analytics success in healthcare 
   Wang, Y. & Hajli, N. (2017). Journal of Business Research, 70, 287-299.  
2. Concurrence of big data analytics and healthcare: A systematic review
   Mehta, N. & Pandit, A. (2018). International Journal of Medical Informatics, 114, 57-65.
3. Big data analytics: Understanding its capabilities and potential benefits for healthcare organizations 
   Wang, Y., Kung, L. & Byrd, T.A. (2018). Technological Forecasting and Social Change, 126, 3-13.
4. Applications of business analytics in healthcare.
   Ward, M.J., Marsolo, K.A. & Froehle, C.M. (2014). Business Horizons, 57(5), 571-582.
5. Benefits and challenges of big data in healthcare: An overview of the European initiatives.
   Pastorino, R., De Vito, C., Migliara, G., Glocker, K., Binenbaum, I., Ricciardi, W. & Boccia, S. (2019). European Journal of Public Health, 29, Issue Supplement 3, 23-27.
6. Big data analytics in healthcare: promise and potential
   Raghupathi, W. & Raghupathi, V. (2014). Health Information Science and Systems, 2(3).
7. Big data and AI Executive Survey 2021 
   Report from NewVantage Partners
8. Nearly 80% of Healthcare execs investing more in big data, AI
   Kent, J. (2019). Article at HealthITAnalytics.com
9. An integrated big-data analytics-enabled transformation model: Application to health care 
   Wang, Y., Kung, L., Wang, W.Y.C. & Cegielski, C.G. (2018). Information & Management, 55(1), 64-79.
10. Leveraging Big Data Analytics to Improve Quality of Care in Healthcare Organizations: A Configurational Perspective 
    Wang, Y., Kung, L., Gupta, S. & Ozdemir, S. (2019). British Journal of Management, 30(2), 362-388.

Image by Gordon Johnson from Pixabay 

---

Andre relevante eksterne ressurser

Healthcare Big Data and the Promise of Value-Based Care. Artikkel i NEJM Catalyst

18 Examples Of Big Data Analytics In Healthcare That Can Save People. Artikkel på datapine.com

Data governance: Driving value in healthcare. KPMG Rapport

 

Forelesning: "Introduction to health care data analytics". (Utviklet av University of Texas Health Science Center at Houston.)

 

 

Se også andre relevante forelesninger på Youtube-kanalen Population Health

---

Nyheter og Innsiktsartikler relatert til aktuelle tema:

IT competence Data & Business analytics