Cr\u00e9dito: CC0 Public Domain <\/p>\n
Investigadores de la Universidad de Maryland, condado de Baltimore (UMBC) han desarrollado un m\u00e9todo para investigar la calidad de los datos de atenci\u00f3n m\u00e9dica utilizando un enfoque sistem\u00e1tico , que se basa en la creaci\u00f3n de una taxonom\u00eda para los defectos de los datos a trav\u00e9s de la revisi\u00f3n de la literatura y el examen de los datos. Usando esa taxonom\u00eda, los investigadores desarrollaron un software que detecta autom\u00e1ticamente defectos en los datos de manera efectiva y eficiente. <\/p>\n
La investigaci\u00f3n se publica en el Journal of the American Medical Informatics Association (JAMIA) y est\u00e1 dirigida por Gne? Koru, FAMIA, profesora de sistemas de informaci\u00f3n, y Yili Zhang, exestudiante de posgrado en el laboratorio de Koru que ahora es becaria posdoctoral en la Universidad Northwestern. El documento destaca que la prevalencia de defectos en algunos de los datos de atenci\u00f3n m\u00e9dica existentes puede ser bastante alta. Esto debe abordarse para aprovechar mejor los datos para mejorar la calidad de la atenci\u00f3n, reducir los costos y lograr mejores resultados de atenci\u00f3n m\u00e9dica. El equipo colabor\u00f3 con una organizaci\u00f3n de atenci\u00f3n m\u00e9dica an\u00f3nima utilizando conjuntos de datos de atenci\u00f3n m\u00e9dica reales.<\/p>\n
Aunque hoy en d\u00eda muchos investigadores est\u00e1n involucrados en el an\u00e1lisis de datos de atenci\u00f3n m\u00e9dica y se preocupan por su importancia, se est\u00e1 investigando muy poco sobre la calidad de los datos que se analizan. En \u00faltima instancia, esto crea un problema de gran alcance porque los hallazgos importantes de los datos pueden ser menos significativos de lo que se supone, a menos que se pueda invertir un esfuerzo y dinero significativos para abordar los problemas de calidad de los datos con m\u00e9todos ad-hoc. Por ejemplo, gran parte de los datos que analiz\u00f3 el equipo de Koru conten\u00edan errores de duplicaci\u00f3n, formato no coincidente y sintaxis incorrecta.<\/p>\n
Identificar estos defectos en los datos de atenci\u00f3n m\u00e9dica es sumamente importante cuando se trata de centros de atenci\u00f3n m\u00e9dica que brindan servicios esenciales. Koru explica c\u00f3mo los centros de salud utilizan los datos recopilados. Las organizaciones de atenci\u00f3n m\u00e9dica deben \u00abmejorar sus servicios en funci\u00f3n de esos datos y recopilar m\u00e1s datos. Si podemos mantener este ciclo en marcha, podemos aprender y mejorar m\u00e1s r\u00e1pidamente, que es la idea principal detr\u00e1s del concepto de Learning Health Systems, y haciendo por lo tanto, es a\u00fan m\u00e1s importante en la era de la COVID-19\u00bb, dice.<\/p>\n
En la \u00faltima d\u00e9cada, los proveedores de atenci\u00f3n m\u00e9dica en los EE. bases de datos informatizadas. Este salto es significativo debido a la oportunidad que brinda para el an\u00e1lisis, pero los investigadores a\u00fan est\u00e1n tratando de aprender c\u00f3mo aprovechar de manera efectiva los datos como un activo.<\/p>\n
Koru posiciona la investigaci\u00f3n de su equipo sobre la calidad de los datos entre los campos que est\u00e1n trabajando para aprovechar los datos y los campos que est\u00e1n trabajando para generarlos. Si los datos mismos, el puente que conecta los dos campos, contienen muchas inconsistencias y problemas, entonces la informaci\u00f3n relevante no se puede usar para brindar mejores resultados para los pacientes y las instalaciones.<\/p>\n
En el futuro, Koru continuar\u00e1 trabajando con el socio profesionales de la salud del centro para construir un camino a seguir. Colaborar\u00e1 a\u00fan m\u00e1s para mejorar la calidad de los datos y sostener una operaci\u00f3n que basa gran parte de su \u00e9xito en los datos que puede recopilar de los servicios de salud. Su equipo trabajar\u00e1 con profesionales de la administraci\u00f3n de la salud cuando las herramientas de software desarrolladas a trav\u00e9s de esta investigaci\u00f3n se adopten en entornos organizacionales para garantizar la facilidad de uso y la utilidad de las herramientas.<\/p>\n
\u00abLa taxonom\u00eda ayudar\u00e1 a los administradores de datos a identificar, comprender, y gestionar posibles problemas de calidad de datos en su trabajo futuro\u00bb, dice Zhang.<\/p>\n
Ahora m\u00e1s que nunca, los centros de atenci\u00f3n m\u00e9dica dependen de datos s\u00f3lidos para ayudar a los pacientes y al campo de la atenci\u00f3n m\u00e9dica en general. Koru y Zhang descubrieron que las colaboraciones entre investigadores de datos y organizaciones de atenci\u00f3n m\u00e9dica pueden generar soluciones efectivas al problema de la mejora de la calidad de los datos. <\/p>\n
Explore m\u00e1s<\/p>\n
Los pacientes prefieren su consentimiento para compartir sus datos y gestionarlos digitalmente M\u00e1s informaci\u00f3n:<\/strong> Yili Zhang et al, Comprensi\u00f3n y detecci\u00f3n de defectos en los datos de administraci\u00f3n sanitaria: hacia una mayor calidad de los datos para respaldar mejor las operaciones y decisiones de atenci\u00f3n m\u00e9dica, Journal of the American Medical Informatics Association (2019). DOI: 10.1093\/jamia\/ocz201 Informaci\u00f3n de la revista:<\/strong> Journal of the American Medical Informatics Association <\/p>\n Proporcionado por la Universidad de Maryland Condado de Baltimore Cita<\/strong>: Los investigadores identifican defectos en los datos de atenci\u00f3n m\u00e9dica, crear software para una detecci\u00f3n de defectos m\u00e1s f\u00e1cil (2020, 29 de mayo) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-healthcare-defects-software-easier-defect.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Investigadores de la Universidad de Maryland, condado de Baltimore (UMBC) han desarrollado un m\u00e9todo para investigar la calidad de los datos de atenci\u00f3n m\u00e9dica utilizando un enfoque sistem\u00e1tico , que se basa en la creaci\u00f3n de una taxonom\u00eda para los defectos de los datos a trav\u00e9s de la revisi\u00f3n de la … Continuar leyendo \u00abInvestigadores identifican defectos en datos de atenci\u00f3n m\u00e9dica y crean software para facilitar la detecci\u00f3n de defectos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-25757","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/25757","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=25757"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/25757\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=25757"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=25757"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=25757"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}