O estudo “O Impacto Financeiro da Baixa Qualidade de Dados no Setor de Saúde“, conduzido pela Sage Growth Partners a pedido da InterSystems, uma empresa líder em tecnologia de dados dedicada a resolver desafios críticos relacionados à informação, destaca a crescente ênfase das organizações de saúde em investir em analytics. O objetivo é superar desafios como coleta, normalização, análise e utilização de dados, visando aprimorar as análises clínicas e a eficácia das decisões de negócios.
A pesquisa, realizada nos Estados Unidos com 100 líderes de hospitais e sistemas de saúde (C-level, VPs e diretores) que possuem pelo menos 250 leitos, revela que a má qualidade e a distribuição inadequada de dados nas organizações têm impactos financeiros e decisórios significativos. Cerca de 49% dos entrevistados acreditam que as decisões carecem de fundamentação em dados, enquanto 43% destacam que dados não confiáveis resultam em incapacidade para decisões oportunas.
Uma descoberta notável é que apenas 20% das organizações confiam plenamente em seus dados, muitas vezes devido à falta de ferramentas adequadas e à dependência de aplicativos como planilhas básicas. Esse desafio está intrinsecamente ligado a obstáculos persistentes, como a integração de dados e a interoperabilidade, aspectos abordados pela robusta plataforma de dados InterSystems IRIS for Health®.
Principais conclusões do estudo incluem:
- Mais de 50% afirmam que a má qualidade dos dados resulta em ineficiências ou tomada de decisões lentas (53%) e na incapacidade de identificar lacunas nos cuidados (50%).
- 51% apontam a integração de dados e interoperabilidade como as principais barreiras para atingir metas estratégicas em analytics.
- 80% consideram a criação e compartilhamento de dados de alta qualidade em toda a organização como uma prioridade estratégica nos próximos 12 meses, aumentando para 84% quando avaliada nos próximos 36 meses.
- 85% destacam que dados harmonizados e em tempo real são cruciais para que os stakeholders tomem decisões operacionais informadas.
- Apenas 8% consideram suas capacidades maduras, enquanto 63% ainda dependem de ferramentas como o Excel.
- Apenas 49% possuem uma estrutura de modelo de dados estabelecida, e 45% daqueles com um modelo não conseguem incorporar dados não-estruturados sem recorrer a equipes internas ou fornecedores terceirizados.
- 53% afirmam que a má qualidade dos dados afeta negativamente sua capacidade de tomar decisões, impactando também a identificação de lacunas no atendimento, a conformidade com métricas de qualidade e a otimização do ciclo de receita.
Má qualidade dos dados como impacto econômico “significativo” para a organização:
Dados conectados resolvem os problemas
Apesar dos esforços para digitalizar os dados de saúde, hospitais e outras instituições do setor ainda enfrentam desafios significativos devido à presença de dados imprecisos, inoportunos, ausentes e/ou duplicados. Metade dos entrevistados encontra-se na necessidade crucial da interoperabilidade para alcançar suas prioridades estratégicas de análise, o que, por conseguinte, compromete suas decisões clínicas e empresariais.
A pesquisa revela a demanda dos executivos de saúde por soluções aprimoradas que possibilitem a integração de uma ampla gama de dados em um formato oportuno, de fácil compreensão e acessível. A visibilidade de dados confiáveis em toda a organização, permitindo que diversos usuários obtenham as informações necessárias de uma única fonte, é essencial para alcançar as metas estabelecidas pelos sistemas de saúde. Sem essa integração, torna-se consideravelmente mais desafiador fechar lacunas no atendimento, otimizar o desempenho clínico e comercial, além de rastrear, relatar e gerar valor adicional.
Os participantes da pesquisa expressam receptividade à ideia de uma “estrutura inteligente de dados na saúde”, que lhes permitiria reunir domínios dispersos de dados em um único ativo para relatórios, análises e aprendizado de máquina, através de modelos e harmonização de dados. Os profissionais de nível C são identificados como principais usuários desses dados, e tanto eles quanto outros usuários valorizam a capacidade de acessar informações de maneira rápida. Ter uma estrutura de dados de saúde inteligente, incorporando um modelo robusto e harmonização, emerge como uma abordagem atrativa para superar esses desafios.
