Intuitivamente, la respuesta debería ser sí. Pero en la aplicación, el resultado puede ser un decepcionante no. ¿Por qué?
UNO. Muchos de los datos en medicina son inadecuados o inexactos. ¿Cómo sé eso? Participé en la certificación de los programas contra el cáncer del American College of Surgeons. Existe un requisito para que los campos de datos se completen en un alto porcentaje de registros auditados. Estos registros son guardados por registros de tumores hospitalarios según lo exige la ley. Pero cada vez más, la atención del cáncer se está entregando fuera de los hospitales. Gran parte de los datos ya no está disponible a través de los registros hospitalarios.
Cuando realizamos las auditorías, faltaba una gran cantidad de datos de pacientes con respecto a la gravedad de la enfermedad, específicamente qué pacientes tenían enfermedad localizada y qué pacientes tenían enfermedad metastásica. Es una gran diferencia porque para muchos cánceres, la enfermedad metastásica no se puede curar con la terapia disponible.
Entonces, ¿qué hacer con todos estos datos en blanco? La respuesta de los revisores fue que no se deben dejar datos en blanco. Si un paciente no tiene los escáneres necesarios para documentar la enfermedad metastásica, se debe considerar que esos pacientes son M cero, sin metástasis.
¿Qué? ¿Cómo esto tiene sentido? ¿Datos malos es mejor que no tener datos?
Esto no solo tiene sentido, sino que los académicos utilizan esta información para marcar las tendencias en el estadio de la enfermedad, el tratamiento del cáncer y las supervivencias. Busque la gran población de pacientes estudiados según los datos de SEER.
¿Qué compañía ofrece el mejor seguro médico para una familia de cuatro personas en Mumbai?
¿Cómo podría un país hacer las frutas y verduras más baratas que los dulces?
Datos SEER, 1973-2011
Los académicos pueden estar en desacuerdo, pero creo que es basura, basura.
DOS. Más sobre datos malos Los buenos datos se mezclan de forma rutinaria con los datos incorrectos al hacer un metaanálisis de ensayos clínicos. Aquellos que hacen big data o análisis estadísticos no conocen un buen estudio de uno malo. El mejor ejemplo es la controversia generada por el USPTF con respecto a las mamografías. Básicamente, se trataba de un grupo de estadísticos que agrupaban datos y hacían un metanálisis. Pero incluyeron un gran número de pacientes en su N de estudios que estaban claramente comprometidos en términos de calidad y precisión.
Por ejemplo, un gran grupo de pacientes pertenece al estudio canadiense de mamografía a largo plazo que incluso los radiólogos canadienses no defienden debido al diseño sesgado del estudio y también a la mala calidad de los mamogramas en un cuarto de los pacientes.
Las mamografías salvan vidas
Medscape Log In
De nuevo. Basura dentro basura fuera.
TRES. La medicina se está moviendo mucho más rápido que los datos integrales. En oncología, es un gran avance cada 6 meses en algo. Sabré para fines de este fin de semana en Chicago sobre una estrategia efectiva contra el cáncer basada en una presentación de un investigador. El estudio en sí no puede convertirse en una revista revisada por pares durante 2-4 años. Algunos de los tratamientos informados cambian el paradigma. ¿Cómo van a abordar los grandes datos?
LAS CUATRO. Las expectativas de TI en medicina superan con creces la realidad. Todo el país está cambiando a registros médicos electrónicos basados en supuestos hechos en RAND que reducirían los costos médicos y los errores médicos. Sin pruebas, sin estudios. Solo házlo.
Después de miles de millones y miles de millones de dólares y una agravación inestimable para los médicos y el personal, resulta que, al menos hasta ahora, los registros médicos electrónicos no reducen los errores y de hecho aumentan los costos a través de más pedidos de pruebas y procedimientos costosos.
Los New York Times
EHR: “Sloppy and paste” perdura a pesar del riesgo de seguridad del paciente