V predchádzajúcom texte sme písali o štyroch hlavných typoch problémov, ktoré komplikujú efektívne využitie dát (nielen) v zdravotníctve. Každý problém sa dá zlepšiť. Nasledujúce odstavce sumarizujú najčastejšie riešenia, ktoré majú potenciál viesť k lepšej kvalite dát v zdravotníctve.
1) Pravidelné audity
Audity síce neodstraňujú príčiny problému, môžu však byť veľmi efektívne pri ich identifikácii. Pojem „audit“ označuje kritické preskúmanie a zhodnotenie určitej činnosti, prípadne situácie v určitej oblasti – napríklad (zberu) dát v zdravotníctve. Vykonávanie auditov je prvým krokom k tomu, aby organizácia mala prehľad o tom, „ako na tom je“ – či zbiera vhodné dáta, či sú dáta kvalitné, prípadne v čom spočívajú nedostatky zozbieraných dát, ako aj procesov ich zbierania a využívania. Audit môže vykonať buď interný analytik (prípadne analytický tím) organizácie, alebo môže táto úloha byť outsorcovaná tretej strane.
2) Štandardizácia dát
Štandardizovanie dát rieši problém spočívajúci v ich heterogenite. Dáta by mali byť štandardizované na štyroch úrovniach:
- terminológia (vopred určené termíny používané pri zbere a spracovaní dát)
- obsah (aké dáta sú zbierané a ako sú organizované)
- transport (formát dát, ich šifrovanie atď.)
- súkromie/bezpečnosť (zber a uchovávanie dát musí byť v súlade s platnými zákonmi a reguláciami)
Nastavenie a dodržiavanie štandardizovaných postupov pomáha predchádzať nejasnostiam v dátach, umožňuje ich širšie využitie, spoluprácu medzi oddeleniami v rámci organizácie a medzi samotnými organizáciami. Taktiež je prevenciou voči duplicitným a nekompletným dátam. V konečnom dôsledku tak štandardizácia dát zlepšuje kvalitu poskytovanej zdravotnej starostlivosti.
3) Revízia a zjednodušenie regulačného rámca
Štúdia vypracovaná na žiadosť dánskej vlády, ktorá skúmala regulačný rámec pre dáta v zdravotníctve, došla k trom odporúčaniam s cieľom maximalizovať benefity využívania dát.
- Prvým odporúčaním je zjednodušenie existujúcej legislatívy. Štúdia uvádza, že je potrebné jasne určiť interpretáciu regulácií v prípadoch, ktoré v súčasnosti umožňujú rôzne výklady.
- Druhé odporúčanie je smerované na (v súčasnosti dlhé a komplikované) administratívne procesy. Autori štúdie odporúčajú reorganizáciu procesov a prerozdelenie kompetencií medzi aktérmi s cieľom zjednodušenia a skrátenia týchto procesov.
- Tretie odporúčanie sa venuje tomu, do akej miery sú súčasné regulácie aktuálne. Podľa zistení štúdie sú niektoré časti regulačného rámca „pozadu“ v porovnaní s vývojom technológií a postupov spojených s dátovou analytikou. Zaostalé regulácie potom znemožňujú využitie plného potenciálu nových technológií a je potrebná ich aktualizácia.
4) Tréning zamestnancov
V tomto bode ide o tréning zamestnancov zdravotníckej organizácie, ktorý má zabezpečiť, aby zamestnanci lepšie pochopili problematiku zberu, tvorby a využívania dát. Zo zdravotných sestier a lekárov nemocnica dátových vedcov nespraví, to však neznamená, že istá forma vzdelania v oblasti dát nemôže byť prospešná aj v prípade týchto povolaní. Často sú totiž práve pracovníci pôsobiaci „v prvej línii“ tí, ktorí dáta zbierajú. Ak však aspoň približne nerozumejú širšiemu kontextu – t. j. prečo zbierajú dáta, resp. čo sa s dátami deje po tom, ako ich zozbierajú a zadajú do elektronického systému – je pravdepodobné, že budú tieto činnosti vykonávať spôsobom, ktorý bude kvalitu dát a ich interoperabilitu znižovať. Tzv. „working knowledge“ (znalosť toho, ako niečo funguje, bez nutnosti ovládať hlbšie teoretické východiská) ohľadom relevancie a využívania dát môže prispieť napríklad k tomu, aby títo zamestnanci s dátami pracovali spôsobom, ktorý nebude limitovať ich ďalšie využitie. Treba však počítať s tým, že nie všetku dátovú agendu je možné zveriť zdravotníkom a bude potrebné zamestnať dátových špecialistov. Americký Bureau of Labor Statistics (Úrad pre štatistiku práce) odhaduje, že v nasledujúcich 10 rokoch bude americký trh dopytovať 20 000 dátových analytikov ročne. Môžeme predpokladať, že významné percento z nich bude žiadané pre zdravotnícky sektor.
