Rapprocher et lier les dossiers des personnes dans des systèmes différents

pour l'IA et au-delà

Dans le domaine de la santé et des soins, il n'est pas seulement important, mais essentiel, de bien définir l'identité. Des données d'identité complètes, précises et actualisées sont essentielles pour garantir la qualité des soins et la sécurité des patients, optimiser la gestion du cycle des recettes, maintenir la conformité réglementaire et faire progresser les soins fondés sur la valeur. Dans le secteur public, l'appariement des personnes joue un rôle clé dans la rationalisation des opérations et l'accélération de la fourniture des prestations. Et pour toute organisation mettant en œuvre des initiatives d'IA et de ML, des données d'identité précises sont fondamentales pour générer des informations exploitables, améliorer la prise de décision et permettre des soins plus personnalisés et plus efficaces.

Identifier et faire correspondre les dossiers des patients, des membres et des clients n'est pas une mince affaire. Dans le monde de la santé, les données d'identité sont souvent dispersées dans différents systèmes de DSE, solutions de laboratoire et de pharmacie, plateformes CRM et applications de facturation, de paiement et de planification. Dans le secteur public, chaque programme conserve généralement ses propres données de manière indépendante. Même les données des programmes d'une même agence servant les mêmes clients peuvent rester désespérément cloisonnées. Les changements de nom, les mises à jour d'adresse, les fautes d'orthographe et autres divergences conduisent souvent à des informations dupliquées, incohérentes, incomplètes ou obsolètes.

Le coût d'une erreur est élevé. Les erreurs et les lacunes dans les données d'identité peuvent avoir un impact sur les performances cliniques, opérationnelles et commerciales, nuire à la réputation de votre organisation et entraîner des amendes réglementaires et des règlements juridiques coûteux.

• 35 % de toutes les demandes de remboursement refusées résultent d'une identification ou d'informations inexactes sur le patient¹
• Le coût moyen des soins répétés en raison de dossiers en double s'élève à plus de 1 700 dollars par visite aux urgences et à 1 950 dollars par séjour en hôpital¹

Les index maître des personnes² (EMPI) permettent de rapprocher les dossiers des patients, des membres et des clients dans des systèmes disparates, éliminant ainsi les lacunes et les incohérences dans les données. Ils identifient et relient des enregistrements provenant de différentes sources, fournissant ainsi un enregistrement uniforme et unique pour chaque personne. Ils aident les organismes de soins de santé à rationaliser les intégrations de fusions et acquisitions et les initiatives en matière d'intelligence artificielle. Ils aident également les organisations du secteur public à améliorer leur efficacité et à coordonner la mise en œuvre des programmes.

Les EMPI traditionnels utilisent deux types d'algorithmes différents pour identifier les enregistrements appartenant à une même personne.

• Les algorithmes déterministes recherchent des correspondances exactes entre des éléments de données spécifiques tels que le nom, la date de naissance ou le numéro de sécurité sociale. Si tous les critères correspondent, les enregistrements sont considérés comme appartenant à la même personne.
• Les algorithmes probabilistes utilisent l'analyse statistique pour déterminer la probabilité que deux enregistrements appartiennent à la même personne. Ils attribuent un score indiquant la probabilité d'une correspondance sur la base de similitudes entre plusieurs attributs.

Les EMPI de nouvelle génération utilisent des algorithmes avancés pour améliorer encore l'exactitude et l'exhaustivité des données d'identité.

InterSystems EMPI™ est un EMPI de nouvelle génération qui permet de relier facilement les dossiers des personnes dans des systèmes disparates. Il s'intègre parfaitement au dossier de soins unifié d'InterSystems, fusionnant les données d'identité provenant de diverses sources en un dossier de santé unique, précis et lo ngitudinal.Les principales caractér

istiques de l'EMPI d'InterSystems sont les suivantes :

• Un moteur de couplage entièrement personnalisable qui utilise l'apprentissage automatique et des règles personnalisées pour faire correspondre automatiquement les enregistrements des personnes
• Des tableaux de bord et des rapports complets pour visualiser les enregistrements, analyser la qualité des données et identifier les tendances
• API intégrées pour les normes de données de santé les plus courantes, notamment HL7 FHIR®, HL7® v2 et IHE
• Choix d'un déploiement sur site ou d'un service géré