Személyi rekordok egyeztetése és összekapcsolása különböző rendszerekben

a mesterséges intelligencia és azon túl

Az egészségügyben és a gondozásban az identitás helyes meghatározása nem csak fontos, hanem alapvető fontosságú. A teljes körű, pontos és naprakész személyazonossági adatok kritikus fontosságúak az ellátás minőségének és a betegbiztonságnak a biztosításához, a bevételi ciklus kezelésének optimalizálásához, a jogszabályi megfelelés fenntartásához és az értékalapú ellátás előmozdításához. A közszférában a személyegyeztetés kulcsszerepet játszik a műveletek racionalizálásában és az ellátások gyorsabb nyújtásában. Az AI- és ML-kezdeményezéseket végrehajtó bármely szervezet számára a pontos személyazonossági adatok alapvető fontosságúak az akcióképes meglátások generálásához, a döntéshozatal javításához és a személyre szabottabb, hatékonyabb ellátás lehetővé tételéhez.

A beteg-, tag- és ügyfélrekordok azonosítása és egyeztetése nem kis feladat. Az egészségügy világában a személyazonossági adatok gyakran szétszóródnak különböző EHR-rendszerekben, laboratóriumi és gyógyszertári megoldásokban, CRM-platformokban, valamint számlázási, fizetési és ütemezési alkalmazásokban. A közszférában az egyes programok jellemzően egymástól függetlenül vezetik a saját adataikat. Még az ugyanazon ügynökségen belül ugyanazon ügyfeleket kiszolgáló programok adatai is reménytelenül elszigeteltek maradhatnak. A névváltozások, címfrissítések, helyesírási hibák és egyéb eltérések gyakran vezetnek kettős, ellentmondásos, hiányos vagy elavult információkhoz.

A tévedés ára magas. Az azonosítási adatok hibái és hiányosságai hatással lehetnek a klinikai, működési és üzleti teljesítményre, károsíthatják a szervezet hírnevét, és költséges hatósági bírságokhoz és jogi rendezéshez vezethetnek.

• az összes elutasított igény 35%-a a beteg pontatlan azonosításából vagy adataiból ered¹
• A duplikált nyilvántartások miatt megismételt ellátás átlagos költségei több mint 1700 USD-ttesznek ki sürgősségi látogatásonként és 1950 USD-t fekvőbeteg-ellátásonként¹

Az Enterprise Master Person Indexek² (EMPI-k) összehangolják a beteg-, tag- és ügyfélrekordokat az eltérő rendszerekben, megszüntetve az adathiányokat és az ellentmondásokat. Azonosítják és összekapcsolják a különböző forrásokból származó rekordokat, így minden egyes személyre vonatkozóan egységes, egyedileg azonosított rekordot biztosítanak. Segítenek az egészségügyi szervezeteknek az M&A integrációk és a mesterséges intelligencia kezdeményezések racionalizálásában. Segítenek a közszféra szervezeteinek a hatékonyság javításában és a programok koordinálásában.

A hagyományos EMPI-k két különböző típusú algoritmust használnak az azonos személyhez tartozó rekordok azonosítására.

• A determinisztikus algoritmusok bizonyos adatelemek, például név, születési dátum vagy társadalombiztosítási szám pontos egyezéseit keresik. Ha minden kritérium egyezik, akkor a rekordok egyazon személyhez tartoznak.
• A valószínűségi algoritmusok statisztikai elemzéssel határozzák meg annak valószínűségét, hogy két rekord ugyanahhoz a személyhez tartozik. Több attribútum hasonlósága alapján egy pontszámot rendelnek hozzá, amely jelzi az egyezés valószínűségét.

A következő generációs EMPI-k fejlett algoritmusokat támogatnak a személyazonossági adatok pontosságának és teljességének további javítása érdekében.

Az InterSystems EMPI™ egy új generációs EMPI, amely megkönnyíti a személyi nyilvántartások összekapcsolását különböző rendszerekben. Zökkenőmentesen integrálódik az InterSystems Unified Care Record rendszerébe, és a különböző forrásokból származó személyazonossági adatokat egyetlen, pontos, longitudinális egészségügyi nyilvántartássá egyesíti.

Az InterSystems EMPI legfontosabb jellemzői a következők:

• Teljesen testreszabható összekapcsolási motor , amely gépi tanulást és egyéni szabályokat használ a személyi rekordok automatikus megfeleltetésére
• Átfogó műszerfalak és jelentések a rekordok megtekintéséhez, az adatminőség elemzéséhez és a trendek azonosításához
• Beépített API-k a népszerű egészségügyi adatszabványokhoz, beleértve a HL7 FHIR®, HL7® v2 és IHE szabványokat is
• Helyszíni vagy menedzselt szolgáltatás telepítés választása