Riconciliare e collegare i record delle persone tra sistemi diversi

per l'IA e oltre

Nel settore della sanità e dell'assistenza, ottenere un'identità corretta non è solo importante, è essenziale. Dati di identità completi, accurati e aggiornati sono fondamentali per garantire la qualità delle cure e la sicurezza dei pazienti, ottimizzare la gestione del ciclo delle entrate, mantenere la conformità normativa e promuovere un'assistenza basata sul valore. Nel settore pubblico, l'abbinamento delle persone svolge un ruolo fondamentale nello snellimento delle operazioni e nell'accelerazione dell'erogazione dei benefici. Per tutte le organizzazioni che attuano iniziative di intelligenza artificiale e di ML, i dati accurati sull'identità sono fondamentali per generare informazioni utili, migliorare il processo decisionale e consentire un'assistenza più personalizzata ed efficiente.

Identificare e abbinare i dati di pazienti, membri e clienti non è un compito da poco. Nel mondo dell'assistenza sanitaria, i dati sull'identità sono spesso sparsi in diversi sistemi EHR, soluzioni di laboratorio e farmaceutiche, piattaforme CRM e applicazioni per la fatturazione, i pagamenti e la programmazione. Nel settore pubblico ogni programma mantiene i propri dati in modo indipendente. Anche i dati dei programmi della stessa agenzia che servono gli stessi clienti possono rimanere irrimediabilmente isolati. Cambiamenti di nome, aggiornamenti di indirizzo, errori di ortografia e altre discrepanze spesso portano a informazioni duplicate, incoerenti, incomplete o non aggiornate.

Il costo di sbagliare è elevato. Gli errori e le lacune nei dati di identificazione possono avere un impatto sulle prestazioni cliniche, operative e aziendali, danneggiare la reputazione dell'organizzazione e portare a costose multe e risarcimenti legali.

• il 35% di tutte le richieste di indennizzo negate deriva da un'identificazione o da informazioni inesatte sul paziente¹
• Il costo medio delle cure ripetute a causa di record duplicati è di oltre 1.700 dollari per visita al pronto soccorso e di 1.950 dollari per ricovero ospedaliero¹

Gli Enterprise Master Person Index² (EMPI) riconciliano le cartelle cliniche di pazienti, membri e clienti tra sistemi diversi, eliminando le lacune e le incoerenze dei dati. Identificano e collegano record provenienti da fonti diverse, fornendo un record uniforme e identificato in modo univoco per ogni persona. Aiutano le organizzazioni sanitarie a semplificare le integrazioni M&A e le iniziative di AI. Inoltre, aiutano le organizzazioni del settore pubblico a migliorare l'efficienza e a coordinare l'erogazione dei programmi.

Gli EMPI tradizionali utilizzano due diversi tipi di algoritmi per identificare i record appartenenti alla stessa persona.

• Gli algoritmi deterministici cercano le corrispondenze esatte di elementi di dati specifici come nome, data di nascita o numero di previdenza sociale. Se tutti i criteri corrispondono, si ritiene che i record appartengano allo stesso individuo.
• Gli algoritmi probabilistici utilizzano l'analisi statistica per determinare la probabilità che due record appartengano alla stessa persona. Assegnano un punteggio che indica la probabilità di una corrispondenza in base alle somiglianze tra più attributi.

Gli EMPI di nuova generazione supportano algoritmi avanzati per migliorare ulteriormente l'accuratezza e la completezza dei dati di identità.

InterSystems EMPI™ è un EMPI di nuova generazione che semplifica il collegamento dei dati personali tra sistemi diversi. Si integra perfettamente con InterSystems Unified Care Record, unendo i dati sull'identità provenienti da fonti diverse in un'unica, accurata cartella clinica longitudinale.

Le principali caratteristiche di InterSystems EMPI includono:

• Un motore di collegamento completamente personalizzabile che utilizza l'apprendimento automatico e regole personalizzate per abbinare automaticamente i record delle persone
• Cruscotti e report completi per la visualizzazione dei record, l'analisi della qualità dei dati e l'identificazione delle tendenze
• API integrate per i più diffusi standard di dati sanitari, tra cui HL7 FHIR®, HL7® v2 e IHE
• Scelta tra implementazione on-premise o servizio gestito