Warning: "continue" targeting switch is equivalent to "break". Did you mean to use "continue 2"? in /home/clients/ae41dd7e401964d4a5821cf630c4c4f1/web/wp-content/plugins/jetpack/_inc/lib/class.media-summary.php on line 77

Warning: "continue" targeting switch is equivalent to "break". Did you mean to use "continue 2"? in /home/clients/ae41dd7e401964d4a5821cf630c4c4f1/web/wp-content/plugins/jetpack/_inc/lib/class.media-summary.php on line 87
Big Data dans les soins de santé: tout ce que vous devez savoir - Metal Maniac

Juin 29

Big Data dans les soins de santé: tout ce que vous devez savoir

Qu’est-ce que le Big Data?
Les mégadonnées sont généralement définies comme un grand ensemble de données complexes, qu’elles soient non structurées ou structurées, qui peuvent être utilisées efficacement pour découvrir des informations approfondies et résoudre des problèmes commerciaux qui ne pouvaient pas être résolus auparavant avec des analyses ou des logiciels conventionnels. Les scientifiques des données utilisent généralement des analyses basées sur l’intelligence artificielle pour évaluer de manière constructive ces ensembles de données complets afin de découvrir des modèles et des tendances qui peuvent fournir des informations commerciales significatives.

Les mégadonnées dans les soins de santé se réfèrent à l’utilisation de services d’analyse prescriptive, prédictive et descriptive pour obtenir des informations approfondies à partir des données de soins de santé. La phase finale du big data dans les soins de santé est triple:

Utiliser les données des patients pour améliorer les résultats cliniques;
Tirer parti des données opérationnelles pour augmenter la productivité de la main-d’œuvre;
Utilisez les données financières sur les soins de santé pour améliorer la source de revenus pour un cabinet, un hôpital ou une organisation de soins de santé.
Les mégadonnées devraient pénétrer plus rapidement et plus profondément dans le secteur de la santé que dans d’autres secteurs tels que les médias, les services financiers et la fabrication. Ce qui ne devrait pas surprendre étant donné que les soins de santé sont le plus grand employeur privé aux États-Unis et que leurs dépenses représentent 20% du PIB de notre pays.

En fait, il est prévu que le marché mondial des mégadonnées de soins de santé augmentera régulièrement à un taux de croissance annuel composé (TCAC) de 22,07% pour atteindre environ 34 milliards de dollars d’ici 2022. Une autre étude approfondie estime que les mégadonnées dans le secteur des soins de santé connaître un TCAC exceptionnel de 36% jusqu’en 2025.

En raison de l’augmentation des investissements dans les outils de gestion de la main-d’œuvre, les solutions de gestion de la pratique et les systèmes de dossiers de santé électroniques (DSE), le secteur mondial de l’analyse des mégadonnées devrait valoir 68 milliards de dollars d’ici 2024.

Dans cet article, nous couvrirons l’histoire des mégadonnées dans les soins de santé, son application et son potentiel pour améliorer à la fois les résultats médicaux et l’efficacité opérationnelle dans l’espace des soins de santé.

Une brève histoire du Big Data
Image montrant à quel point les mégadonnées dans les soins de santé sont liées à bien des égards.Les données massives, à côté de l’analyse des données, sont deux domaines qui ont considérablement progressé au cours des deux dernières décennies grâce à la prolifération d’Internet et des capacités de cloud computing.

Cependant, notre capacité à stocker et à donner un sens à l’information (lire: données) a été une évolution progressive qui, selon de nombreux chercheurs, remonte à environ 1800 avant notre ère.

Les Babyloniens, par exemple, ont utilisé un appareil pratique appelé abaque pour effectuer des calculs simples à complexes dès 2400 avant notre ère, ce qui est par coïncidence la période où les premières bibliothèques ont émergé, marquant la première tentative humaine de stocker des informations à grande échelle.

Avance rapide jusqu’en 1663… les statistiques sont adoptées par des universitaires et des mathématiciens comme John Grant. Il est reconnu comme le pionnier de l’analyse des données statistiques et peut-être le père du big data moderne.

En fait, l’analyse statistique de Grant a été utilisée pour la première fois dans les soins de santé pour aider à fournir une alerte précoce pour les pandémies comme la peste bubonique qui faisait des ravages en Europe à l’époque.

Ce n’est qu’en 1865, cependant, que le terme «business intelligence» a été inventé par Richard Millar Devens.

Il a saisi le terme dans son Encyclopédie des anecdotes commerciales et commerciales tout en essayant de décrire comment Henry Furnese (un opérateur bancaire) collectait et analysait les informations commerciales pertinentes afin de prendre l’avantage sur les autres banquiers rivaux.

Il est toujours présenté comme la première utilisation de l’analyse des mégadonnées à des fins commerciales.

Au début des années 1880, un jeune scientifique du US Census Bureau invente la soi-disant Hollerith Tabulating Machine. C’était un appareil révolutionnaire qui utilisait des cartes perforées pour traiter une grande quantité de données de recensement, réduisant essentiellement le travail de la décennie à seulement 3 mois. Cette machine d’analyse de données constituerait la base de ce qui est maintenant IBM.

Le concept de l’analyse commerciale n’est pas devenu courant jusqu’aux années 50, mais il a fallu une autre décennie avant que le gouvernement américain n’érige le premier centre de données, stockant 175 millions d’empreintes digitales et 742 millions de déclarations de revenus sur une bande de stockage magnétique.

Entre les années 1960 et les années 2000, le terme d’analyse commerciale a généralement été utilisé à la place de ce que nous appelons aujourd’hui les «mégadonnées». En 2007, le magazine technologique Wired a présenté le terme au public. Deux ans plus tard, le McKinsey Global Institute a signalé que les entreprises de plus de 1 000 employés aux États-Unis produisent et stockent près de 200 To de données.

 

En 2011, le concept et l’application des mégadonnées avaient tellement pris de l’ampleur que McKinsey & Company a émis l’hypothèse qu’il y aurait une pénurie de 140 000 à 190 000 scientifiques des données au cours de la prochaine décennie.

Aujourd’hui, les mégadonnées ne sont plus un mot à la mode – c’est une réalité que les DSI des soins de santé doivent s’adapter rapidement, sinon leurs organisations sont plongées dans l’oubli. En fait, 88% des dirigeants interrogés par Accenture ont déclaré que les mégadonnées et l’analyse commerciale seront leur priorité absolue à l’avenir.

“Les Vs” du big data
Image affichant le Big Data avec quatre sous-sections de Variety, Veracity, Velocity et volume.
Le volume, la vitesse et la variété – appelés à juste titre les «trois V» du Big Data, sont les pierres angulaires du Big Data. Dans les soins de santé, ces trois éléments sont les dimensions ou les propriétés qui définissent une analyse efficace des mégadonnées.

Le volume implique la quantité remarquable de données que les soins de santé génèrent via leurs applications, portails, sites Web et DSE.

La vitesse fait référence à la vitesse à laquelle les ensembles de données sont générés et traités.

La variété englobe le nombre différent de types de données que nous pouvons désormais générer, collecter et analyser.

Outre les trois, il existe deux nouveaux V de Big Data: la véracité et la valeur.

La valeur est l’attribut qui fait référence à la valeur tangible des données générées, collectées ou analysées.

Enfin, la véracité fait référence à la fiabilité, l’intégrité ou la qualité des données générées, collectées et analysées par les établissements de santé. Est-ce digne de confiance?

Comment les mégadonnées sont-elles utilisées?
Homme tenant un globe dans sa main avec des données à l’intérieur.

Les mégadonnées peuvent trouver une utilisation immense dans n’importe quel environnement commercial. Aujourd’hui, les entreprises de soins de santé exploitent les mégadonnées et les analyses associées de multiples façons. Ces applications qui entraînent le changement et la transformation dans les environnements de soins de santé et d’affaires comprennent:

Développement de produits
La découverte, la conception et le développement de nouveaux médicaments et autres produits de santé coûtent énormément d’argent et ce processus prend énormément de temps.

Au cours des dernières années, les mégadonnées ont fait le bruit dans le développement des produits de santé et commerciaux – et pour cause:

Les activités de R & D sur les produits ont généralement du mal à comprendre les vastes étendues de données à leur disposition. C’est un domaine où les mégadonnées peuvent venir à la rescousse, en mettant à zéro les bonnes données et en réduisant ainsi le temps nécessaire au développement de produits.
Il y a beaucoup d’essais et d’erreurs dans le processus de développement de nouveaux produits. Les mégadonnées éliminent les tracas et les conjectures de l’équation, aidant les R&D à fournir des produits meilleurs et plus précis.
L’analyse des données en temps réel aide les organisations de soins de santé à affiner leurs produits en fonction de grands ensembles de données.
Maintenance préventive
Les mégadonnées peuvent être utilisées pour la maintenance préventive de l’équipement médical, des appareils de technologie de la santé et des actifs numériques comme les sites Web et les applications, en particulier à une époque où les violations de la sécurité des données sont en augmentation. Essentiellement, la maintenance préventive basée sur les mégadonnées aide les organisations de santé à réduire les coûts généraux de maintenance et de fonctionnement de leur équipement.

Améliorez les résultats pour les patients
Les mégadonnées et les services analytiques permettent aux cliniciens et aux chercheurs de mieux diagnostiquer et traiter les maladies.

En analysant une grande quantité de données sur la santé des patients, les médecins et les cliniciens peuvent se concentrer sur des maladies autrement difficiles à diagnostiquer et rares comme la maladie de Parkinson. L’avantage global de l’utilisation des mégadonnées dans les soins de santé est qu’elles améliorent considérablement les résultats pour les patients.

Efficacité opérationnelle
La collecte et l’analyse des données sur la main-d’œuvre aident les hôpitaux, les sociétés pharmaceutiques et d’autres organisations de soins de santé à augmenter la productivité de leurs employés.

Il aidera les organisations de santé à repenser leurs flux de travail, à affecter davantage de ressources là où elles sont le plus nécessaires et à améliorer l’efficacité opérationnelle globale.

Plus d’informations sur les grandes dates, cliquez ici

Laisser un commentaire

Your email address will not be published.

*