Big data: tra opportunitá e risch

Da diversi anni assistiamo alla comunicazione interna del computerising e alla consegna di ser- vizi (De Carvalho, 2016). I destinatari delle informazioni pubbliche sono, in generale, tutte le parti interessate e gli utenti dello stato patrimoniale. È importante distinguere tra i soggetti della “comunicazione interna” e quelli di “comunicazione esterna”. I soggetti della prima sono: la comunità, gli altri enti pubblici, gli istituti di credito, i fornitori, il terzo; i destinatari di quest’ul- tima sono: i dirigenti, gli organi politici e amministrativi, i dipendenti (Puddu 2011). Nei sistemi informativi interni ed esterni diventa necessario rendere l’elaborazione del sistema di contabilità e altri dati al fine di garantire una qualità totale attraverso la società pubblica della razione di am- ministrazione. Questo permette anche di soddisfare le esigenze legate ai principi contabili IPSAS relativi alla trasparenza (Biancone et al., 2016) L’amministrazione è ora necessaria, soprattutto in una grande quantità di strutture di informazione e di dati che possono essere sintetizzati e analizzati solo attraverso l’uso della qualità dei big data (Chergui, 2016). Senza questi strumenti di gestione del rischio, per l’amministrazione non si è in grado di giustificare le azioni. Questo, come visto sopra, vale anche per i livelli decisionali più bassi come per esempio nella cura del paziente. La privatizzazione delle strutture sanitarie in Europa e la crescente dimensione delle imprese pubbliche, al fine di razionalizzare i costi non consentono più ai dirigenti di vedere il quadro generale senza gli strumenti che permettano veramente una lettura immediata (Andre et al. 2016). In questa situazione è essenziale disporre di un sistema informativo in grado di fornire immediatamente i dati senza commettere errori e permettendo il confronto tra gli standard di amministrazione e qualità del servizio (Torchia, 2016). A questo esso sostiene sia la necessità di armonizzazione contabile al fine di una migliore attività di pianificare sia il programmare in un'ottica di contabilità analitica delle aziende pubbliche (Puddu et al., 2016).

Dalla letteratura, e analizzati gli elementi raccolti fino ad oggi, si suggerisce un approccio alla gestione della qualità che comprenda diverse fasi: queste seguono l'approccio della contabilità razionale e il sistema di qualità totale (tabella 3):

- Applicazione: lo scopo per il quale sono raccolti i dati - Raccolta: processo mediante il quale i dati sono accumulati

- Conservazione: processi e sistemi utilizzati per memorizzare i dati e dati ufficiali

- Analisi: le informazioni del processo di trasformazione dei dati utilizzate per un'applicazione.

Tabella 3 - Approccio e fasi della gestione della qualità

Caratteristica Applicazione Raccolta Conservazione Analisi

Accuratezza dei dati. I dati sono i valori corretti e sono validi.

Per aiutare l’esat- tezza, fissare la fun- zione della pratica, l’interrogatorio da essere risposto, o l’intenzione per il montaggio della componente infor- mazioni. Garantire preci- sione richiede un adeguato allena- mento e la pratica e la trasmissione opportuna e corret- ta delle descrizioni di informazione per coloro che raccol- gono informazioni. Per esempio, l’esat- tezza di informa- zioni contribuirà a garantire che se il sesso di un caso è femminile, sia fe- delmente riportato come femminile e non maschile. Per memorizzare le informazioni, le revisioni corrette dovrebbero essere in atto per garantire la precisione. Per esempio, le note di errore dovrebbero essere create per gli standard instabili come ad esempio un esame adatto per l’età o il genere. Le note di peculiarità o di errore dovreb- bero essere create e le regolazioni dovrebbero essere prodotte.

Per esaminare at- tentamente le infor- mazioni, garantire che gli algoritmi, i principi e le pro- cedure di traduzio- ne siano equi. Per esempio, garantire che l’encoder dia cifre giuste e che il DRG esatto sia dato per le cifre inserite. Inoltre, assicurarsi che ogni rapporto o accesso all’inter- no del database sia vero.

Accessibilità dei dati. Gli elementi di dati dovrebbero essere ottenibili e legali per la rac- colta. La pratica e l’ope- razione monetaria legittima, e altri margini stabiliscono quali informazioni assemblare. Assicu- rarsi che le infor- mazioni assemblate siano lecite da mon- tare per la pratica. Per esempio, se- gnalare età e razza in referti medici può essere corretta. Tuttavia, può essere illegale assemblare questi dati in dipar- timenti delle risorse umane.

Durante l’avanza- mento dello stru- mento di assemblag- gio di informazioni, analizzare approcci per inserire le in- formazioni richieste e fare in modo che l’approccio miglio- re, meno costoso sia scelto. L’insieme delle informazio- ni disponibili può essere espansa tra- mite interfacce di procedura e incor- porazione di proce- dure. Per esempio, l’approccio miglio- re e più semplice per acquisire i dati demografici potreb- be essere quello di acquisirlo da una procedura di vita. Un altro approc- cio potrebbe essere quello di fornire raccolta di informa- zioni dalla perizia di ogni membro del team. Per esempio, il personale di in- serimento raccoglie dati demografici, il personale infermie- ristico riunisce i sin- tomi e il personale HIM fornisce cifre. I membri del team dovrebbero essere dati in modo cor- retto. La tecnologia e l’hardware colpi- scono l’accessibi- lità. Organizzare il possesso di in- formazioni e linee guida per chi può inserire informazio- ni e/o procedure. Pianificare le infor- mazioni per sempli- ficare l’ingresso.

L’accesso a tutte, contemporanee in- formazioni garanti- sce meglio l’esame fedele. Altrimenti i prodotti e le conse- guenze possono es- sere scorrette o non idonee. Per esem- pio, l’occupazione dell’indice case mix Medicare (CMI) da solo non viene visualizzato cor- rettamente il CMI ospedaliero totale. Pertanto, la pianifi- cazione calcolata in base solo su Medi- care CMI potrebbe non essere accurata.

Comprensività dei dati. Tutti gli ele- menti di dati ne- cessari sono inclu- si. Assicurarsi che l’intero ambito dei dati venga raccol- to e documentare limitazioni inten- zionali.

Spiegare in che modo le informa- zioni saranno im- piegate e catalogare gli utenti finali al fine di garantire tut- te le informazioni è assemblato per la pratica. Incorpora- re una relazione di problema e aiuto per il costo o in- fluenzare lo studio quando le informa- zioni raccolte sono espanse. Ad esem- pio, in aggiunta ai risultati può essere importante assem- blare informazioni che riguardano i ri- sultati.

Le informazioni tut- to compreso opera- tive del costo posso- no essere effettuate tramite interfaccia o scaricate da altre procedure automa- tizzate. La descri- zione delle informa- zioni e la precisione delle informazioni influenzano la rac- colta di informazio- ni tutto compreso (vedi queste pro- prietà sotto). Lo stoccaggio incor- pora associazioni di gestione di supporti informativi, acqui- renti di informazio- ne e utenti finali di informazione per garantire che tutti siano consapevoli delle informazioni accessibili in tempi e modalità acces- sibili. Questo aiuta anche a tagliare la raccolta di informa- zioni aggiuntive.

Assicurarsi che tut- ta l’informazione appropriata che in- teressa la procedura venga esaminata in collaborazione.

Coerenza dei dati. Il valore dei dati dovrebbe essere affidabile e lo stes- so attraverso le ap- plicazioni. L’informazione è importante quan- do il valore delle informazioni è lo stesso attraverso le pratiche e le proce- dure, ad esempio, il numero di rapporto medico del caso. Inoltre, i pezzi di informazione col- legati devono atte- nersi. Per esempio, l’informazione è importante quando viene riferito che un caso di sesso ma- schile ha avuto un intervento di iste- rectomia.

L’uso delle descri- zioni di informa- zione, allenamento completo, raccolta di informazioni istituzionalizzate (metodi, precetti, modifiche e funzio- namento) e le proce- dure unite/di inter- faccia semplificano la corrispondenza.

Lo stoccaggio ri- chiede modifiche o tavole di conver- sione per garantire la corrispondenza. Correlare le mo- difiche e le schede con sostituzioni di descrizione di in- formazioni o distin- zioni di descrizione di informazioni at- traverso procedure. Certificare modifi- che e tavole. Esaminare le in- formazioni sotto condizioni riprodu- cibili impiegando prescrizioni accet- tate, equivalenza matematica, calcoli di divergenza e altri approcci. Correlare “mele alle mele”.

Diffusione dei dati. I dati dovrebbero essere aggiornati. Un valore di data è aggiornato se è in corso per uno spe- cifico momento nel tempo. E’ superato se fosse attuale in un momento pre- cedente, ancora non corretto in un secondo momento. L’appropriatezza o l’importanza di una pratica differi- sce nel tempo. Ad esempio, le pratiche di garanzia della qualità stabilita ven- gono progressiva- mente sostituite da quelle con la pratica più contemporanea di miglioramento dell’efficienza. Le descrizioni di informazioni dif- feriscono o sono alterate nel tempo. Queste dovrebbero essere riportate in modo che gli uten- ti contemporanei e futuri sappiano che cosa indicano le in- formazioni. Queste modifiche devono essere trasportate in modo opportuno a quelle di raccolta di informazioni e agli utenti finali.

Per assicurarsi che le informazioni contemporanee si- ano accessibili, lo stoccaggio richiede di modernizzare costantemente le procedure, schede e database. Le date degli eventi di stoc- caggio dovrebbero essere segnalate.

L’accessibilità delle informazioni con- temporanee colpi- sce l’esame delle informazioni. Ad esempio, per analiz- zare il grado di ma- lattie o operazioni, codici ICD-9-CM possono essere im- piegati. I metodi di cifratura o il codice verificato per una malattia o i metodi possono variare nel tempo. Ciò deve essere tenuto in considerazione in sede di esame delle tendenze.

Granularità dei dati. Le caratte- ristiche e il valore dei dati devono essere definiti al giusto livello di dettaglio.

Una pratica unica potrebbe rendere necessario cambiare posizione di parti- colare o di granu- larità. Per esempio, le statistiche del censimento posso- no essere utilizzate di giorno in giorno, per una settimana o mensilmente a se- conda della pratica. Il censimento è ri- chiesto di giorno in giorno per garantire una corretta assun- zione di personale e l’utilità di cibo. Tut- tavia, la tendenza mensile è necessaria per la pianificazione a lungo raggio.

Raccogliere infor- mazioni alla giusta posizione di partico- lare o di granularità. Ad esempio, la tem- peratura di 100° può essere registrata. La granularità per la segnalazione di temperature ester- ne è distinta dalla temperatura di se- gnalazione dei casi. Se la temperatura del caso Jane Doe è di 100 °, significa 99,6 ° o 100,4 °? La granularità adegua- ta per questa pratica suggerisce che l’in- formazione richiede di essere registrata al primo decimale mentre un’adegua- ta granularità per la segnalazione di temperature esterne potrebbe non averne necessità.

Le informazioni di deposito alla giusta posizione di parti- colare o di granu- larità. Per esempio, l’incoerenza o i registri di errore in- dicano granularità basata sulla pratica. Un picco (incoeren- za) nel censimento giorno per giorno può visualizzare un piccolo o nessun effetto sui registri aggiornati alla data odierna o mensili. Un adeguato esame visualizza la posi- zione di particolare o granularità delle informazioni rac- colte. Per esempio, un picco (incoeren- za) nel censimento giorno per giorno nell’attività istan- tanea per garantire l’utilità di giusto cibo e il personale potrebbe non aver avuto alcun effetto sull’esame del cen- simento per la pia- nificazione a lungo raggio.

Precisione dei dati. Il valore dei dati dovrebbe essere grande abbastanza per sostenere l’ap- plicazione o pro- cesso.

La funzione della pratica, l’interroga- torio da essere ri- sposto, o l’intenzio- ne per il montaggio della componente di informazioni de- vono essere spiegati per garantire l’accu- ratezza delle infor- mazioni.

Per raccogliere le informazioni suffi- cientemente accu- rate per la pratica, descrivere i valori adeguati o campi di valore per ogni det- taglio di informa- zioni. Per esempio, contenere i valori di genere maschile, femminile e scono- sciuto; o raccogliere dati per campi di età.

Pertinenza dei dati. I dati sono

significativi alle

prestazioni del processo o all’ap- plicazione per cui sono raccolti.

La funzione della pratica, l’interroga- torio da essere ri- sposto, o l’intenzio- ne per il montaggio della componente di informazioni de- vono essere spiegati per garantire infor- mazioni adeguate.

Per garantire meglio l’appropriatezza, compilare un pilota dello strumento di raccolta informa- zioni per certificare il suo utilizzo. Un test “parallelo” può essere anche cor- retto, riempiendo lo strumento nuovo o controllato e la procedura contem- poranea allo stesso tempo. Comunicare i risultati a quelli di raccolta informa- zioni e per gli utenti finali. Semplificare o organizzare le di- stinzioni, come ri- chiesto attraverso i campi o utenti.

Decidere calendari di conservazione adeguati per garan- tire l’accessibilità delle informazioni importanti. L’im- portanza è descritta dalla pratica.

Per un esame cor- retto, mostrare le in- formazioni per indi- care lo scopo per cui sono state raccolte le informazioni. Questo è descritto dalla pratica. Visua- lizzare corrispon- denze, associazioni e collegamenti.

Fonte: elaborazione propria