Ist FHIR in der Lage, die Herausforderungen der Silo-Interoperabilität von Gesundheitsdaten vollständig zu bewältigen?

Seien wir ehrlich, die Zurückhaltung von Informationen ist in vielen Branchen üblich, aber im Gesundheitswesen ist sie besonders weit verbreitet. Kostenträger und Leistungserbringer entziehen sich der Kontrolle über die Kosten der erbrachten Leistungen und die von ihnen kassierten Erstattungen. Infolgedessen ist die Informationsverweigerung zu einem der Haupthindernisse bei der Umstellung von einem Gebührenmodell (FFS) auf ein transparenteres Modell der wertorientiert Versorgung (VBC) geworden. Natürlich ist die Informationsblockade nicht absolut oder explizit. Stattdessen manifestiert sie sich durch infrastrukturelle Barrieren wie die langsame Umstellung von papierbasierten Aufzeichnungen, manuelle Prozesse und die anhaltende Notwendigkeit von einmaligen Punkt-zu-Punkt-Integrationen zwischen proprietären Plattformen. Manchmal ist die Blockierung von Informationen ein Nebeneffekt von HIPAA und Meaningful Use, wo gut gemeinte Richtlinien den Informationsaustausch verhindern oder entmutigen können, wenn die Technologie oder der Prozess nicht granular oder flexibel genug ist, um den Austausch zu ermöglichen, ohne die Sicherheit und den Datenschutz zu beeinträchtigen.

Der Kongress hat den Cures Act von 2016 verabschiedet, um diese Hindernisse beim Informationsaustausch zu beseitigen und mehr Transparenz in die Kosten und Erstattungen im Gesundheitswesen zu bringen. Darüber hinaus definierte das Office of National Coordination of Healthcare Information Technology (ONCHIT und jetzt ONC) spezifische Standards für den Datenaustausch (Interoperabilität), Richtlinien für die Verwendung und vorgeschriebene Umsetzungsfristen für Kostenträger und Leistungserbringer, damit diese gemeinsam handeln können. Der daraus resultierende Interoperabilitätsstandard, Fast Healthcare Interoperability Resources (FHIR, ausgesprochen "Fire"), ist die jüngste Aktualisierung von Health Layer 7 (HL7), HL7V4 in Kraft. Bis 2024 soll FHIR den derzeitigen De-facto-Standard HL7v2 (HL7v3 wurde in den USA nicht in großem Umfang eingeführt) ersetzen. Da über 95 % der Organisationen im Gesundheitswesen HL7v2 verwenden, sollten Sie besser verstehen, wie sich dies auf Ihr Unternehmen im Gesundheitswesen auswirken könnte.

Warum FHIR statt HL7v2?

Warum die Mühe? HL7v2 hat mehrere Nachteile, von denen die wichtigsten die folgenden sind:

• In erster Linie bietet HL7v2 keine Möglichkeit für einen Menschen, den Inhalt der einzelnen übermittelten Nachrichten einzusehen.
• Zweitens können Nachrichten des Gesundheitswesens sehr umfangreich sein und aus mehreren Informationen bestehen, die man getrennt senden oder empfangen oder anzeigen möchte; HL7v2 bietet keine einfache Möglichkeit, dies zu tun.
• Außerdem ist HL7v2 auf die letzte Generation von Standards für die halbstrukturierte Datenformatierung und -übertragung, XML und SOAP, beschränkt.
• Und schließlich begann HL7v2 nicht als freier, offener Standard und wurde erst 2013 zu einem solchen, und die meisten der Versionen der wichtigsten Erstanwender stammen aus der Zeit vor dieser Umstellung. Das Ergebnis sind mehrere Implementierungen mit Abwärtskompatibilität und herstellerübergreifenden Integrationsproblemen.

FHIR behebt jedes dieser HL7v2-Mängel auf folgende Weise:

• FHIR ist von Anfang an ein kostenloser, offener Standard, der von allen Entwicklern genutzt werden kann - nicht nur von denen, die im Gesundheitswesen tätig sind.
• FHIR-Nachrichten basieren auf XML-, RDF- und JSON-Datenformaten und verwenden RESTful-APIs, um die Daten als eine Reihe von Webservices bereitzustellen.
• Welche Daten genau formatiert werden, ist ebenfalls standardisiert, um das US Core Data Interoperability (USCDI) Datenformat einzuhalten, das in einer Consolidated Clinical Document Architecture (CCDA) gespeichert und heruntergeladen werden muss. Wenn es um regulierte Standards geht, hängt die Annahme davon ab, dass ein vereinbarter Datensatz in einem Format bereitgestellt wird, das alle Systeme lesen können.
• FHIR-Nachrichten sind für Menschen lesbar und modular aufgebaut, so dass bestimmte Elemente ausgetauscht werden können und man mit einem Blick feststellen kann, ob man das erhalten hat, was man erwartet hat.

Auf der HealthIT-Website der Regierung finden sich ausführlichere Vergleiche von FHIR und HL7v2 sowie detaillierte Beschreibungen von USCDI und CCDA. Die wichtigste Erkenntnis ist, dass der neue FHIR-Standard weitaus mehr Einfachheit, Granularität und Standardisierung in Bezug darauf bietet, welche Daten ausgetauscht werden sollten und wie sie formatiert werden sollten, um diesen Austausch zu ermöglichen. FHIR beseitigt zwar Interoperabilitätshindernisse, garantiert aber nicht den offenen und zugänglichen data sharing , wenn die anderen Herausforderungen der Datenintegration im Zusammenhang mit Datensilos im Gesundheitswesen nicht angegangen werden. Ohne die Kombination mit den richtigen Änderungen an Ihrer Data Analytics Strategie und -Implementierung zu verbinden, werden Silos bestehen bleiben. Dadurch wird die Umstellung von FFS auf VBC nur geringfügig unterstützt.

Interoperabilität ist nur der Startpunkt für Integration

Die FHIR-Interoperabilität wird es den Leistungserbringern zweifelsohne erleichtern, ihre klinischen Daten untereinander und mit den Kostenträgern auszutauschen. Sie wird auch die Einbeziehung externer klinischer Daten (z. B. staatlicher und bundesstaatlicher Gesundheitsdaten-Repositories) erleichtern, indem sie diese externen Repositories als Webdienste zur Verfügung stellt. Natürlich erfordert dies, dass Ihre IT-Teams mehr Punkt-zu-Punkt-Verbindungen herstellen. Und während Sie diese Punkt-zu-Punkt-Verbindungen wiederverwenden können, gibt es eine bessere Möglichkeit, die Nutzung von FHIR zu optimieren: Sie können es in einen Data Hub einbetten .

Mit der Datendrehscheibenfunktion können Sie ergänzende Finanz- und Betriebsdaten aus Verwaltungssystemen von Anbietern und Kostenträgern aufnehmen, aufbereiten und mit klinischen FHIR-Daten kombinieren. In der Regel liegen die Daten der Kostenträger - und die an sie und von ihnen gesendeten Daten - in EDI-Formaten wie dem X.12 8xx-Format vor. Ein Großteil der Daten zu den sozialen Determinanten der Gesundheit (SDOH) liegt in anderen Formaten außerhalb des Gesundheitsbereichs vor. Daten aus FHIR-Ressourcen müssen entpackt und in EDI- oder andere Datenformate umgewandelt werden und vice versa. Häufig ist eine Kombination von klinischen, SDOH- und Finanzdaten erforderlich, was Punkt-zu-Punkt-Verbindungen suboptimal macht.

Stattdessen ist ein virtueller, zentraler Ort, an dem alle möglichen Daten zusammengeführt werden, ein effizienterer und flexiblerer Weg, um mit der Vielfalt und Unterschiedlichkeit der Daten im Gesundheitswesen umzugehen. Das ist das Konzept hinter einer Datendrehscheibe. In der Vergangenheit waren Datendrehscheiben im Gesundheitswesen sehr komplexe Datenintegrationsplattformen, die von Dateningenieuren und anderen IT-Integrationsspezialisten genutzt wurden. Im Sinne der Demokratisierung von Daten, die durch den Cures Act und FHIR gefördert wird, sollte die künftige Datendrehscheibe im Gesundheitswesen die Möglichkeit bieten, Hardcoding und einmalige Skripte zu vermeiden. Ein Drag-and-Drop-Menü, ein no-code/low-code-Ansatz vermeidet eine übermäßige Belastung der IT-Teams im Gesundheitswesen und ermöglicht Analysten und anderen Power-Usern mit Self-Service zu den Daten. Darüber hinaus sollten Daten-Hubs im Gesundheitswesen über integrierte Transformationsvorlagen verfügen, da die USCDI- und CCDA-Strukturen und EDI-Formate wie 837 genau definiert sind. Damit entfällt einer der größten Zeitfresser für die IT-Abteilung und Nicht-IT-Superuser können direkt mit den Daten arbeiten.

Mehr Data Sharing bedeutet nicht automatisch eine höhere Datenqualität

Ein weiterer Punkt, den FHIR nicht berücksichtigt und der das Problem eher noch verschärfen könnte, ist die Datenqualität. In Anbetracht des umfassenderen und hoffentlich häufigeren data sharing wird es immer wieder zu Datenkonvertierungsfehlern kommen, die mit dem Senden spezifischer separater Ressourcen anstelle monolithischer Datensätze verbunden sind, wie dies bei HL7V2 der Fall ist. Darüber hinaus wird der Bedarf an Datenumwandlungen bestehen bleiben und sogar noch steigen, da immer mehr unterschiedliche und disparate Datensätze ausgetauscht werden. Eine Datendrehscheibe für das Gesundheitswesen muss FHIR, EDI X.12 8xx, ältere HL7-Versionen und andere Standards beherrschen, um Dateneingaben durchzuführen, die Transformationen zwischen Standards vorzunehmen und Datenqualitätsfunktionen wie Deduplizierung und die Möglichkeit zur Einrichtung einer Mustererkennung für häufige Konvertierungsfehler zu bieten. Schließlich können sich die Standards für Datenformate innerhalb jeder FHIR-Ressource im Laufe der Zeit ändern. Eine Datendrehscheibe für das Gesundheitswesen muss sich der Änderungen bewusst sein, wie bestimmte Daten umgewandelt werden müssen.

Der gesamte data sharing zwischen verschiedenen Anbietern und Kostenträgern findet zwischen Anwendungen und Datenspeichern statt. Punkt-zu-Punkt-Integrationen stellen die Datenverbindungen zwischen spezifischen Betriebs- und Geschäftsprozessen dar und unterstützen die automatisierte Datenanalyse und die Entscheidungsunterstützung für die Leistungserbringer und Wissensarbeiter. Die Automatisierung des Dateneingang und -ausgangs zu und von den verschiedenen Anwendungen, Webdiensten und Datenbeständen, die Aufbereitung, Transformation und Vereinheitlichung ist ebenfalls ein entscheidender Faktor für einen erfolgreichen data sharing. Auch hier erleichtert FHIR die Lösung, vervollständigt sie aber nicht.

Schlussfolgerungen

Der "Patient Protection and Affordable Care Act" aus dem Jahr 2009 war ein guter Anfang, um den Zugang zu medizinischer Versorgung für Millionen von Bürgern zu erweitern, ohne auf ein System mit nur einer Kasse zurückgreifen zu müssen. Darüber hinaus wurde in den Abschnitten des Gesetzes, die ergebnisorientierte Accountable Care Organizations förderten, die Notwendigkeit einer Abkehr von einem Fee-for-Service-Modell teilweise berücksichtigt - oder zumindest anerkannt. Der Cures Act, die ONC-Interpretation und die Unterstützung von FHIR als Instrument für den data sharing werden zweifellos den Übergang zu einer wertorientiert Versorgung beschleunigen, indem sie gleiche Voraussetzungen für den data sharing schaffen. Eine umfassendere Strategie zur Datenintegration ist nach wie vor erforderlich und sollte sich auf die Kombination und Verbesserung der Qualität von Daten aus dem Gesundheitswesen und anderen Bereichen konzentrieren.

Eine umfassende Strategie zur Datenintegration mit einer Datendrehscheibe als effektivstem Mittel, um sicherzustellen, dass alle relevanten und notwendigen Daten zusammengeführt werden, kann keine Antworten auf die Frage geben, was in einem bestimmten klinischen, betrieblichen oder finanziellen Prozess oder einer Entscheidung angepasst werden muss, um die Ergebnisse zu verbessern. Ein Cloud Data Warehouse und Analysetools müssen in die Datendrehscheibe integriert werden, um die Erkenntnisse zu analysieren und zu extrahieren, die für die Umstellung von FFS auf VBC erforderlich sind. In meinem letzten Blog haben wir den Actian Healthcare Data Analytics Hub beschrieben, eine effizientere und effektivere Methode zur Gewinnung von Erkenntnissen für wertorientiert Pflege. Im nächsten Blog werden wir uns einige Anwendungsfälle ansehen, bei denen Analysen die Umstellung von FFS auf VBC vorantreiben.

Über Actian Corporation

Actian macht Daten einfach. Unsere Datenplattform vereinfacht die Verbindung, Verwaltung und Analyse von Daten in Cloud-, Hybrid- und lokalen Umgebungen. Mit jahrzehntelanger Erfahrung in den Bereichen Datenmanagement und -analyse liefert Actian leistungsstarke Lösungen, die es Unternehmen ermöglichen, datengesteuerte Entscheidungen zu treffen. Actian wird von führenden Analysten anerkannt und wurde für seine Leistung und Innovation mit Branchenpreisen ausgezeichnet. Unsere Teams präsentieren bewährte Anwendungsfälle auf Konferenzen (z. B. Strata Data) und tragen zu Open-Source-Projekten bei. Im ActianBlog behandeln wir Themen wie Echtzeit-Dateneingabe, Datenanalyse, Data Governance, Datenmanagement, Datenqualität, Datenintelligenz und KI-gesteuerte Analysen.