Blog

Utilisation du couplage d’enregistrements pour résoudre les erreurs d’appariement des patients

« L’identification précise des patients est l’une des questions opérationnelles les plus difficiles lors d’une urgence de santé publique, et la réponse nationale à la pandémie, y compris le déploiement des programmes de vaccination, a mis en évidence les répercussions de l’absence d’une stratégie nationale pour relier les patients à leurs données. »
– Wylecia Wiggs Harris, PDG de l’AHIMA

 

Pour les prestataires de soins de santé, des données propres et fiables peuvent faire la différence entre un diagnostic réussi ou le décès d’un patient en raison d’une prescription ou d’un traitement incorrect. Et pourtant, l’une des principales causes des erreurs médicales, qui sont à l’origine de plus de 250 000 décès chaque année aux États-Unis, est l’accès insuffisant aux informations relatives aux patients.

Le manque d’informations sur l’état de santé des patients, leurs antécédents médicaux, leurs résultats d’examens, etc. met en évidence des problèmes alarmants en matière de qualité des données dans le secteur des soins de santé, dont voici quelques-uns :

  • Près de 18 % des DSE des patients en 2019 ont été identifiés comme des doublons.
  • 38 % des prestataires de soins de santé aux États-Unis ont connu un événement indésirable dû à un problème d’appariement de patients
  • Les dossiers en double coûtent à l’hôpital moyen environ 1,5 million de dollars.

En tant que solution, un logiciel de couplage de dossiers médicaux peut jouer un rôle déterminant en reliant avec précision des sources de données déconnectées et en évitant les identités de patients non résolues en raison du manque d’identifiants uniques et de dossiers en double.

Voyons comment cela peut être le cas.

Les défis de l’appariement des patients

Patient Matching Challenges

Selon HealthIT, l’appariement des patients est défini comme suit :

L’identification et la mise en relation des données d’un patient dans et entre les systèmes de santé afin d’obtenir une vue d’ensemble du dossier de soins de santé de ce patient.

La correspondance entre les patients est généralement obtenue en reliant plusieurs champs de données sur les patients, tels que le nom, le numéro de téléphone, l’adresse et la date de naissance. Cependant, divers défis peuvent limiter la liaison transparente des données médicales, tels que :

  • Erreurs de l’index principal du patient : à l’aide d’identifiants tels que le nom du patient et sa date de naissance, un index principal du patient (IPP) est créé pour chaque patient afin de stocker et de relier toutes les données médicales entre les différents systèmes administratifs et cliniques. Toutefois, lorsque les données d’un patient ne peuvent être trouvées dans un MPI particulier, un nouveau numéro d’identité médicale est créé. Par conséquent, cela augmente le risque de doublons et de silos de données, créant des obstacles à la mise en relation des données longitudinales des patients.

  • Enregistrements en double : des enregistrements et des informations se répètent en raison de diverses erreurs de formatage et d’orthographe. Une revue publiée par la fondation AHIMA, qui a analysé près de 400 000 dossiers de patients, a révélé que deux des divergences de champs les plus courantes lors de la création d’une vue unique du patient étaient le second prénom (plus de 58 %) et le numéro de sécurité sociale (environ 54 %). Les chercheurs ont également noté que ces discordances résultaient de fautes d’orthographe (près de 53 %) et d’inversions de noms (près de 34 %).

  • Interopérabilité limitée : l’interopérabilité est définie comme la facilité d’échange de données entre plusieurs dispositifs et systèmes de données. Toutefois, les normes et formats de données incohérents résultant d’un manque de normalisation peuvent nuire à l’interopérabilité. L’absence d’identifiants uniques signifie que les données démographiques des patients doivent être utilisées comme base secondaire pour les critères de correspondance, mais en raison de la variabilité des normes et des formats d’adresses, la correspondance des patients est souvent inefficace. En fait, une étude réalisée en 2019 par l’American Medical Informatics Association a révélé que la normalisation de l’adresse et du nom de famille a permis d’améliorer la sensibilité de la correspondance entre les patients de 81,3 % à 91,6 % pour les ensembles de données d’échange d’informations sur la santé (HIE).

Importance du logiciel de couplage d’enregistrements pour les soins de santé

Lecouplage d’enregistrements est le processus qui consiste à relier et à comparer des enregistrements provenant de deux ou plusieurs sources disparates et à déterminer s’ils se rapportent à la même entité ou non. Il s’agit non seulement d’identifier des documents apparemment différents qui pourraient être des doublons, mais aussi d’identifier des documents par ailleurs similaires qui sont des entités totalement différentes.

Dans le contexte de l’industrie des soins de santé, le couplage des dossiers médicaux est crucial pour résoudre les problèmes liés à la correspondance des patients entre les différentes bases de données de DSE et de demandes de remboursement et les registres de patients en utilisant des identifiants uniques. En procédant ainsi, les prestataires de soins de santé peuvent bénéficier des avantages suivants :

  • Amélioration du diagnostic et des traitements médicaux : une correspondance précise entre les patients peut garantir que le personnel médical dispose d’un accès suffisant aux antécédents médicaux du patient, y compris les traitements antérieurs et les médicaments pris, pour diagnostiquer les traitements et prescrire des médicaments.
  • Amélioration de l’interopérabilité: des normes et des formats de données cohérents ainsi qu’un identifiant unique peuvent conduire à une plus grande interopérabilité et à un meilleur partage des données entre les principales parties prenantes.
  • Réduire les temps d’attente des patients : le nettoyage, la mise en correspondance et la déduplication automatisés des données peuvent minimiser les retards importants dans la résolution des identités des patients et accélérer le temps de traitement des patients critiques.
  • Réduction des coûts : L’absence de doublons et d’incohérences dans les dossiers médicaux permet d’éviter des dépenses inutiles en matériel de traitement et en personnel médical.

Aussi important que soit le couplage des dossiers pour les soins de santé, peu de prestataires de soins de santé ont réussi à résoudre les problèmes de couplage des patients. Cela s’explique principalement par le recours à des solutions traditionnelles consistant à consolider manuellement de grands ensembles de données, à exécuter des scripts pour identifier et résoudre les erreurs de données et à créer un identifiant unique pouvant être appliqué de manière cohérente à des millions d’enregistrements.

L’utilisation d’un logiciel de couplage d’enregistrements dédié peut, quant à elle, aider les prestataires de soins de santé à bénéficier de l’évolutivité des processus de consolidation et de rapprochement des données, ainsi que de l’automatisation pour accélérer le délai de traitement et réduire les temps d’attente.

Liaison d’enregistrements à l’aide de DataMatch Enterprise

DataMatch Enterprise est la solution logicielle de couplage d’enregistrements de Data Ladder qui permet de relier avec précision des sources de données disparates et d’exécuter divers processus de qualité des données pour obtenir des données propres et fiables. Contrairement aux processus manuels ou aux outils spécialisés, DataMatch Enterprise offre un moteur de qualité et de rapprochement des données tout-en-un, capable de résoudre une grande variété de problèmes de qualité des données, des fautes d’orthographe et des formats variés aux entités rapprochées et aux doublons.

Méthodes de couplage d’enregistrements pour améliorer la qualité des données dans le secteur de la santé

  • Importation de données provenant de sources disparates : DataMatch Enterprise est capable d’ingérer des dossiers médicaux dans différents types de bases de données et de sources telles que SQL Server, MySQL, PostgreSQL, MongoDB, JSON et également des bases de données propriétaires via ODBC et Rest APIs. Grâce à ces intégrations natives, DataMatch Enterprise peut relier des ensembles de données comprenant des millions d’enregistrements.
  • Normalisation des noms et adresses : Lors de l’importation de sources de données disparates, DataMatch Enterprise dispose d’une pléthore d’options de normalisation et de nettoyage des données, notamment la suppression des espaces avant et arrière, la correction des erreurs de casse, le remplacement des zéros par des O et vice versa, et bien plus encore. En ce qui concerne la normalisation des adresses, DataMatch Enterprise dispose d’une base de données USPS intégrée qui peut être utilisée comme un ensemble de données référentielles grâce auxquelles les détails de localisation manquants tels que le numéro d’appartement, le nom de la rue et le code postal peuvent être complétés et normalisés conformément aux directives de l’USPS.
  • Établir des identifiants uniques : comme il est possible que les patients soient enregistrés sous différents numéros d’identité médicale, DataMatch Enterprise vous permet de créer des définitions et des critères de correspondance basés sur des algorithmes de correspondance floue exclusifs afin de faire correspondre des enregistrements non exacts avec un minimum de faux positifs. Il en résulte des correspondances plus précises qui peuvent être facilement manipulées en modifiant la sensibilité de la correspondance.

Conclusion

Les prestataires de soins de santé sont confrontés à un défi de taille : relier avec précision les silos de données médicales dans des systèmes disparates afin d’administrer efficacement les diagnostics et les traitements des patients. En raison de processus manuels et obsolètes de qualité et de mise en correspondance des données, les données des patients sont fragmentées et mal mises en correspondance, ce qui limite l’interopérabilité des soins de santé.

Cependant, en utilisant un logiciel de couplage d’enregistrements comme DataMatch Enterprise, les anomalies de données telles que les adresses de patients variées et incomplètes, les données de second prénom et d’autres erreurs peuvent être facilement identifiées, nettoyées et normalisées pour augmenter la précision du couplage.

Pour plus d’informations, veuillez
prendre contact
dès aujourd’hui pour savoir comment DataMatch Enterprise peut être mis en œuvre pour l’appariement des patients.
téléchargez notre essai gratuit du produit
pour commencer tout de suite.

In this blog, you will find:

Try data matching today

No credit card required

« * » indique les champs nécessaires

Hidden
Ce champ n’est utilisé qu’à des fins de validation et devrait rester inchangé.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Aïe ! Nous n’avons pas retrouvé votre formulaire.