Le site soins de santé industry has a plethora of data at its fingertips. However, many are yet to put this data to good use. Here Paul Ricci, a spécialiste des données en freelance sur Kolabtree, explains some use cases of science des données in healthcare and how it can improve research and patient care.
Les services de santé du monde entier sont soumis à des pressions croissantes pour être plus efficaces et améliorer les résultats cliniques. L'analyse de données peut être utilisée pour éclairer une meilleure prise de décision au niveau clinique et opérationnel et aider le secteur à répondre à ces demandes. Voici quelques-unes des principales applications de la science des données dans les soins de santé, ainsi que son impact sur la recherche.
1. Les essais cliniques
Une récente étude a constaté que le coût médian des essais cliniques de base qui conduisent à l'approbation d'un médicament est de $19 millions. L'industrie doit trouver des moyens d'accroître l'efficacité des essais cliniques, afin de réduire ce coût. L'analyse des données peut être utilisée de plusieurs manières pour accroître l'efficacité des essais cliniques.
Des échantillons de plus grande taille : Grâce aux progrès récents des capacités d'analyse des données, les essais cliniques peuvent désormais porter sur des échantillons de taille beaucoup plus importante. Il est également plus facile d'identifier des modèles significatifs dans les données qui pourraient autrement être manqués. Grâce à ces développements, les données des essais cliniques peuvent être plus complètes, plus précises et plus fiables, ce qui est important pour les demandes d'autorisation de la MHRA ou de la Commission européenne. Approbation de la FDA.
Une meilleure prise de décision : L'analyse des données peut également contribuer à une meilleure prise de décision dans les essais cliniques. Nous pouvons examiner les tendances récentes et les résultats prévus pour prendre de meilleures décisions qui augmentent l'efficacité des essais, réduisent les coûts et assurent une plus grande sécurité aux patients.
Études rétrospectives : En outre, nous pouvons utiliser l'analyse des données pour tirer le meilleur parti de chaque ensemble de données. Lors des anciens essais cliniques, les données n'étaient pas analysées aussi minutieusement qu'elles le seraient aujourd'hui. Des études rétrospectives sont couramment menées pour réanalyser ces données à l'aide de techniques avancées d'analyse des données, ce qui permet de découvrir des schémas qui n'avaient pas été identifiés à l'origine. Les études rétrospectives peuvent également être menées pour tester une hypothèse secondaire - un moyen abordable d'obtenir plus d'informations sur un médicament sans collecter davantage de données.
Un conseil de pro : Le biais de sélection dans un essai clinique peut invalider les résultats. Assurez-vous donc que votre échantillon de patients représente équitablement la population qui vous intéresse. Vous pouvez éviter le biais de sélection en comparant les données démographiques de votre échantillon avec les données de recensement de la population concernée et en vous assurant qu'il n'y a pas de divergences. Si votre échantillon est biaisé, il peut être possible de le corriger en donnant plus de poids aux échantillons sous-représentés qu'aux échantillons sur-représentés.
2. Suivi du patient en temps réel
La surveillance des patients en temps réel devient de plus en plus réalisable à mesure que les possibilités d'utilisation des données augmentent. Les applications de les technologies portables dans les soins de santé pourrait surveiller les paramètres du patient, tels que la pression artérielle et le rythme cardiaque, et transmettre les informations aux professionnels de la santé via le cloud. Cela pourrait réduire, voire éliminer, la nécessité de visites et de tests réguliers des patients, ce qui permettrait de réaliser des économies considérables et d'accroître l'efficacité des essais cliniques.
3. Santé publique et épidémiologie
Natural language processing technology automates the analysis of millions of medical data sets, which makes it easier to predict and prevent disease. For example, information from pharmacies and general practitioners, about prescriptions sold and diagnoses made, can be used to detect a disease outbreak and act quickly to prevent it spreading further.
Biostatisticiens (statisticiens travaillant avec des données biologiques et médicales) conçoivent activement des enquêtes et évaluent l'impact des programmes de santé publique. Historiquement, les statisticiens ont contribué à établir des corrélations importantes qui ont eu un impact sur le monde - par exemple, le lien entre le tabagisme et le cancer du poumon.
4. Améliorer les soins aux patients
À l'avenir, les dossiers médicaux électroniques (DME) pourraient être entièrement numériques et connectés dans le nuage, de sorte que toute personne disposant d'une autorisation puisse y accéder. Les patients pourraient recevoir des alertes lorsqu'un rendez-vous est prévu ou que les résultats d'un test sont disponibles, et les professionnels de la santé pourraient surveiller la santé de leurs patients à distance. Toutefois, pour que cette vision devienne réalité, il faut résoudre divers problèmes de sécurité et de confidentialité des données.
Il existe divers autres cas d'utilisation du data scientist dans le domaine des soins de santé, mais l'objectif ultime est le même : améliorer la recherche et la prestation des soins de santé, les rendre plus accessibles et abordables, et accélérer les soins et l'accompagnement des patients.
Problèmes de confidentialité
Vous avez peut-être entendu l'histoire du détaillant américain Target qui a découvert qu'une fille était enceinte avant qu'elle ne le dise à son père. Target a mis au point une stratégie pour prédire lesquelles de ses clientes étaient enceintes en se basant sur les articles qu'elles achetaient. Il a ensuite envoyé à ces clientes du matériel de marketing lié aux bébés par la poste. Lorsqu'une jeune fille de 17 ans du Minnesota a reçu ce matériel, ses parents ont été consternés et ont intenté un procès contre Target. Le message de cette histoire est qu'il faut être conscient du potentiel des conséquences involontaires de l'analyse des données.
Un autre exemple de mauvaise utilisation de l'analyse des données est le récent scandale de Cambridge Analytica. L'entreprise a obtenu des données personnelles à partir des profils Facebook de millions de personnes sans leur consentement et les a utilisées à des fins politiques.
Les données relatives aux soins de santé sont des informations sensibles que les patients confient aux gouvernements, aux cabinets privés, aux hôpitaux et aux agences de santé. Si vous envisagez de partager les données des personnes, vous devez d'abord vous assurer qu'elles vous ont donné leur consentement pour partager leurs données comme vous le souhaitez.
—
Vous cherchez à embaucher un spécialiste des données en freelance ou un biostatisticien ? Publiez votre projet sur Kolabtree et obtenez gratuitement des devis d'experts. Vous pouvez également contacter Paul Ricci pour vos besoins.
Kolabtree helps businesses worldwide hire freelance scientists and industry experts on demand. Our freelancers have helped companies publish research papers, develop products, analyze data, and more. It only takes a minute to tell us what you need done and get quotes from experts for free.
Unlock Corporate Benefits
• Secure Payment Assistance
• Onboarding Support
• Dedicated Account Manager
Sign up with your professional email to avail special advances offered against purchase orders, seamless multi-channel payments, and extended support for agreements.
