トピック4.5 — データ、アナリティクス、ポピュレーションヘルスマネジメント

医療・ケアにおいて、アナリティクスは、判断、パスウェイ、あるいは人生を変える場合にのみ、構築する価値があります。データを、それを最も必要とする人々に届く洞察に変え、しかも、国民が信頼できるやり方でそれを行うことです。

医療・ケアにおいてなぜ重要か#

トピック4.3 — 相互運用性とデータ標準は、データをシステム間で安全に移動し、必要な場所に届けることについてでした。本トピックは、その次に起こること、つまりデータを洞察に、洞察を行動に変えることについてです。この二つは混同しやすく、混同すると高くつきます。完璧な相互運用性があっても、まずい判断を下すことはありえますし、豊富なアナリティクスが、一人の患者のケアにも触れないこともありえます。

医療・ケアにおけるアナリティクスは、小売や物流のアナリティクスにはない重みを持ちます。集団をセグメント化して介入の対象を定めるとき、誰の喘息の診察が先に行われるか、どの虚弱な高齢者が冬の危機の前に積極的な電話を受けるか、逼迫した地域チームが限られた時間をどこで使うかを決めているのです。分析を誤れば、つまり偏ったリスクモデル、困窮した地域を過少に数えるデータ品質のギャップ、成績を実際より良く見せるダッシュボードがあれば、縮めようとしていたまさにその不平等を広げかねません。その帰結は、単なる商業上のものではなく、臨床的かつ倫理的なものです。

国民の信頼は、この領域を特徴づける、もう一つの制約です。人々は、自分のデータがケアを改善し研究を支えることには概ね前向きですが、それが安全に、適法に、正当な目的のために扱われていると見える場合に限ります。2014年にイングランドで、データの抽出と利用の仕方について、国民と臨床家が信頼を失って断念されたcare.dataプログラムの失敗は、あらゆる医療アナリティクスのリーダーが知っておくべき教訓として残っています。一度失われた信頼は、再構築に時間とコストがかかり、その後何年にもわたって、できることを制約します。したがって、アナリティクスの「どのように」、つまりプラットフォーム、アクセスの経路、ガバナンス、透明性は、バックオフィスの配管ではありません。それは、本書全体を貫く、臨床安全、公平性、国民の信頼の合意の一部なのです。

中核概念#

ビジネスインテリジェンスは、判断に資するためにデータを分析する実践と技術の集合で、ダッシュボード、レポート、その背後にあるクエリを含みます。それは、優れたデータの可視化を通じて提示されるデータ分析に支えられます。忙しい臨床家や役員が数秒で読めるグラフは、誰も開かない表に勝るからです。

分析の野心を表す有用な方法が、成熟度のはしごです。記述的アナリティクス（何が起きたか）、診断的アナリティクス（なぜ起きたか）、予測的アナリティクス（次に何が起きそうか）、処方的アナリティクス（それに対して何をすべきか）。ほとんどの組織は、ほとんどの時間を最初の段で過ごし、それはしばしば、正しい場所です。信頼され、行動に結びつく、信頼できる記述的な像は、誰も使わない脆い予測モデルより価値があります。

これらすべての土台にあるのが、データプラットフォームです。データウェアハウスは、レポートのために、構造化されモデル化されたデータを保存し、データレイクは、あらゆる形の生データを、後の処理のために保存し、「レイクハウス」のパターンは、両者を混ぜ合わせます。どれを選んでも、プラットフォームの信頼性は、そのデータ品質、つまり基礎となる記録の完全性、正確性、適時性、一貫性と、そのデータガバナンス、つまりデータを用途に適したものに保つ、所有権、定義、アクセスの決定からなる説明責任のある枠組みによって決まります。これと密接に関連するのがマスターデータ管理です。患者、職員、組織などの中核の参照データについて、単一の権威あるバージョンを維持し、アナリティクスが、一貫しない識別子のあいだで分断されないようにします。

ポピュレーションヘルスマネジメントは、本トピックの中心にある応用の規律です。紐づけられたデータを使って、定義された集団の健康を理解し、似たニーズを持つグループにセグメント化し、リスクを層別化して、最も利益を得る人々に介入を向けます。うまく行えば、ヘルスエクイティに取り組むために利用できる、最も鋭い道具の一つです。十分にサービスを受けていないグループが危機になって現れるのを待つのではなく、彼らに向けて積極的なケアを向けます。そのどれも、データリテラシー、つまりリーダー、臨床家、アナリストがそろって、データを読み、問い、誠実に行動に移す力なしには機能しません。

最後に、セキュアデータ環境（SDE）、国際的には信頼できる研究環境（TRE）は、研究者や計画担当者が、機微なデータを分析する、管理された経路です。データを分析者のもとへコピーして出す代わりに、分析者を、安全で監査される環境の中のデータのもとへ連れて行き、集計された、個人を特定しない結果だけが外に出ます。これは、分析の野心と、トピック1.8 — データ倫理、同意、国民の信頼で論じる国民の信頼を調和させるモデルです。

ベストプラクティス#

1. データからではなく、判断から始める。 ダッシュボードやモデルを依頼する前に、それが変える判断、その判断の所有者、洞察を見たあとに彼らが何を違うやり方で行うかを名指しします。これらの問いに答えられないなら、誰も行動しないレポートを作っているのです。意図する行動から逆算するこの規律は、使われないアナリティクスの乱立に対する、最も信頼できる単独の防御であり、トピック1.3 — エビデンスに基づく意思決定の、エビデンスを行動に移す習慣に直接つながります。

2. アナリティクスのはしごを、反射的にではなく、意図して上る。 記述的と診断的なアナリティクスは、ほとんどの運用上の問いに答え、予測的または処方的な作業より、安価で、説明しやすく、信頼されます。判断が本当に先見を必要とし、予測に、間に合うように行動できるときにのみ、予測モデルに手を伸ばします。助ける余力のない患者を特定するリスクスコアは、机上の演習であって、ポピュレーションヘルスマネジメントではありません。

3. データ品質を、後片付けの後回しではなく、第一級のプロダクトとして扱う。 主要なデータフローの完全性、正確性、適時性を測定し、それらの指標を公表し、名前のある所有者に責任を負わせます。民族性、困窮度、障害のコーディングの不備は、技術的な脚注ではありません。最も見る必要のある集団を、体系的に隠すため、品質のギャップは公平性のギャップになります。下流での修正は、際限がなく、情報が失われるため、可能な限り、運用システムの発生源でデータ品質を直してください。

4. アナリストとデータエンジニアリングの運用モデルを明示的に運営する。 信頼できる、よくモデル化されたデータパイプラインを設計する作業と、分析し解釈する作業を分けます。数字が誰にとっても同じ意味を持ち、求めに応じて再生成できるよう、共有の定義、バージョン管理、分析コードのピアレビュー、再現可能な手法を採用します。公共部門のイングランドの「Reproducible Analytical Pipelines」の動きは、借りる価値のある実践的なモデルです。

5. セルフサービスを可能にしつつ、定義は中央で統治する。 中央のチームが、すべての問いに十分な速さで答えることは決してできないため、チームにデータを探索させ、自分たちのビューを作らせます。認証されたデータセットと、「待機リスト」や「回避可能な入院」のような指標の合意された定義を備えた、統治されたセマンティック層を整えることで、断片化を防ぎ、セルフサービスが、数字の意味についての不一致ではなく、洞察を増やすようにします。

6. ポピュレーションヘルスマネジメントを使って公平性に焦点を当て、バイアスを確認する。 集団をセグメント化してリスクを層別化し、最も利益を得る人々に積極的なケアを向け、歴史的に遅れて、あるいはまったく現れないグループを、意図的に含めます。あらゆるモデルのバイアスを問い質します。リスク層別化のツールが、データがまばらであるために、困窮した集団や少数民族の集団を過小評価すれば、静かに、資源を彼らから遠ざけます。結果を、集計だけでなく、保護特性と困窮度別に監査してください。

7. セキュアデータ環境を、機微なデータへの既定の経路にする。 研究、計画、二次利用のために、コピーを抽出するのではなく、分析者を、SDEまたはTREの中のデータのもとへ連れて行きます。これは攻撃対象領域を縮小し、完全な監査証跡を作り、国民に、自分のデータがどう使われるかについて、擁護できる、透明な物語を与えます。誰がアクセスを持ち、何の目的で、誰の承認のもとにあるかを公表し、アプローチを、トピック1.7 — 情報ガバナンス、データ保護、サイバーセキュリティで扱うガバナンスに結びつけます。

8. アナリティクスから成果と価値へ、ループを閉じる。 重要なアナリティクスのプロダクトごとに、ダッシュボードが閲覧されたかだけでなく、意図した行動が行われたか、成果が改善したかを追跡します。もう判断を変えないプロダクトは廃止します。可能な限り、トピック6.1 — ヘルスエコノミクスの手法を使って、分析の洞察を、測定された価値に結びつけ、データプラットフォームへの投資が、活動ではなく成果によって正当化されるようにします。

9. データ品質を、測定される規律として管理する。アナリティクスとAIは、下にあるあらゆる欠陥を引き継ぐからである。 重要なデータフローについて、完全性、正確性、適時性、妥当性を定義して監視し、閾値を設定し、取締役会の報告書でギャップを発見するのではなく、下回ったときに行動します。モデルやダッシュボードは、それを支える記録を超えることはできないため、品質を、プロジェクトの前の一度限りの洗浄ではなく、名前のある所有者を伴う、継続的な運用機能として扱います。これは、公平性を担うフィールド、つまり民族性、困窮度、障害で最も重要です。まばらな、または一貫しないコーディングが、あらゆる下流の結論を静かに歪めるからです。

10. 中核の参照データについて、マスターデータ管理を確立する。 他のすべてが結びつく実体、つまりNHS番号をキーとする患者、職員、組織について、それぞれの作成、照合、退役の方法に関する明確なスチュワードシップを伴う、単一の権威あるバージョンを維持します。それがなければ、同じ患者が複数の識別子で現れ、同じサービスが複数の名前で現れ、アナリティクスは分断され、合計は決して一致しません。信頼できるマスターデータへの投資は地味ですが、規模においては、一つの曖昧な識別子が、システム全体にわたって、ケアを誤った方向へ導き、成績を誤って述べることがありえます。

チームで話し合うための問い#

1. 私たちのダッシュボードとレポートのうち、明日止めても誰かが気づくものはどれか。そして、その答えは何を教えてくれるか。 ほとんどのアナリティクスの環境は、何年もかけて堆積し、その生成物の大きな割合が、まれにしか、あるいはまったく見られません。この問いは、誠実な棚卸しを迫ります。重要なプロダクトごとに、それが情報を与える判断、その判断の所有者、そして最後にそれが判断を変えた時を挙げられるか。止めること、あるいは止めると申し出ることは、素早い診断です。本物の抗議は重要なものを明らかにし、沈黙は、そうでないものを明らかにします。成功するチームは、使われないものの廃止に容赦がありません。死んだダッシュボードのすべてが、保守を消費し、数字がずれると信頼を損ない、重要なレポートを埋もれさせるからです。解放された労力を、よく使われ、よく統治された少数のプロダクトに向け直すことは、ほとんど常に、環境全体の価値を高めます。「念のため」にすべてを残そうとする反射に注意してください。その反射こそ、誰も行動しないアナリティクスにたどり着く道です。

2. 私たちのアナリティクスは、健康格差をより見えるようにしているか。それとも隠しているか。 集計の指標、つまりトラスト全体の単一の待機時間や、全体のワクチン接種率は、その下に鋭い格差を隠したまま、安心できるように見えることがあります。試金石は、標準のプロダクトが、結果を、困窮度、民族性、障害、その他の関連する特性別に分解しているか、そしてデータが、それを誠実に行えるほど良いかです。民族性のコーディングが不十分か、困窮度が紐づけられていなければ、アナリティクスは、最も届く必要のある集団に対して構造的に盲目であり、その盲目が、資源の流れる先を形づくります。現在のデータ品質が、公平性の分析を損なっているところと、それを発生源で直すのに何が必要かを話し合ってください。予測モデルが、サービスを十分に受けていないグループに対するバイアスについて検証されているかも考えます。この会話は、アナリティクスを、本書の公平性の背骨と、トピック1.8 — データ倫理、同意、国民の信頼の倫理に、直接つなぎます。

3. 記者が、患者のデータをアナリティクスと研究にどう使っているかを尋ねたら、今日、明確で、誠実で、安心できる答えを出せるか。 国民の信頼は、医療データのあらゆる二次利用が依拠する許可であり、得るより失うほうが簡単です。実際の答えをたどってください。データはどこにあり、誰がアクセスでき、どんな承認を経て、何の目的のためで、市民はどうやってそれを知れるか。誠実な答えが、表計算や共有ドライブに散らばった、識別可能なデータのコピーを含むなら、セキュリティの問題と信頼の問題の両方を抱えています。それを、アクセスが管理され、監査され、公表できる、セキュアデータ環境のアプローチと比べます。インシデントがその問いを迫る前に、国民の精査に本当に安心していられるために、組織は何を変える必要があるかを話し合ってください。care.dataを思い出してください。失敗の原因は技術ではありませんでした。失敗は、データがどう使われるかについての、国民の信頼でした。

4. 予測モデルに手を伸ばすとき、その示すことに実際に行動できるか。そして、その下の記述的な層を信頼する資格を、私たちは得ているか。 分析の成熟度を洗練と同一視し、「AI駆動」や予測的な作業を目的地として扱いたくなります。しかし、連絡する余力のない患者を特定するリスクスコアは、机上の演習であり、不安定な記述的な土台の上に作られた予測モデルは、既存の誤りを、速度をもって自動化するだけです。提案されたモデルごとに、二つの試験に照らして問い質してください。信頼できる後方視の像ではなく、本当に先見を必要とする実際の判断があるか。そして、成果を変えるのに間に合うよう、予測に行動する運用能力が存在するか。誠実な答えは、予測が引き起こす具体的な介入と、それを届けるチームを挙げ、記述的と診断的な段が、その上に築けるほど信頼できるかについて率直です。はしごを、一段ずつ意図して上ることは、通常、頂上へ跳んで、落下を受け止めるものがないと気づくより多くの価値をもたらします。

5. 私たちは、中核の数字が実際に何を意味するかに合意しているか。そして、同じ問いに、どこで二つのチームが異なる答えを出すか。 セルフサービスのアナリティクスが広がるにつれ、リスクは、数字が少なすぎることから、それぞれの数字のバージョンが多すぎることへ移ります。「待機リスト」「回避可能な入院」「アクティブな患者」が、ダッシュボードの間で静かにずれ、会議が、何をすべきかではなく、誰の数字が正しいかを論じるようになります。二つのチームに、同じ見出しの指標を独立に作らせ、答えだけでなく、定義とその背後のクエリを比較して、これを具体的に試してください。誠実な会話は、統治されたセマンティック層と認証されたデータセットが欠けているところと、中央の定義が、ローカルの発明に追いついていないところを表に出します。トレードオフは本物です。締めすぎれば、セルフサービスを価値あるものにする探索を絞め殺し、統治しなければ、洞察は不一致へと断片化します。成熟した答えは、どの指標が中央で認証され所有され、どの指標が、ローカルの探索のために意図的に開かれているかを説明し、環境全体がどちらか一方になれるというふりをしません。

6. 私たちは、データ品質を、作られる場所で直しているか。それとも下流で際限なく修正しているか。 あらゆるダッシュボードとモデルは、その下にある運用の記録の欠陥を引き継ぐため、アナリティクスの最も重大な決定は、しばしば、はるか上流で行われます。ケアの現場で状態がどうコード化されるか、同じ患者とサービスが単一の識別子に解決されるか。組織が現在、レポート層で品質を取り繕っているところと、代わりにそれらの問題を発生源で直すには何が必要かを話し合い、下流での修正が、際限がなく情報が失われることを認識してください。これは、マスターデータ管理と切り離せません。患者、職員、組織の単一の権威あるバージョンがなければ、合計は一致せず、同じ人が記録の間で断片化します。公平性への賭け金は、うまくコード化するのが最も難しいフィールド、つまり民族性、困窮度、障害で最も高くなります。まばらな、または一貫しない記録が、あらゆる下流の結論を静かに歪めるからです。誠実な答えは、各重要なフローの品質を誰が所有するか、その所有権が運用システムにまで及ぶか、そして信頼できる参照データの不在が、静かに数字を損なっているところを挙げます。

実践例：医療・ケアの事例#

都市部と沿岸部が混在する地域の、あるIntegrated Care Board（ICB）は、虚弱を抱えて暮らす人々の計画外の入院を減らしたいと考えており、しかも、裕福なマーケットタウンと、困窮した沿岸の区域との格差を広げずに、それを行おうとします。

ポピュレーションヘルスのチームは、プライマリケア、地域サービス、病院の記録から引き出した、紐づけられたデータセットから始め、地域のセキュアデータ環境の内部で分析するため、識別可能な抽出物が、管理された環境を出ることはありません。65歳以上の人口をセグメント化して虚弱のリスクを層別化しますが、誰かを対象に定める前に、公平性のチェックを行います。それは、モデルが沿岸の区域の住民を過少に評価していることを明らかにします。それらの診療所は、歴史的に長期疾患を不完全にしかコード化しておらず、データ品質のギャップが、より低いニーズを装っていたのです。偏ったスコアのまま進めるのではなく、チームは、影響を受けた診療所に対する、集中的なコーディング改善の取り組みを委託し、モデルを調整して、データ品質の修正を、介入そのものの一部として扱います。

より公平なリスク層別化が整うと、まだ地域サービスに知られていない、高リスクの約1,400人を特定します。多職種のチームが、意図的に沿岸の区域から始めて、積極的なレビューを提供します。重要なことに、アナリティクスは、対象の設定で終わりません。簡単な記述的ダッシュボードが、区域別と困窮度の十分位別に、積極的なレビューがいくつ行われ、その後6か月で入院がどう動いたかを追跡し、洞察から行動、成果へと、ループを閉じます。ある地域でレビューが滞ったとき、ダッシュボードはそれを早期に表面化させ、チームは、年度末の報告を待たずに調査します。ICBの財務とヘルスエコノミクスの同僚と協力して、回避された入院を、プログラムの継続を正当化する価値のケースに変換します。よく統治されたリスクスコア以上の予測の魔法は必要ありませんでした。価値は、データ品質、公平性の規律、信頼されるアクセスの経路、そして容赦ないやり遂げから生まれたのです。

セクター別の視点#

スタートアップ#

ヘルステックのスタートアップは、通常、狭い分析上の主張、つまり自社のツールが適切な患者を特定する、あるいは成果を改善する、という主張で生き死にが決まるため、優先事項は、広さではなくエビデンスです。無駄のない再現可能なパイプラインを構築し、プロダクトが判断と成果を変えるかを測定するよう計装してください。そのエビデンスこそ、顧客と規制当局が求めるものだからです。記述的な土台とデータ品質が固まる前に、予測的または「AI駆動」の能力を約束しすぎたい誘惑に抵抗します。NHSやケアのデータを扱うとき、顧客のセキュアデータ環境の内部で働くか、同等のガバナンスを満たすことを予期してください。それを、遅れて現れる驚きではなく、第一級の設計制約として扱うことが、しばしば、スケールするスタートアップと、立ち往生するものを分けます。

小規模事業者#

確立した小規模の提供者、つまり一般診療所、地域薬局、介護施設、単独拠点のクリニックは、通常、実際の患者と法定の義務を持ちますが、専任のアナリストやデータチームはいないため、実用的な目標は、成熟度のはしごではなく、信頼できる記述的な像です。維持できないプラットフォームを立ち上げるのではなく、すでに運用しているシステムに組み込まれたアナリティクスと、信頼できる国やICBが提供するデータセットとダッシュボードに頼ってください。自前の運用のコーディングで、データ品質を発生源で直します。それが、完全に自分の手の内にある唯一の梃子であり、地域のあらゆる人口モデルに入力されるものだからです。ポピュレーションヘルスや研究のためにデータを共有しなければならないときは、抽出物をメールで送るのではなく、ICBや国のセキュアデータ環境を使います。それにより、大規模な組織と同じ義務を、その資源を必要とせずに満たせます。実際に行動する、よく選ばれた一つの指標、たとえば、レビューが期限を過ぎた患者のリストは、誰も開く時間のない一連のレポートに勝ります。

大企業#

大規模な提供者やシステムインテグレーターは、通常、反対の問題を抱えています。プラットフォームが多すぎ、矛盾する定義が多すぎ、レガシーのレポートのロングテールがあります。大企業の課題は、統合とガバナンスです。キュレーションされたセマンティック層、認証されたデータセット、明確なアナリストとデータエンジニアリングの運用モデルによって、セルフサービスが、不一致ではなく洞察を増やすようにします。データ品質とマスター定義という地味な作業に投資してください。大企業の規模では、一つの曖昧な指標が、何百万ポンドもの誤った方向づけをしうるからです。使用状況を測定し、使われないものを廃止することで、ダッシュボードの帝国に警戒します。中央の標準とローカルの自律のバランスを取らなければ、イノベーションを絞め殺すか、数字の制御を失うかのどちらかになります。

政府#

国や地域の機関は、民間の組織にはないスチュワードシップの役割を担います。標準を設定し、最大のセキュアデータ環境を運用し、人口のデータがどう使われるかについて、国民に対して答える責任があります。優先事項は、正当性と公平性です。透明なアクセスの規則、公表されたデータ品質の標準、人口全体にわたる不平等を積極的に表面化するアナリティクス。政府はまた、すべての地域チームが作り直さずに土台にできる、信頼できる国のデータセットと再現可能なパイプラインを提供することで、重複を減らせる独自の立場にあります。care.dataからの最も重要な教訓は、国民との関与は、広報の後回しではなく、設計への入力だということです。信頼が許すより速く進めば、議題全体を何年も後退させます。

よくある失敗パターン#

• 誰も行動しないダッシュボード。 判断を変えるためではなく、データを表示するために作られたアナリティクスが増殖し、有用なものが、無視されるものの下に埋もれる。
• 問いではなく、ツールのために解決する。 どの判断を改善しなければならないかを知る前に、プラットフォームや機械学習の能力を購入する。
• データ品質への盲目。 不完全または偏ったデータの上に築かれた、自信ありげな数字を提示する。特に、民族性や困窮度のコーディングの不備が、十分にサービスを受けていないグループを隠しているところで。
• 抽出物の乱立。 機微なデータのコピーが、表計算やドライブに広がり、セキュアデータ環境なら避けられたはずの、セキュリティのリスクと国民の信頼への負債の両方を生む。
• 定義のドリフト。 同じ指標が、異なるレポートで異なる意味を持ち、会議が、何をすべきかではなく、誰の数字が正しいかを論じる。
• 予測の見世物。 組織が行動する余力のない、あるいは最もニーズの高い集団に対する偏りを、静かに組み込んだ、洗練されたモデルを構築する。
• 信頼より速く進む。 国民との関与なしに分析の野心を追求し、あらゆる二次データ利用が依拠する社会的な許可を失う。
• ループのない洞察。 意図した行動が行われたか、成果が改善したかを確認しないため、誰も学ばず、何も廃止されない。

成熟度モデル#

チェックリスト#

• 重要なアナリティクスのプロダクトはすべて、変える判断とその判断の所有者を名指ししている。
• データ品質の指標（完全性、正確性、適時性）が、主要なフローについて、測定され、所有され、公表されている。
• 民族性、困窮度、障害のコーディングが、誠実な公平性の分析を支えるのに十分良く、そうでないところでは改善されている。
• 統治されたセマンティック層が、セルフサービスのツール全体で、中核の指標を一貫して定義している。
• 分析コードが、バージョン管理され、ピアレビューされ、再現可能である。
• 研究と計画のための機微なデータが、コピーして出すのではなく、セキュアデータ環境を通じてアクセスされる。
• リスク層別化と予測モデルが、十分にサービスを受けていないグループに対するバイアスについて監査されている。
• 標準のレポートが、結果を、困窮度と関連する保護特性別に分解している。
• 各プロダクトが、意図した行動が行われたか、成果が改善したかを追跡している。
• 使われないダッシュボードとレポートが、定期的なサイクルでレビュー・廃止されている。
• 患者のデータがアナリティクスにどう使われるかについての、国民向けの説明があり、誠実である。
• データリテラシーのプログラムが、アナリストだけでなく、リーダーと臨床家を支えている。

主要な情報源#

• NHS England — Population Health Managementの資料と、Population Health Management Development Programme。
• NHS England — Secure Data Environment for NHS Health and Social Careの方針ガイドライン。
• Office for National Statistics / 英国政府Analysis Function — *Reproducible Analytical Pipelines (RAP)*の戦略とガイダンス。
• The Health FoundationとThe King's Fund — ポピュレーションヘルスマネジメントと健康格差の分析。
• Understanding Patient Data — 信頼できる研究環境とcare.dataの教訓に関する、国民向けの資料。
• Data Saves Lives — 医療・社会的ケアのためのイングランドのデータ戦略。

参考文献#

1. Business intelligence — Wikipedia — https://en.wikipedia.org/wiki/Business_intelligence
2. Data and information visualization — Wikipedia — https://en.wikipedia.org/wiki/Data_and_information_visualization
3. Predictive analytics — Wikipedia — https://en.wikipedia.org/wiki/Predictive_analytics
4. Prescriptive analytics — Wikipedia — https://en.wikipedia.org/wiki/Prescriptive_analytics
5. Data warehouse — Wikipedia — https://en.wikipedia.org/wiki/Data_warehouse
6. Data lake — Wikipedia — https://en.wikipedia.org/wiki/Data_lake
7. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
8. Data governance — Wikipedia — https://en.wikipedia.org/wiki/Data_governance
9. Population health — Wikipedia — https://en.wikipedia.org/wiki/Population_health
10. Health equity — Wikipedia — https://en.wikipedia.org/wiki/Health_equity
11. Data literacy — Wikipedia — https://en.wikipedia.org/wiki/Data_literacy
12. Population Health Management — NHS England — https://www.england.nhs.uk/integratedcare/what-is-integrated-care/phm/
13. Secure Data Environment for NHS Health and Social Care policy guidelines — NHS England — https://www.gov.uk/government/publications/secure-data-environment-policy-guidelines
14. Reproducible Analytical Pipelines (RAP) — UK Government Analysis Function — https://analysisfunction.civilservice.gov.uk/support/reproducible-analytical-pipelines/
15. Data saves lives: reshaping health and social care with data — Department of Health and Social Care — https://www.gov.uk/government/publications/data-saves-lives-reshaping-health-and-social-care-with-data
16. The care.data programme and lessons for data trust — Understanding Patient Data — https://understandingpatientdata.org.uk/
17. Master data management — Wikipedia — https://en.wikipedia.org/wiki/Master_data_management