Mada 4.5 — Data, Uchanganuzi na Usimamizi wa Afya ya Idadi ya Watu

Katika afya na huduma, uchanganuzi unastahili kujengwa tu kama unabadilisha uamuzi, njia ya huduma, au maisha — kugeuza data kuwa ufahamu unaowafikia watu wanaouhitaji zaidi, na kufanya hivyo kwa njia ambazo umma unaweza kuziamini.

Kwa nini hili ni muhimu katika afya na huduma#

Mada 4.3 — Uwezo wa Kuunganishwa na Viwango vya Data inahusu kuhamisha data kwa usalama kati ya mifumo ili ifike inapohitajika. Mada hii inahusu kinachotokea baadaye: kugeuza data hiyo kuwa ufahamu, na ufahamu kuwa hatua. Hivi viwili ni rahisi kuvichanganya na ni ghali kuvichanganya. Unaweza kuwa na uwezo kamili wa kuunganishwa na bado ukafanya maamuzi duni, na unaweza kuwa na uchanganuzi tajiri usiogusa kamwe huduma ya mgonjwa yeyote.

Uchanganuzi katika afya na huduma hubeba uzito ambao uchanganuzi katika rejareja au ugavi haubebi. Unapogawa idadi ya watu na kulenga uingiliaji, unaamua mapitio ya pumu ya nani yatafanyika kwanza, wazee dhaifu gani wanapata simu ya kutangulia kabla ya mgogoro wa majira ya baridi, na wapi timu ya jamii iliyobanwa inatumia saa zake chache. Ukikosea uchambuzi — kielelezo chenye upendeleo wa hatari, pengo la ubora wa data linalopunguza hesabu ya mtaa maskini, dashibodi inayopamba utendaji — unaweza kupanua ukosefu wa usawa ule ule uliokusudia kuziba. Matokeo ni ya kitabibu na ya kimaadili, si ya kibiashara tu.

Uaminifu wa umma ni kikwazo kingine kinachofanya uwanja huu kuwa wa kipekee. Watu kwa ujumla wako tayari data zao ziboreshe huduma na kuunga mkono utafiti, lakini tu pale wanapoweza kuona inashughulikiwa kwa usalama, kisheria, na kwa madhumuni halali. Kushindwa kwa programu ya care.data nchini Uingereza mwaka 2014, iliyoachwa baada ya umma na wahudumu wa kitabibu kupoteza imani katika jinsi data ingetolewa na kutumika, kunabaki kuwa hadithi ya tahadhari ambayo kila kiongozi wa uchanganuzi wa afya anapaswa kuijua. Uaminifu ukishapotea, ni polepole na wa gharama kuujenga upya, na unaweka kikomo cha unachoweza kufanya kwa miaka baadaye. Kwa hiyo "jinsi" ya uchanganuzi — jukwaa, njia ya ufikiaji, utawala, uwazi — si mabomba ya ofisi ya nyuma. Ni sehemu ya makubaliano ya usalama wa kitabibu, usawa na uaminifu wa umma yanayopitia kitabu hiki kizima.

Dhana kuu#

Akili ya biashara (Business intelligence) ni seti ya mazoea na teknolojia za kuchanganua data kufahamisha maamuzi — dashibodi, ripoti, na maswali yaliyo nyuma yake. Inasimama juu ya uchanganuzi wa data unaowasilishwa kupitia taswira nzuri ya data, kwa sababu chati ambayo mhudumu wa kitabibu au mkurugenzi mwenye shughuli anaweza kuisoma kwa sekunde inashinda jedwali ambalo hakuna anayelifungua.

Njia yenye manufaa ya kuelezea tamaa ya uchanganuzi ni ngazi ya ukomavu: uchanganuzi wa maelezo (nini kilitokea), uchanganuzi wa utambuzi (kwa nini kilitokea), uchanganuzi wa kutabiri (nini kinaelekea kutokea baadaye), na uchanganuzi wa kuelekeza (unapaswa kufanya nini kuhusu hilo). Mashirika mengi hutumia muda mwingi kwenye ngazi ya kwanza, na mara nyingi huo ndio mahali sahihi pa kuwa — picha ya maelezo ya kutegemewa, inayoaminika na kufanyiwa kazi, ina thamani zaidi ya kielelezo dhaifu cha kutabiri ambacho hakuna anayekitumia.

Chini ya yote haya kuna jukwaa la data. Ghala la data huhifadhi data iliyopangwa, iliyoundwa kielelezo kwa kuripoti; ziwa la data huhifadhi data ghafi ya umbo lolote kwa kuchakatwa baadaye; mtindo wa "lakehouse" huchanganya hivyo viwili. Yoyote utakayochagua, jukwaa linaaminika tu kama ubora wa data — ukamilifu, usahihi, wakati, na uthabiti wa rekodi za msingi — na utawala wa data, mfumo unaowajibika wa umiliki, ufafanuzi, na maamuzi ya ufikiaji unaoiweka data ikifaa kutumika. Unaohusiana kwa karibu ni usimamizi wa data kuu — kudumisha toleo moja lenye mamlaka la data kuu ya marejeo kama wagonjwa, wafanyakazi, na mashirika — ili uchanganuzi usigawanyike kwa vitambulisho visivyo thabiti.

Usimamizi wa afya ya idadi ya watu ni taaluma inayotumika iliyo kiini cha mada hii: kutumia data iliyounganishwa kuelewa afya ya idadi ya watu iliyofafanuliwa, kuigawa katika makundi yenye mahitaji yanayofanana, kupanga hatari, na kulenga uingiliaji kwa wale watakaonufaika zaidi. Ukifanywa vizuri, ni mojawapo ya zana kali zaidi zinazopatikana kukabili usawa wa afya — kuelekeza huduma ya kutangulia kwa makundi yaliyohudumiwa vibaya badala ya kungoja yafike katika mgogoro. Hakuna kati ya haya kinachofanya kazi bila ujuzi wa data — uwezo wa viongozi, wahudumu wa kitabibu, na wachambuzi vilevile wa kusoma, kuhoji, na kuchukua hatua juu ya data kwa uaminifu.

Mwishowe, Mazingira Salama ya Data (SDE) — kimataifa, Mazingira ya Utafiti Yanayoaminika (TRE) — ni njia inayodhibitiwa ambayo watafiti na wapangaji huchanganua data nyeti. Badala ya kunakili data kwa mchambuzi, mchambuzi analetwa kwa data ndani ya mazingira salama, yanayokaguliwa, na matokeo ya jumla, yasiyotambulisha pekee yanaondoka. Huu ndio mfano unaopatanisha tamaa ya uchanganuzi na uaminifu wa umma uliojadiliwa katika Mada 1.8 — Maadili ya Data, Ridhaa na Uaminifu wa Umma.

Mazoea bora#

1. Anza kutoka uamuzi, si data. Kabla ya kuagiza dashibodi au kielelezo, taja uamuzi itakaobadilisha, nani anamiliki uamuzi huo, na watafanya nini tofauti wakishaona ufahamu. Ikiwa huwezi kujibu maswali hayo, unajenga ripoti ambayo hakuna atakayeifanyia kazi. Nidhamu hii — kufanya kazi nyuma kutoka hatua iliyokusudiwa — ndiyo ulinzi wa kutegemewa zaidi dhidi ya kuenea kwa uchanganuzi usiotumika, na inaunganishwa moja kwa moja na tabia za ushahidi-hadi-hatua za Mada 1.3 — Maamuzi Yanayoongozwa na Ushahidi.

2. Panda ngazi ya uchanganuzi kwa makusudi, si kwa silika. Uchanganuzi wa maelezo na wa utambuzi hujibu maswali mengi ya kiuendeshaji na ni wa bei nafuu, unaoelezeka zaidi, na unaoaminika zaidi kuliko kazi ya kutabiri au ya kuelekeza. Fikia kielelezo cha kutabiri tu pale uamuzi unahitaji kuona mbele kweli na unaweza kuchukua hatua juu ya utabiri kwa wakati wa kujalisha. Alama ya hatari inayotambua wagonjwa ambao huna uwezo wa kuwasaidia ni zoezi la kitaaluma, si usimamizi wa afya ya idadi ya watu.

3. Chukulia ubora wa data kama bidhaa ya kwanza, si usafishaji wa baadaye. Pima ukamilifu, usahihi, na wakati wa mitiririko yako muhimu ya data, chapisha vipimo hivyo, na uwawajibishe wamiliki waliotajwa. Kuweka misimbo vibaya kwa kabila, umaskini, au ulemavu si tanbihi ya kiufundi — kunafichua kimfumo makundi unayohitaji kuyaona zaidi, kwa hiyo mapengo ya ubora huwa mapengo ya usawa. Rekebisha ubora wa data kwenye chanzo katika mifumo ya kiuendeshaji kila inapowezekana, kwa sababu marekebisho ya chini hayana mwisho na yanapoteza.

4. Endesha mfumo wa uendeshaji wa wazi wa wachambuzi na uhandisi wa data. Tenganisha kazi ya kuhandisi mabomba ya data yanayotegemewa, yaliyoundwa kielelezo vizuri na kazi ya kuchanganua na kutafsiri. Kubali ufafanuzi wa pamoja, udhibiti wa matoleo, mapitio ya wenzao ya msimbo wa uchanganuzi, na mbinu zinazoweza kurudiwa ili nambari imaanishe kitu kilekile kwa kila mtu na iweze kuzalishwa upya kwa ombi. Harakati ya Kiingereza ya "Reproducible Analytical Pipelines" katika sekta ya umma ni mfano wa vitendo unaostahili kukopwa.

5. Wezesha kujihudumia, lakini tawala ufafanuzi kutoka kati. Ziache timu zichunguze data na kujenga mitazamo yao wenyewe, kwa sababu timu ya kati haiwezi kamwe kujibu kila swali kwa haraka vya kutosha. Jilinde dhidi ya mgawanyiko kwa kuandaa tabaka la semantiki lililotawaliwa — seti za data zilizothibitishwa na ufafanuzi uliokubaliwa wa vipimo kama "orodha ya kusubiri" au "kulazwa kunakoweza kuepukika" — ili kujihudumia kuzidishe ufahamu badala ya kuzidisha mabishano kuhusu nambari zinamaanisha nini.

6. Tumia usimamizi wa afya ya idadi ya watu kulenga usawa, na ukague upendeleo. Gawa idadi ya watu wako na upange hatari ili kuelekeza huduma ya kutangulia kwa wale watakaonufaika zaidi, ukijumuisha kwa makusudi makundi yanayofika kwa kuchelewa au kutofika kabisa kihistoria. Chunguza kila kielelezo kwa upendeleo: ikiwa zana ya kupanga hatari inakadiria chini kundi maskini au la kabila la wachache kwa sababu data yao ni chache, itaelekeza rasilimali mbali nao kimyakimya. Kagua matokeo kwa sifa zilizolindwa na umaskini, si kwa jumla tu.

7. Fanya Mazingira Salama ya Data kuwa njia ya chaguo-msingi ya data nyeti. Kwa utafiti, mipango, na matumizi ya pili, leta wachambuzi kwa data ndani ya SDE au TRE badala ya kutoa nakala. Hii hupunguza eneo lako la shambulio, huunda njia kamili ya ukaguzi, na huipa umma hadithi inayotetewa, ya wazi kuhusu jinsi data yao inavyotumika. Chapisha nani ana ufikiaji, kwa madhumuni gani, na chini ya idhini ya nani, ukiunganisha mkabala wako na utawala uliofunikwa katika Mada 1.7 — Utawala wa Taarifa, Ulinzi wa Data na Usalama wa Mtandao.

8. Funga mzunguko kutoka uchanganuzi hadi matokeo na thamani. Kwa kila bidhaa muhimu ya uchanganuzi, fuatilia kama hatua iliyokusudiwa ilitokea na kama matokeo yaliboreka — si tu kama dashibodi ilitazamwa. Staafisha bidhaa ambazo hazibadilishi tena maamuzi. Popote unapoweza, unganisha ufahamu wa uchanganuzi na thamani iliyopimwa kwa kutumia mbinu za Mada 6.1 — Uchumi wa Afya, ili uwekezaji katika majukwaa ya data uhalalishwe na matokeo badala ya shughuli.

9. Simamia ubora wa data kama nidhamu inayopimwa, kwa sababu uchanganuzi na AI hurithi kila dosari iliyo chini yake. Fafanua na ufuatilie ukamilifu, usahihi, wakati, na uhalali kwa mitiririko yako muhimu ya data, weka vizingiti, na utende yanapoteleza badala ya kugundua pengo katika ripoti ya bodi. Kielelezo au dashibodi haiwezi kupanda juu ya rekodi zinazoilisha, kwa hiyo chukulia ubora kama kazi endelevu ya kiuendeshaji yenye wamiliki waliotajwa, si usafishaji wa mara moja kabla ya mradi. Hili ni muhimu zaidi kwa sehemu zinazobeba usawa — kabila, umaskini, ulemavu — ambapo kuweka misimbo kidogo au bila uthabiti kunapotosha kimyakimya kila hitimisho la chini.

10. Anzisha usimamizi wa data kuu kwa data yako kuu ya marejeo. Dumisha toleo moja lenye mamlaka la vitu ambavyo kila kitu kingine huunganishwa navyo — wagonjwa waliofungwa kwa NHS Number, wafanyakazi, na mashirika — kukiwa na usimamizi wazi wa jinsi kila moja inavyoundwa, kulinganishwa, na kustaafishwa. Bila hilo, mgonjwa yuleyule anaonekana chini ya vitambulisho kadhaa na huduma ileile chini ya majina kadhaa, kwa hiyo uchanganuzi hugawanyika na jumla hazipatani kamwe. Kuwekeza katika data kuu inayoaminika hakuvutii, lakini kwa ukubwa kitambulisho kimoja chenye utata kinaweza kupotosha huduma na kukosea utendaji katika mfumo mzima.

Maswali ya kujadili na timu yako#

1. Ni dashibodi na ripoti zetu zipi ambazo yeyote angeona kama tungezizima kesho — na jibu linatuambia nini? Mazingira mengi ya uchanganuzi hukusanyika kwa miaka, na sehemu kubwa ya wanachozalisha huonekana mara chache au kamwe. Swali hili linalazimisha orodha ya uaminifu: kwa kila bidhaa muhimu, unaweza kutaja uamuzi inaofahamisha, mtu anayemiliki uamuzi huo, na mara ya mwisho ilipobadilisha mmoja? Kuzima, au kutoa ofa ya kuzima, ni kitambulisho cha haraka — kilio halisi kinafichua kinachojalisha, kimya kinafichua kisichojalisha. Timu zinazofaulu hustaafisha bila huruma yasiyotumika, kwa sababu kila dashibodi iliyokufa bado hutumia matengenezo, humomonyoa uaminifu nambari zake zinapopotoka, na huzika ripoti zinazojalisha. Kuhamisha juhudi iliyoachiliwa kwa bidhaa chache zinazotumika vizuri, zilizotawaliwa vizuri karibu kila mara huinua thamani ya mazingira yote. Jihadhari na silika ya kuweka kila kitu "ikiwa tu" — silika hiyo ndiyo hasa jinsi unavyofikia uchanganuzi ambao hakuna anayeufanyia kazi.

2. Je, uchanganuzi wetu hufanya ukosefu wa usawa wa afya uonekane zaidi, au huuficha? Vipimo vya jumla — muda mmoja wa kusubiri wa hospitali nzima, kiwango cha jumla cha chanjo — vinaweza kuonekana vya kutuliza huku vikificha tofauti kali chini yake. Mtihani ni kama bidhaa zako za kawaida zinagawanya matokeo kwa umaskini, kabila, ulemavu, na sifa nyingine husika, na kama data yako ni nzuri vya kutosha kufanya hivyo kwa uaminifu. Kabila likiwekewa misimbo vibaya au umaskini haujaunganishwa, uchanganuzi wako ni kipofu kimuundo kwa idadi ya watu unaohitaji kuwafikia zaidi, na upofu huo utaunda rasilimali zinapotiririka. Jadili mahali ubora wa data yako ya sasa unapoangusha uchanganuzi wa usawa, na itachukua nini kurekebisha kwenye chanzo. Fikiria pia kama vielelezo vyako vya kutabiri vimekaguliwa kwa upendeleo dhidi ya makundi yaliyohudumiwa vibaya. Mazungumzo haya yanaunganisha uchanganuzi wako moja kwa moja na uti wa mgongo wa usawa wa kitabu na maadili ya Mada 1.8 — Maadili ya Data, Ridhaa na Uaminifu wa Umma.

3. Mwandishi wa habari akiuliza tunatumiaje data za wagonjwa kwa uchanganuzi na utafiti, tungeweza kutoa jibu wazi, la uaminifu, la kutuliza leo? Uaminifu wa umma ndio leseni ambayo matumizi yote ya pili ya data ya afya yanasimamia, na ni rahisi kuupoteza kuliko kuupata. Pitia jibu halisi: data inakaa wapi, nani anaweza kuifikia, kupitia idhini gani, kwa madhumuni gani, na mwanachama wa umma angegunduaje hilo. Ikiwa jibu la uaminifu linahusisha nakala za data inayotambulisha zilizotawanyika kwenye lahajedwali na diski za pamoja, una tatizo la usalama na la uaminifu. Linganisha hilo na mkabala wa Mazingira Salama ya Data, ambapo ufikiaji unadhibitiwa, unakaguliwa, na unaweza kuchapishwa. Jadili shirika lako lingehitaji kubadilisha nini ili lijisikie vizuri kweli chini ya ukaguzi wa umma — kabla ya tukio kulazimisha swali. Kumbuka care.data: teknolojia haikuwa pointi ya kushindwa; kushindwa kulikuwa imani ya umma katika jinsi data ingetumika.

4. Tunapofikia kielelezo cha kutabiri, tunaweza kuchukua hatua juu ya kile kinachotuambia kweli — na je, tumepata haki ya kuamini tabaka la maelezo lililo chini yake? Ni kishawishi kuchukulia ukomavu wa uchanganuzi sawa na ustaarabu, na kuchukulia kazi "inayoendeshwa na AI" au ya kutabiri kama mwisho. Lakini alama ya hatari inayotambua wagonjwa ambao huna uwezo wa kuwasiliana nao ni zoezi la kitaaluma, na kielelezo cha kutabiri kilichojengwa juu ya msingi dhaifu wa maelezo kinaweka tu kiotomatiki makosa yaliyopo kwa kasi. Hoji kila kielelezo kinachopendekezwa dhidi ya majaribio mawili: je, kuna uamuzi halisi unaohitaji kuona mbele kweli badala ya picha ya kuangalia nyuma ya kutegemewa, na je, uwezo wa kiuendeshaji upo wa kuchukua hatua juu ya utabiri kwa wakati wa kubadilisha matokeo? Jibu la uaminifu hutaja uingiliaji mahususi ambao utabiri utachochea na timu itakayoutoa, na ni la wazi kuhusu kama ngazi za maelezo na utambuzi zinaaminika vya kutosha kujengea juu yake. Kupanda ngazi kwa makusudi, ngazi kwa ngazi, kwa kawaida hutoa thamani zaidi kuliko kuruka hadi juu na kugundua hakuna kinachonasa anguko.

5. Je, tunakubaliana nambari zetu kuu zinamaanisha nini kweli — na wapi timu mbili zingetoa majibu tofauti kwa swali lilelile? Kujihudumia kwa uchanganuzi kunapoenea, hatari inahama kutoka kuwa na nambari chache mno hadi kuwa na matoleo mengi mno ya kila moja: "orodha ya kusubiri", "kulazwa kunakoweza kuepukika", "mgonjwa hai" kikipotoka kimyakimya kuvuka dashibodi hadi mikutano ibishane nambari ya nani ni sahihi badala ya nini cha kufanya. Jaribu hili kwa uthabiti kwa kuzitaka timu mbili zizalishe kipimo kilekile cha kichwa cha habari kwa kujitegemea na kulinganisha si jibu tu bali ufafanuzi na swali nyuma yake. Mazungumzo ya uaminifu huibua mahali tabaka la semantiki lililotawaliwa na seti za data zilizothibitishwa zinakosekana, na mahali ufafanuzi wa kati umeshindwa kwenda sambamba na ubunifu wa mahali. Mabadilishano ni halisi — bana kwa ukali sana na unakaba uchunguzi unaofanya kujihudumia kuwa na thamani; acha bila utawala na ufahamu unagawanyika kuwa mabishano. Jibu lililokomaa huelezea vipimo vipi vimethibitishwa na kumilikiwa kutoka kati na vipi vimeachwa wazi kwa makusudi kwa uchunguzi wa mahali, badala ya kujifanya mazingira yote yanaweza kuwa moja au nyingine.

6. Je, tunarekebisha ubora wa data pale unapoundwa, au tunaendelea kuurekebisha chini bila mwisho? Kila dashibodi na kielelezo hurithi dosari za rekodi za kiuendeshaji zilizo chini yake, kwa hiyo maamuzi ya uchanganuzi yenye matokeo makubwa zaidi mara nyingi hufanywa mbali juu — katika jinsi hali inavyowekewa misimbo mahali pa huduma, au kama mgonjwa yuleyule na huduma zinatatua kitambulisho kimoja. Jadili mahali shirika lako sasa linaporekebisha ubora katika tabaka la kuripoti, na itachukua nini kurekebisha matatizo hayo kwenye chanzo badala yake, ukitambua kwamba marekebisho ya chini hayana mwisho na yanapoteza. Hili halitenganishwi na usimamizi wa data kuu: bila toleo moja lenye mamlaka la wagonjwa, wafanyakazi, na mashirika, jumla hazipatani na mtu yuleyule hugawanyika kuvuka rekodi. Dau la usawa ni la juu zaidi kwa sehemu ngumu zaidi kuweka misimbo vizuri — kabila, umaskini, ulemavu — ambapo kunasa kidogo au bila uthabiti kunapotosha kimyakimya kila hitimisho la chini. Jibu la uaminifu hutaja nani anamiliki ubora kwa kila mtiririko muhimu, kama umiliki huo unafika kwenye mifumo ya kiuendeshaji, na mahali kutokuwepo kwa data ya marejeo inayoaminika kunadhoofisha kimyakimya nambari.

Kwa vitendo: mfano wa afya na huduma#

Bodi ya Huduma Jumuishi (ICB) katika kanda mchanganyiko ya mijini na pwani inataka kupunguza kulazwa kusikopangwa miongoni mwa watu wanaoishi na udhaifu wa uzee, na kufanya hivyo bila kupanua pengo kati ya mji wake tajiri wa soko na mitaa yake maskini ya pwani.

Timu ya afya ya idadi ya watu inaanza na seti ya data iliyounganishwa iliyotolewa kutoka huduma za msingi, huduma za jamii, na rekodi za hospitali, ikichanganuliwa ndani ya Mazingira Salama ya Data ya kanda ili hakuna nakala inayotambulisha inayotoka kwenye mazingira yanayodhibitiwa. Wanagawa idadi ya watu zaidi ya miaka 65 na kupanga hatari ya udhaifu, lakini kabla ya kulenga yeyote wanaendesha ukaguzi wa usawa. Unafichua kwamba kielelezo kinatoa alama chini kwa wakazi wa mitaa ya pwani, kwa sababu zahanati hizo kihistoria zimeweka misimbo magonjwa ya muda mrefu kwa ukamilifu mdogo — pengo la ubora wa data linalojifanya kuwa hitaji dogo. Badala ya kuendelea kwenye alama yenye upendeleo, timu inaagiza msukumo uliolengwa wa kuboresha misimbo katika zahanati zilizoathirika na kurekebisha kielelezo, ikichukulia marekebisho ya ubora wa data kama sehemu ya uingiliaji wenyewe.

Kukiwa na upangaji wa hatari wa haki zaidi, wanatambua takriban watu 1,400 walio hatarini kubwa ambao bado hawajulikani kwa huduma za jamii. Timu ya fani mbalimbali inatoa mapitio ya kutangulia, ikianzia kwa makusudi na mitaa ya pwani. Muhimu, uchanganuzi haukomi kwenye kulenga. Dashibodi rahisi ya maelezo inafuatilia, kwa mtaa na daraja la umaskini, mapitio ya kutangulia mangapi yalifanyika na kulazwa kulivyosonga katika miezi sita iliyofuata — ikifunga mzunguko kutoka ufahamu hadi hatua hadi matokeo. Mapitio ya eneo moja yanapokwama, dashibodi inaibua mapema, na timu inachunguza badala ya kungoja ripoti ya mwisho wa mwaka. Ikifanya kazi na wenzake wa fedha na uchumi wa afya wa ICB, wanatafsiri kulazwa kulikoepukwa kuwa kesi ya thamani inayohalalisha kuendelea na programu. Hakuna ujanja wa kutabiri uliohitajika zaidi ya alama ya hatari iliyotawaliwa vizuri; thamani ilitokana na ubora wa data, nidhamu ya usawa, njia ya ufikiaji inayoaminika, na ufuatiliaji usiochoka.

Mitazamo ya sekta#

Kampuni changa#

Kampuni changa ya teknolojia ya afya kwa kawaida huishi au hufa kwa dai finyu la uchanganuzi — kwamba zana yake inatambua wagonjwa sahihi, au inaboresha matokeo — kwa hiyo kipaumbele chake ni ushahidi, si upana. Jenga bomba jembamba, linaloweza kurudiwa na uweke vifaa kwenye bidhaa yako kupima kama inabadilisha maamuzi na matokeo, kwa sababu ushahidi huo ndio wateja na wadhibiti watakaodai. Pinga kishawishi cha kuahidi kupita kiasi uwezo wa kutabiri au "unaoendeshwa na AI" kabla ya misingi ya maelezo na ubora wa data kuwa imara. Unaposhughulikia data ya NHS au ya huduma, tarajia kufanya kazi ndani ya Mazingira Salama ya Data ya mteja au kutimiza utawala sawa; kuchukulia hilo kama kikwazo cha kwanza cha usanifu, badala ya mshangao wa marehemu, mara nyingi ndiko kunakotenganisha kampuni changa zinazopanuka na zile zinazokwama.

Biashara ndogo#

Mtoa huduma mdogo aliyeimarika — zahanati ya GP, duka la dawa la jamii, nyumba ya wazee, kliniki ya eneo moja — kwa kawaida ana wagonjwa halisi na wajibu wa kisheria lakini hana mchambuzi au timu ya data maalumu, kwa hiyo lengo la vitendo ni picha ya maelezo inayoaminika, si ngazi ya ukomavu. Tegemea uchanganuzi uliojengwa ndani ya mifumo unayoiendesha tayari na seti za data na dashibodi zinazoaminika za kitaifa au za ICB badala ya kuanzisha jukwaa ambalo huwezi kudumisha. Rekebisha ubora wa data kwenye chanzo katika misimbo yako ya kiuendeshaji, kwa sababu hiyo ndiyo kiegemeo kimoja kilicho kabisa mikononi mwako na ndicho kinacholisha kila kielelezo cha kanda cha idadi yako ya watu. Unapolazimika kushiriki data kwa afya ya idadi ya watu au utafiti, tumia Mazingira Salama ya Data ya ICB au ya kitaifa badala ya kutuma nakala kwa barua pepe, jambo linalokuweka ukizingatia wajibu uleule kama mashirika makubwa bila rasilimali zao. Kipimo kimoja kilichochaguliwa vizuri unachokifanyia kazi kweli — orodha ya wagonjwa waliochelewa mapitio — kinashinda mkusanyiko wa ripoti ambazo hakuna mwenye muda wa kuzifungua.

Biashara kubwa#

Mtoa huduma mkubwa au mjumuishaji wa mifumo kwa kawaida ana tatizo kinyume: majukwaa mengi mno, ufafanuzi unaogongana mwingi mno, na mkia mrefu wa ripoti za zamani. Kazi ya biashara kubwa ni kuunganisha na kutawala — tabaka la semantiki lililoandaliwa, seti za data zilizothibitishwa, na mfumo wazi wa uendeshaji wa wachambuzi na uhandisi wa data — ili kujihudumia kuzidishe ufahamu badala ya kuzidisha kutokubaliana. Wekeza katika kazi isiyovutia ya ubora wa data na ufafanuzi mkuu, kwa sababu kwa ukubwa wa biashara kubwa kipimo kimoja chenye utata kinaweza kupotosha mamilioni ya pauni. Jilinde dhidi ya himaya ya dashibodi kwa kupima matumizi na kustaafisha zisizotumika. Sawazisha viwango vya kati na uhuru wa mahali, la sivyo utakaba ubunifu au kupoteza udhibiti wa nambari.

Serikali#

Vyombo vya kitaifa na vya kanda hubeba jukumu la usimamizi ambalo mashirika ya kibinafsi hayabebi: huweka viwango, huendesha Mazingira Salama ya Data makubwa zaidi, na kuwajibika kwa umma kwa jinsi data ya idadi ya watu inavyotumika. Vipaumbele ni uhalali na usawa — sheria wazi za ufikiaji, viwango vya ubora wa data vilivyochapishwa, na uchanganuzi unaoibua kikamilifu ukosefu wa usawa kuvuka idadi nzima ya watu. Serikali pia iko katika nafasi ya kipekee ya kupunguza kujirudia, kwa kutoa seti za data za kitaifa zinazoaminika na mabomba yanayoweza kurudiwa ambayo kila timu ya mahali inaweza kujengea badala ya kubuni upya. Funzo kuu kutoka care.data ni kwamba ushirikishaji wa umma si wazo la baadaye la mawasiliano bali ni pembejeo ya usanifu; sogea haraka kuliko uaminifu unavyoruhusu na unarudisha ajenda nzima nyuma kwa miaka.

Njia za kawaida za kushindwa#

• Dashibodi ambazo hakuna anayezifanyia kazi. Uchanganuzi uliojengwa kuonyesha data badala ya kubadilisha uamuzi, ukiongezeka hadi muhimu unazikwa chini ya vile vinavyopuuzwa.
• Kutatua kwa ajili ya zana, si swali. Kununua jukwaa au uwezo wa mashine-kujifunza kabla ya kujua maamuzi gani lazima uboreshe.
• Upofu wa ubora wa data. Kuwasilisha nambari za kujiamini zilizojengwa juu ya data isiyokamilika au yenye upendeleo, hasa pale kuweka misimbo vibaya kwa kabila au umaskini kunaficha makundi yaliyohudumiwa vibaya.
• Kuenea kwa nakala. Nakala za data nyeti zikienea kwenye lahajedwali na diski, kuunda hatari ya usalama na dhima ya uaminifu wa umma ambayo Mazingira Salama ya Data yangeiepuka.
• Kupotoka kwa ufafanuzi. Kipimo kilekile kikimaanisha vitu tofauti katika ripoti tofauti, kwa hiyo mikutano inabishana nambari ya nani ni sahihi badala ya nini cha kufanya.
• Maigizo ya kutabiri. Kujenga vielelezo vya ustaarabu ambavyo shirika halina uwezo wa kuvifanyia kazi, au vinavyosimba kimyakimya upendeleo dhidi ya idadi ya watu wenye uhitaji mkubwa zaidi.
• Kusonga haraka kuliko uaminifu. Kufuata tamaa ya uchanganuzi bila ushirikishaji wa umma, na kupoteza leseni ya kijamii ambayo matumizi yote ya pili ya data yanaitegemea.
• Ufahamu bila mzunguko. Kutokagua kamwe kama hatua iliyokusudiwa ilitokea au matokeo yaliboreka, kwa hiyo hakuna anayejifunza na hakuna kinachostaafishwa.

Kielelezo cha ukomavu#

Orodha hakiki#

• Kila bidhaa muhimu ya uchanganuzi hutaja uamuzi inaobadilisha na nani anamiliki uamuzi huo.
• Vipimo vya ubora wa data (ukamilifu, usahihi, wakati) vinapimwa, kumilikiwa, na kuchapishwa kwa mitiririko muhimu.
• Kuweka misimbo kwa kabila, umaskini, na ulemavu ni vizuri vya kutosha kuunga mkono uchanganuzi wa uaminifu wa usawa — na kuboreshwa pale haviko.
• Tabaka la semantiki lililotawaliwa linafafanua vipimo vikuu kwa uthabiti kuvuka zana za kujihudumia.
• Msimbo wa uchanganuzi unadhibitiwa kwa matoleo, kupitiwa na wenzao, na kuweza kurudiwa.
• Data nyeti kwa utafiti na mipango inafikiwa kupitia Mazingira Salama ya Data, haitolewi nakala.
• Upangaji wa hatari na vielelezo vya kutabiri vinakaguliwa kwa upendeleo dhidi ya makundi yaliyohudumiwa vibaya.
• Ripoti za kawaida zinagawanya matokeo kwa umaskini na sifa husika zilizolindwa.
• Kila bidhaa inafuatilia kama hatua iliyokusudiwa ilitokea na matokeo yaliboreka.
• Dashibodi na ripoti zisizotumika zinapitiwa na kustaafishwa kwa mzunguko wa kawaida.
• Maelezo ya umma ya jinsi data ya mgonjwa inavyotumika kwa uchanganuzi yapo na ni ya uaminifu.
• Programu ya ujuzi wa data inawaunga mkono viongozi na wahudumu wa kitabibu, si wachambuzi tu.

Vyanzo muhimu#

• NHS England — rasilimali za Population Health Management na Population Health Management Development Programme.
• NHS England — miongozo ya sera ya Secure Data Environment for NHS Health and Social Care.
• Office for National Statistics / UK Government Analysis Function — mkakati na mwongozo wa Reproducible Analytical Pipelines (RAP).
• The Health Foundation na The King's Fund — uchambuzi wa usimamizi wa afya ya idadi ya watu na ukosefu wa usawa wa afya.
• Understanding Patient Data — rasilimali za umma kuhusu mazingira ya utafiti yanayoaminika na mafunzo ya care.data.
• Data Saves Lives — mkakati wa data wa Uingereza kwa afya na huduma za jamii.

Marejeo#

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