Garantías necesarias para usar los datos generados en la práctica clínica real

Herramientas
Directora general de QuintilesIMS
|
30 ene 2017 - 08:00 h
|
<p>Garantías necesarias para usar los datos generados en la práctica clínica real</p>

Nadie discute ya los avances que la disponibilidad de gran cantidad de datos reales puede ofrecer en todos los campos y en prácticamente todos los sectores.

El hecho de disponer de una gran cantidad de datos de pacientes ofrece la oportunidad de revolucionar el sector salud porque permiten crear un entendimiento común sobre lo que sucede en la práctica clínica real y sus resultados, conocerlos es el primer paso para mejorarlos y facilitar así la investigación subyacente en todas las innovaciones científicas.

Sin embargo faltan experiencias reales de utilización práctica de la evidencia disponible y muchas de las conversaciones se centran en las barreras y las limitaciones en lugar de dirigir la discusión a las garantías, a las metodologías y herramientas que ya existen.

Las 3 V’s que de manera generalizada caracterizan el Big Data (volumen, velocidad, y variedad) se complementan en salud con una cuarta dimensión, que es quizá la fundamental: la veracidad. Dimensión que es determinante en cuanto a la calidad del conocimiento a obtener

Aun limitándonos a aquellos conjuntos de datos que cumplen con dichos requisitos, lo cierto es que los servicios de salud generan un inmenso volumen de datos en su práctica diaria: 14m altas hospitalarias, 1M visitas AP; 258m visitas especialistas; 73m urgencias; 4M prescripciones.

Con los avances tecnológicos, la cantidad ingente de datos, generados de forma continua y procedentes de múltiples fuentes, son más fáciles de recoger, conectar, almacenar y tratar para múltiples usos, multiplicándose con ello el potencial de análisis y conocimiento a obtener.

Pero no basta con recogerlos. Deben estar organizados de manera que permitan generar una visión completa y continua de la evolución de cada paciente y contestar así a la pregunta de oro: ¿qué resultados genera la prescripción de cada tratamiento ante cada diagnostico concreto?

Y ello con la complejidad que añade el hecho cierto de que cada evento en salud está siempre íntima y continuamente relacionado con el contexto, que no existe la respuesta correcta sino la solución más eficaz entre todas aquellas posibles.

Gracias a la investigación, las opciones son cada vez más, mejores y más sofisticadas; pero también específicas y más costosas. Por ello es fundamental buscar la respuesta óptima al cociente eficacia/coste para permitir así la utilización más eficiente de los recursos. El análisis de la información disponible puede contribuir de manera diferencial, al reducir la incertidumbre de los supuestos que justifican la inversión en cada caso.

Podemos diferenciar tres aspectos donde el uso del datos de la practica real puede ser diferencial: impulsando la investigación clínica, haciendo posible la definición de nuevos modelos de acuerdos de financiación para facilitar el acceso de los pacientes a los fármacos innovadores de alto impacto económico, y mejorando la práctica diaria basada en el uso de los datos disponibles y que pueden abarcar diversos ámbitos de la atención sanitaria.

Se trata de organizar los datos para poder “entenderlos”, de encontrar los patrones que permitan, a partir de datos del mundo real no estructurados, llegar a conclusiones respecto a diversas cuestiones que planteemos.

Las estructuras de análisis serán tanto más sofisticadas cuanto más complejos sean los temas a resolver. No hablamos de análisis básicos o deducciones inmediatas, no hablamos de modelos de inferencia lógica, sino de modelos de integración de datos y predictibilidad complejos cuya puesta en práctica necesita capacidades específicas y herramientas diferentes de las accesibles en la práctica clínica habitual.

Si existen los datos y disponemos de las metodologías... ¿por qué no se ha extendido masivamente el uso de los datos reales de la práctica clínica para la generación de modelos basados en RWE?

Según estudios publicados son precisamente las barreras organizativas, aquellas que tienen que ver con la cultura y la gobernanza de las organizaciones, las que dificultan el uso profuso del potencial de los datos actualmente. La barrera más mencionada es sin duda la privacidad que, curiosamente, es también una de las mejor resueltas, siempre y cuando no se convierta en un escondite para defender las barreras culturales antes mencionadas.

La buena noticia es que los propios pacientes (últimos dueños de los datos a los que nos referimos) están a favor de avanzar en este sentido siempre y cuando se garantice un equilibrio adecuado entre dos derechos: el de acelerar la investigación y mejorar la provisión de servicios sanitarios por un lado, y, por el otro, el derecho a asegurar la privacidad de sus datos personales.

Ya hay mucho camino andado, son muchos los organismos públicos y privados que han trabajado en el desarrollo de sistemas de de-identificación robustos con riesgos muy pequeños de identificar un individuo y que permiten la utilización de datos de salud garantizando un máximo nivel de privacidad. El objetivo es minimizar el riesgo de identificación individual con el uso de recursos apropiados

En QuintilesIMS somos conscientes de la necesidad de garantizar los máximos niveles de privacidad, de ahí que hayamos invertido en las metodologías más sofisticadas actualmente disponibles. Nuestro objetivo es seguir contribuyendo a vencer las barreras existentes y de esta manera poner a disposición del Sistema de salud todas las garantías necesarias para permitir así que el paciente obtenga el máximo beneficio de la explotación de los Big Data en salud, consiguiendo acelerar los avances en investigación, mejorar la eficiencia de nuestro sistema de salud e informar al paciente de los resultados esperables de la actividad sanitaria.

“Es fundamental buscar la respuesta óptima al cociente eficacia/coste para permitir así la utilización más eficiente de los recursos”

Twitter