INFORMATIZZAZIONE IN SANITA'. Resolving the Productivity Paradox of Health Information Technology A Time for Optimism Dieci anni fa i dati clinici erano informatizzati in meno del 10% degli ospedali USA, oggi è così nel 90%. Questo processo finora non ha prodotto significativi miglioramenti e anzi, come è stato ampiamente riportato sempre da JAMA alcuni mesi fa, è una delle cause del crescente burnout dei medici, sempre piu' vincolati alla registrazione dei dati. Gli autori, uno dei quali dirige il Google research team sull'intelligenza artificiale, ritengono che questo investimento informatico, finora alla cieca, sia arrivato ora al punto di svolta e sia sul punto di cominciare a generare profitti, dopo avere di fatto dato origine tanto alle azioni di verifica della qualità dell'assistenza, quanto ad una migliore comprensione della nosologia e della clinica.
STRUMENTI DI PREVISIONE CLINICA. Big Data and Predictive Analytics. Recalibrating Expectations Sono disponibili molti strumenti di previsione clinica fondati sulla statistica - ad esempio sembra che per l'ambito cardiologico siano un migliaio - ma in prevalenza vengono scarsamente utilizzati. Questo, secondo gli autori dell'articolo, per alcuni loro limiti intrinseci: 1) scelta di outcome che abbiano fondamentale importanza per chi deve usare lo strumento, 2) corretta misura del rischio, 3) sperimentazione abbastanza protratta e attenta che garantisca l'attendibilità del metodo, 4) la qualità dei dati su cui si basa il metodo. Gli autori concludono che oggi, nell'epoca di "big data" e con la potenza di calcolo disponibile, sviluppare modelli previsionali di rischio è facile ma che tuttavia occorrono anche organismi dedicati per sorvegliarne la qualità.
INFORMATIZZAZIONE IN SANITA'. Resolving the Productivity Paradox of Health Information Technology A Time for Optimism Dieci anni fa i dati clinici erano informatizzati in meno del 10% degli ospedali USA, oggi è così nel 90%. Questo processo finora non ha prodotto significativi miglioramenti e anzi, come è stato ampiamente riportato sempre da JAMA alcuni mesi fa, è una delle cause del crescente burnout dei medici, sempre piu' vincolati alla registrazione dei dati. Gli autori, uno dei quali dirige il Google research Team sull'intelligenza artificiale, ritengono che questo investimento informatico, finora alla cieca, sia arrivato ora al punto di svolta e sia sul punto di cominciare a generare profitti, dopo avere di fatto dato origine tanto alle azioni di verifica della qualità dell'assistenza quanto ad una migliore comprensione della nosologia e della clinica.
STRUMENTI DI PREVISIONE CLINICA. Big Data and Predictive Analytics. Recalibrating Expectations Sono disponibili molti strumenti di previsione clinica fondati sulla statistica - ad esempio sembra che per l'ambito cardiologico siano un migliaio - ma in prevalenza vengono scarsamente utilizzati. Questo, secondo gli autori dell'articolo, per alcuni loro limiti intrinseci: 1) scelta di outcome che abbiano fondamentale importanza per chi deve usare lo strumento, 2) corretta misura del rischio, 3) sperimentazione abbastanza protratta e attenta che garantisca l'attendibilità del metodo, 4) la qualità dei dati su cui si basa il metodo. Gli autori concludono che oggi, nell'epoca di "big data" e con la potenza di calcolo disponibile, sviluppare modelli previsionali di rischio è facile ma che tuttavia occorrono anche organismi dedicati per sorvegliarne la qualità.
La Task Force statunitense ha da poco pubblicato le raccomandazioni sullo screening per prevenire eventi cardiovascolari. Ma le attuali evidenze sono davvero sufficienti per valutare l'equilibrio tra benefici e rischi dello screening con ECG?
Lo screening con ECG è sconsigliato per prevenire eventi CVD negli adulti asintomatici a basso rischio. Gli autori concludono che le attuali evidenze non sono sufficienti per valutare l'equilibrio tra benefici e rischi dello screening con ECG a riposo o sotto sforzo in adulti asintomatici a rischio intermedio o alto di eventi CVD.
Delibera n. 742 del 2 luglio 2018 Deliberazione n 785/2016 "Individuazione dei criteri e delle modalità del sistema di relazioni tra l'ESTAR e le aziende sanitarie in ordine ai trattamenti di dati personali correlati alle funzioni relative alle materie di competenza di ESTAR, ai sensi del comma 4 bis dell'articolo 101 della LR 40/2005". Recepimento normativa europea in materia di protezione dei dati personali
Delibera n. 742 del 2 luglio 2018 Deliberazione n 785/2016 "Individuazione dei criteri e delle modalità del sistema di relazioni tra l'ESTAR e le aziende sanitarie in ordine ai trattamenti di dati personali correlati alle funzioni relative alle materie di competenza di ESTAR, ai sensi del comma 4 bis dell'articolo 101 della LR 40/2005". Recepimento normativa europea in materia di protezione dei dati personali.
