Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Azienda Ospedaliera Niguarda Cà Granda

Azienda Ospedaliera Niguarda Cà Granda

Azienda Ospedaliera Niguarda Cà Granda: Il Text Mining analizza la documentazione clinico-sanitaria a supporto della Governance

01 Ott 2009
Con più di 4000 dipendenti e circa 1300 posti letto,
l’Azienda Ospedaliera Niguarda Cà Granda è uno dei
maggiori ospedali di Milano e un luogo d’intenso sviluppo
di cultura sanitaria, di ricerca intellettuale e di aggiornamento
professionale. Niguarda è provider di crediti ECM, riconosce la
cosiddetta formazione sul campo e sperimenta ormai da anni su
vasta scala la Formazione a Distanza (FAD) con la collaborazione
del Consorzio Italiano per la Ricerca Medica (CIRM).

L’ospedale da sempre integra le competenze
clinico-sanitarie alle innovazioni tecnologiche, per rispondere
al meglio ai bisogni di salute dei propri pazienti. Dopo aver
concentrato la propria attenzione sulla digitalizzazione dei
processi di cura e sull’accessibilità dei dati clinici a
tutti i reparti, dal 2007 i sistemi informativi hanno posto
particolare attenzione ai temi della Clinical Governance: è
stato attivato un progetto di controllo della sicurezza
trasfusionale mediante tecnologia RFId, è in corso un progetto
europeo per la gestione del rischio clinico, mentre la forte
integrazione tra tecnologie biomediche e informatiche ha permesso
di avere a disposizione le informazioni e le immagini per una
completa visione in tempo reale della storia clinica del
paziente.

Un interessante applicativo di supporto alla Clinical Governance
è quello che esegue l’analisi testuale dei referti
disponibili nell’infrastruttura informativa. La passata
digitalizzazione della documentazione clinico-sanitaria è stata
infatti orientata prevalentemente alla gestione di informazioni
di natura testuale. Per costruire conoscenza dall’analisi
di queste enormi moli di dati – digitalizzati ma
destrutturati – si è pensato di automatizzarne
l’analisi, facendosi supportare da un applicativo di Text
Mining. Come area applicativa pilota è stata scelta
l’analisi delle diagnosi di polmonite, condotta sulla base
di quattro fonti documentali eterogenee tra loro:
– le Schede di Dimissioni Ospedaliere (SDO);
– le informazioni riportate sulla scheda polmonite relative a
pazienti con diagnosi della malattia;
– le lettere di dimissione dei pazienti;
– i referti relativi a radiografia del torace.

Il progetto ha evidenziato che nessuna delle fonti indicate,
presa singolarmente, identifica in modo esaustivo tutti i
pazienti con diagnosi di polmonite. Solo da un controllo
incrociato delle informazioni provenienti dai vari documenti sono
state individuate 12 differenti casistiche (cluster analysis)
statisticamente significative all’orientamento delle
operazioni di miglioramento dei processi di diagnosi e cura. Per
quanto attualmente il sistema funzioni solo discriminando a
posteriori e non supportando attivamente la presa di decisioni
cliniche, esso ha consentito di incrementare l’esperienza
in materia di polmoniti, aumentando il controllo sui processi di
cura ad essi relativi, la qualità dei servizi offerti al
paziente, l’appropriatezza delle decisioni cliniche prese
dal personale sanitario e – in ultima analisi – la
governance complessiva del sistema.

Articolo 1 di 5