Selon une étude menée par Beth Israel Deaconess Medical Center publiée dans NEJM Catalys Innovations in Care Delivery, la pandémie COVID-19 a fondamentalement perturbé les organisations de santé américaines. Les hôpitaux ont été confrontés à des pénuries de médicaments et d'appareils et ont créé de nouvelles unités de soins intensifs du jour au lendemain. Les plans de soins ont évolué par nécessité et les systèmes de flux de patients soigneusement conçus dans les hôpitaux ont été améliorés.
Les chercheurs proposent d'utiliser la science de la complexité, un domaine concerné par la compréhension de systèmes dynamiques et imprévisibles, tels que le cerveau humain, les économies ou les climats, pour identifier les stratégies que les organisations de soins de santé peuvent utiliser pour mieux répondre à la pandémie en cours et pour anticiper les défis futurs de la prestation des soins de santé.
Selon les chercheurs, les principes de la science de la complexité offrent trois stratégies que les leaders de la santé peuvent utiliser pour gérer les opérations pendant la pandémie COVID-19, soit engager des perspectives diverses dans les équipes de direction, rester ouvert à de nouvelles mesures et créer des outils de prévision qui reflètent des systèmes de santé complexes.
Les chercheurs suggèrent d'élargir le nombre de voix à entendre et d'inclure des représentants des patients et / ou de la communauté, des médecins de disciplines qui peuvent être plus tangentiellement liées à la crise actuelle, ou du personnel clinique et opérationnel de les communautés touchées de manière disproportionnée par la pandémie aux équipes d'intervention en cas de crise
L'identification d'un plus large éventail de mesures pertinentes peut également élargir la vision des dirigeants du système complexe. À titre d'exemple, les chercheurs mentionnent que les données démographiques des patients étaient une variable largement non déclarée au début de la pandémie, avant que les médecins aient une idée claire du lien étroit entre la race, l'appartenance ethnique et d'autres facteurs socioéconomiques au risque de contracter et de mourir de la COVID-19.
Les chercheurs suggèrent également que les outils de prévision doivent vraiment refléter les réalités complexes de la pandémie de COVID-19. Pour créer un modèle qui le fasse, ces derniers ont utilisé l'apprentissage automatique pour extraire des données pertinentes de chacun des 13 hôpitaux et des trois unités commerciales qui composent le système de santé Beth Israel Lahey, plutôt que de dépendre de rapports publiés en Chine ou en Italie. Ensuite, ils ont ajouté au modèle des données de téléphone portable locales accessibles au public, révélant combien de personnes se déplaçaient et interagissaient avec d'autres personnes. Prises ensemble, ces sources de données, reflétant à la fois l'évolution des politiques locales de santé publique et l'évolution des nouvelles normes sociales de comportement au fur et à mesure que la pandémie se développait, ont contribué à un modèle capable de fournir des prévisions opportunes et localement pertinentes.
Aucun commentaire:
Enregistrer un commentaire