ارزش گردآوری داده‌ها

در این نوشته که از سایت تبلو گرفته شده است، از چند تن از اعضای هیئت مشورتی شرکت تبلو در مورد درس‌هایی که از داده ها در دوران همه گیری کرونا گرفته اند سوالاتی پرسیده شده است، که ما فکر کردیم واندن نظرات و درس‌های آن‌ها برای مخاطبین آماتک که اهمیت داده را به خوبی درک کرده‌اند و یا به دنبال داده محور کردن سازمان خود هستند خالی از لطف نیست.

ابتدا جمله‌ای را از دکتر Francis X. Campion ببینیم:

در آینده، من انتظار دارم که سیستم ارائه سلامت و سیستم های بهداشت عمومی با ابتکارات چرخه سریع داده ها در مقیاس بزرگ بیشتر به هم مرتبط شوند

اخیراً از آماندا ماکولک، راباه کمال، فرانسیس ایکس، کمپیون، اعضای هیئت مشورتی Tableau پرسیدیم که به نظر آن‌ها بزرگ‌ترین درس‌های داده‌ای که از آغاز همه‌گیری ویروس کرونا آموخته‌اند، چیست. آموخته‌ها هم عملی و هم بحث برانگیز بود. از ضرورت اعتماد گرفته تا قدرت همکاری چند رشته تا پرداختن به محدودیت‌های داده‌ها که منجر به اطلاعات نادرست و نابرابری می‌شود.

دکتر Francis X. Campion به عنوان پیشرو اصلی در سلامت دیجیتال در شرکت MITER، به طور مستقیم مشاهده کرده است که چگونه داده‌ها می‌توانند بر مراقبت و درمان بیمار تاثیر بگذارند. در طول همه‌گیری کرونا، جامعه علمی و بهداشت عمومی مجبور شدند با استفاده از بهترین داده‌های موجود تصمیم بگیرند. به عنوان یک پزشک، این فرآیندی است که ما هر روز در مراقبت از بیماران استفاده می‌کنیم، تصمیمات درمانی در مورد استفاده از داروها و جراحی برای درمان افراد را می‌گیریم و همیشه منافع و مضرات بالقوه را ارزیابی می‌کنیم. در طول همه‌گیری، این فرآیند در مقیاسی بزرگ فشرده شده است. در این بحران، دکتر کمپیون نگرش‌ها و شیوه‌های جدیدی را در مورد داده‌ها مشاهده کرده است. مطالب بیشتری را از او ببینیم:

همکاری و اعتماد ضروری است. ما مجبور شده ایم فرآیند علمی را در یک بازه زمانی بسیار کوتاه فشرده کنیم و همچنین سیاست گذاری‌های عمومی و عملکرد علمی را تسریع ببخشیم. این موارد نیاز به همکاری و اعتماد دارد. ما به سرعت مراقبت‌های بهداشتی برای کرونا را ایجاد کردیم تا از اراده و استعداد مردم و مؤسسات برای حل مشکلات با همکاری هم، بر اساس بهترین داده‌های موجود استفاده کنیم.

داده های موجود را می توان به روش های جدیدی برای بهبود نتایج استفاده کرد. در تجزیه و تحلیل مدل‌های سنتی، ما باید شش ماه یا بیشتر برای پخش اطلاعات صبر کنیم. در طول همه‌گیری، ما توانسته‌ایم در زمان تقریباً واقعی از گسترش و توزیع سلامت از راه دور، در تمام 50 ایالت در زمان بی‌سابقه گزارش دهیم. ما داده‌های بیماران را بین زمانی که از مطب پزشک خارج می‌شود و قبل از رسیدن به شرکت بیمه جمع‌آوری و تجزیه و تحلیل کردیم.

ابتکارات تحقیقاتی فدرال می‌تواند بینش‌های سریع‌تری ایجاد کند. ما «داده‌های دنیای واقعی» را از پرونده‌های الکترونیک سلامت از بیمارستان‌های سراسر کشور جمع‌آوری کردیم و بین بزرگترین شرکت‌های ثبت الکترونیک سلامت در کشور همکاری ایجاد کردیم. اینکار به منظور ایجاد تعاریف داده‌ها و ایجاد «پروتکل‌های تحقیقاتی فدرال» برای به دست آوردن سریع دانش در مورد اثربخشی درمان های COVID-19 انجام گرفت.

آینده شامل ابتکارات داده های بزرگتر و هماهنگی عمیق تر بین سیستم های بهداشت عمومی و خصوصی است. در آینده، من انتظار دارم که سیستم ارائه سلامت و سیستم های بهداشت عمومی با ابتکارات چرخه سریع داده در مقیاس بزرگ بیشتر به هم مرتبط شوند. استفاده از هوش مصنوعی و ML در مجموعه داده های بسیار بزرگ از طریق این همکاری ها امکان پذیر خواهد بود. همچنین انتظار دارم که کشف درمان‌های جدید و ایجاد داروها، واکسن‌های جدید و استفاده مجدد از درمان‌های موجود برای اهداف جدید با این پیشرفت‌ها در علم داده تسریع شود.

منبع:tableau.com