Table of Contents

Въведение: Постоянното предизвикателство на диабета

Захарният диабет остава едно от най-неотложните предизвикателства пред общественото здраве на 21-ви век. Според Центърът за контрол и превенция на заболяванията (CDC), над 37 милиона американци имат диабет, а приблизително 96 милиона възрастни имат преддиабет. Докато състоянието засяга хората от всички сфери на живот, тежестта не е равномерно разпределена. Расовите и етнически малцинства, лицата с по-нисък социално-икономически статус и хората, живеещи в селските или слабо обслужваните райони, постоянно изпитват по-високи нива на непокрити места, по-големи усложнения и по-лоши резултати. Тези различия, които могат да бъдат избегнати в здравните резултати между групите на населението, не са случайни; те отразяват дълбоко вкоренени структурни влошества в здравния достъп, социалните и системните различия.

За да се справят ефективно с тези неточности, лидерите на здравеопазването, неофициалните, и изследователите трябва да преминат отвъд широките средни стойности и да разгледат нюансите, скрити в рамките на обобщената статистика. Това е мястото, където данни, които не са необходими, стават незаменими. Дисагрегацията е процесът на разбиване на здравните данни в фини подгрупи, етническите, възраст, пол, доходи, образование и други променливи, за да се разкрият неточности, които иначе биха останали невидими. Без тази обособена леща, интервенциите рискуват да бъдат завита решения, които не достигат до населението, най-много в нужда.

Тази статия изследва критичната роля на разбивката на данните при идентифицирането и намаляването на различията в диабета. Ще разгледаме как разделянето излага скритите неточности, обсъжда методиките за събиране и анализиране на данни от подгрупите, преглежда успешните проучвания по случая и очертава практически стъпки за интегриране на разпределени данни в стратегиите за общественото здраве.

Защо съставили маските за данни

На пръв поглед, използвайки обобщени данни, като например средното за страната неточност на диабета, което изглежда ефективно. Средните стойности обаче могат да бъдат дълбоко подвеждащи. Когато данните са събрани в различни популации, различията се анулират взаимно. Например, град с 10% разпространение на диабета като цяло може да има 5% процент в богати бели квартали и 20% процент в ниското качество на черни общности.

Помислете за илюстрация в реалния свят: Американската асоциация за диабет съобщава, че американските индийци/Аляска коренните възрастни имат най-високото възрастово-коригирано разпространение на диабет (14,7%), последвано от нехиспански чернокожи (12,5%), Хиспаниката (11,7%), и нехипаническите бели (7,5%) Макар че тези разпределени проценти са тревожни, средната национална стойност би прикрила тежкото бреме върху коренното и чернокожите общности. Освен това, дори и в широките расови категории, има значителни различия. Например сред испанските подгрупи, пуерториканците имат разпространение на диабета почти двойно по-голямо от това на кубинците.

Обобщените данни също крият различия в усложненията, свързани с диабета, като например ампутации на долните либиди, бъбречна недостатъчност и ретинопатия. Проучванията показват, че чернокожите пациенти с диабет са 3 ... 4 пъти по-вероятно да преминат през ампутации на долните либиди, отколкото белите пациенти, дори след контролиране на тежестта на заболяването и застрахователното състояние. И все пак, болница, която проследява само общите ставки на ампутация, не могат да идентифицират тази дълбока недялост.

Ролята на социалните определящи

Неравновесието между диабета не е предопределено по биологичен начин; те са силно оформени от социалните детерминанти на здравето (СОСО): доходи, образование, жилищно настаняване, продоволствена сигурност, транспорт и достъп до здравеопазване. Например, човек, който живее в пустиня с ограничен достъп до пресни продукти, се сблъсква с по-големи предизвикателства при управлението на диабета си, отколкото някой в добре обезпечен квартал. Дисагрегирането на данни чрез пощенски код или система за преброяване на населението често разкрива, че разпространението на диабет и усложнение клъстер в райони с висока бедност и нисък достъп до първична грижа.

Основни размери на дисагрегацията на данните за диабет

Ефективното разпределение изисква събиране и анализиране на данни в различни измерения. Докато расата и етническата принадлежност са общи изходни точки, те са далеч от достатъчни.

Раса, Външност и Предсказуемост

Както беше отбелязано по-горе, от расови и етнически групи и в идеалния случай от подробни подгрупи (напр. мексикански, пуерторикански, китайски, виетнамски) го разкрива диференциален риск. Генетични фактори, като по-високи нива на инсулинова резистентност в някои популации, взаимодействат със социални и екологични фактори. Системата данни трябва да събира обобщени данни за етническата принадлежност, за да се даде възможност за смислен анализ.

Географско местоположение

CDC . CDC . Diabetes Observation System предоставя оценки на областното ниво, които показват горещи точки в Югоизточна и Апалакия. Дисагрегацията от градски, крайградски и селски статус също има значение: селските жители се сблъскват с бариери като ограничена специална грижа и по-дълги разстояния за пътуване.

Социално-икономически статус

Доходността и образованието са сред най-силните предсказуеми резултати от диабета. Хората в най-ниските подсказки на доходите са 2 ... 3 пъти по-вероятно да имат диабет от тези на върха. Разсейването от нивото на бедност или образователните постижения помага да се определи кои социално-икономически сегменти се нуждаят от целева подкрепа, като например субсидирани програми за самоуправление на диабета.

Възраст и пол

Недостигът на диабет се увеличава с възрастта, но възрастовите модели се различават по пол. Например, жените могат да изпитат по-големи усложнения от сърдечно-съдови заболявания, свързани с диабет. Дисагрегирането по възраст група (напр. 18 .44, 45 .64, 65+) и пол дава възможност за персонализирани скрининг препоръки и протоколи за лечение.

Здравеопазване и здравно осигуряване

Неосигурени и неосигурени лица са по-малко вероятно да получават редовно скрининг, последователни лекарства, и превантивни грижи. Диспагирането на данни за диабет по вид застраховка (частен, Медикаре, Медикане, Медикамент, неосигурен) разкрива как бариерите на здравната система допринасят за различията. Например, хората на Медикайд често се сблъскват с недостиг на доставчици и високи разходи извън джоба дори с покритие.

Език и културни фактори

Ограничената английска професионална подготовка (LEP) е свързана с по-ниска здравна грамотност и по-лоши резултати от диабета. Разграничаването на езика на първичните езици може да ръководи развитието на културни и езикови подходящи образователни материали и услуги за преводач.

Как разсекретените данни идентифицират скритите несъответствия

По-долу са няколко конкретни примера за това как разделянето е разкрило критични различия и е довело до целенасочени действия.

Пример 1: Разпадане на расата в нивата на скрининг

Въпреки това, когато данните бяха невалидни от раса, пациентите с черен и испански произход са били подложени на скрининг съответно от 58% и 61%. По-нататъшният анализ от квартала показа, че клиниките в предимно черно и испанско общество имат по-малко прожекционни събития и по-къси работни часове. Това накара здравната система да разполага с мобилни прожекционни единици и да продължи вечерните часове в тези области, като повиши цените на прожекциите с 20% в рамките на една година.

Пример 2: Пресечна точка между възраст и доходи

Те открили, че нискодоходните възрастни на възраст 45 .64 години са хоспитализирани за диабетна кетоацидоза (DKA), която е три пъти по-висока от техните по-високи доходи връстници в същия възрастов диапазон. Това прозрение доведе до целева програма, осигуряваща безплатни глюкометри и телемедицина треньор за нискодоходни възрастни на средна възраст. DKA приемите са намалели с 35% в интервенционната група за 18 месеца.

Пример 3: Езикът като бариера

Болничната система, обслужваща голяма виетнамска говореща популация, забелязала, че посещенията на отдел за спешна помощ, свързани с диабет, са значително по-високи сред виетнамските говорещи пациенти в сравнение с англоговорещи пациенти, дори когато контролират медицинската сложност. Разграждането по език показва, че преведените материали за самоуправление на диабета рядко са използвани, защото не са били културни пригодени. В отговор, болницата е наела двуезични здравни работници и е развила видеобазирано образование във Виетнам, което води до 25% намаляване на ЕД посещенията сред тази популация.

Практически стъпки за изпълнение на дисагрегацията на данните

Преминаването от намерение към практика изисква системни промени в събирането, анализа и използването на данни.

1. Стандартизиране на колекцията от демографски данни

За да се изпълните, първо се нуждаете от висококачествени, зърнести демографски данни. Това означава, че се придвижвате отвъд типичните по-ниски нива на !Раса/Етносност, които забиват всички испанци или всички азиатци в една категория. Използвайте подробни категории, които отразяват местното население .е., за азиатски американски пациенти, включват подгрупи като китайски, филипински, индийски, виетнамски, корейски, японски. [Колектирани данни за допълнителни променливи като доходи, образование, първичен език и пощенски код. Уверете се, че събирането на данни се извършва по културно чувствителен начин; обяснете на пациентите защо тази информация е важна за подобряване на грижата.

2. Изграждане на аналитичен капацитет

За много малки подгрупи, да се разгледа натрупването на данни с течение на времето или използването на Bayesian изглаждане, за да се генерират стабилни оценки. Анализаторите на данни на влаковете в техники като стратифициран анализ, логистична регресия и многостепенно моделиране. Инструменти с отворен код като R и Python, комбинирани с пакети за оценка на малки площи, са безценни.

3. Създаване на визуализации, които разказват историята

Само данните не са достатъчни; те трябва да бъдат съобщени ефективно. Използвайте карти за топлина (географско криптиране), групирани бар карти (растеж по резултат), и стратифицирани таблици, за да подчертае различията. Дашбордове, които позволяват на потребителите да филтрират чрез демографските решения могат да овластят лицата, вземащи решения. Проектът CDC по CDC ESTOS е отличен модел: той осигурява оценка на нивото на разпространение на диабета в окръга и други хронични условия, онеправдани от раса и бедност.

4. Да се ангажират общностите в тълкуването

Включете членове на общността и доверени лидери в тълкуването на констатации и съвместно проектиране решения. Техният опит в живота осигурява контекст, който не може да се предаде на суровите числа. Например, общински консултативен съвет може да обясни, че ниските нива на скрининг в определен пощенски код се дължат на липса на транспорт, а не на несъзнателност.

5. Връзка с данните за действие

Разграждането е ценно само ако води до промяна. Разработване на ясен процес за превръщане на установените различия в действия. Това може да включва разпределяне на ресурси (финансиране, персонал, оборудване) в недостатъчно обслужвани райони, преразглеждане на клиничните протоколи (напр. предлагане на домашни грижи за пациенти, живеещи в къщи), или насърчаване на промяна на политиката (напр. разширяване на медицинските грижи за покриване на програми за обучение по диабет). Задаване на измерими цели и проследяване на напредъка с течение на времето, използвайки същите определени данни.

Преодоляване на бариерите пред дисагрегацията на данните

Въпреки ползите си, разпределението на данните е изправено пред няколко предизвикателства. Признаването и справянето с тези пречки е от решаващо значение за устойчивото прилагане.

Качество на данните и пълнота

Много здравни системи имат непълни или непоследователни демографски данни. Пациентите могат да бъдат записани като гоненица или гол. за раса/етничност. Инвестирайте в обучението за персонал за регистрация и използвайте електронни здравни записи подканя да събира данни, използвайки валидирани, стандартизирани въпроси. За доходи или образование, които са по-чувствителни, използвайте сурогатни мерки като например характеристиките на квартала, получени от преброяването (базирани на площ мерки), когато отделните данни са недостъпни.

Размер на пробата и опасения за поверителност

Когато данните се разбиват на много малки подгрупи, броят на някои клетки може да бъде твърде малък, за да се отчита без да се рискува идентифицирането на отделни лица. В такива случаи, сумиране с течение на времето (напр., комбиниране на няколко години данни) или използване на по-широки категории (напр., комбинират няколко малки азиатски подгрупи).

Съпротива срещу признаване на несъгласия

Някои организации може да не са склонни да подчертават различията, защото се страхуват от вреди на репутацията или от правна експозиция. Въпреки това прозрачността е крайъгълен камък на здравния капитал. Разнообразяването на различията като системен въпрос (не провал на отделни доставчици) и засилването на мисията за справедливи грижи може да помогне за преодоляване на съпротивата. Много успешни инициативи публично споделят своите разпределени данни като ангажимент за подобряване.

Ограничения на ресурсите

За по-малките организации, партньорствата с академични институции или агенции за обществено здраве могат да осигурят аналитична подкрепа. Освен това, използването на данни на държавно ниво (напр. проучвания на Държавния здравен департамент) може да допълни вътрешни данни. Инвестицията е обоснована от потенциала за намаляване на скъпоструващите, предотвратими усложнения и подобряване на здравето на населението.

Изследвания на случаи: Успехи при дисагрегацията на данните за диабета

Проучване на случая 1: The NYC Health Department A1c Registry

Ню Йорк Сити (Ню Йорк) Отделът за здравеопазване и психично здраве създаде регистър A1c за хора с диабет, свързващ лабораторните резултати с квартални демографски данни. Като се придвижи до квартални и квартални равнища на бедност, отделът установи, че най-високите средни стойности на A1c са концентрирани в южния Бронкс и централните Бруклин (Бруклин) с висока бедност и големи черно-испански популации. Отделът тогава е наел здравни работници в тези квартали, предлагайки курсове за самоуправление и координирани грижи за диабет. [ След три години средното A1c в тези квартали намалява с 0,5 процентни пункта, надвишавайки подобренията в по-богатите райони.

Проучване на случая 2: Натурален американски профилактика на диабета в Оклахома

Индийската здравна служба използва данни от племето, за да идентифицира Чероки нацията като особено висока степен на диабет в сравнение с други племенни групи в държавата. Партньорство с племенни лидери, те стартираха културно невалидна програма за превенция на диабетите, която включи Cherokee език, традиционни храни и обществена подкрепа. A . . A . оценка показа, че участниците са загубили средно 5% от телесното тегло, и програмата намали нови случаи на диабет с 28% за две години. Успехът се обгръща с данни, които определят кои племенна общност се нуждае най-много.

Проучване на случая 3: Kaiser Permanent nees Race-Stratified Quality Metrics

Кайзер Перманенте, голяма интегрирана здравна система, започва да стратификация на своите качествени показатели (напр., контрол на диабета, изпити за ретината, изпити за крака) по раса, етническа принадлежност и език в средата на 2000-те години. Първоначално данните показват, че черно-испанските членове са значително по-малко склонни да отговарят на целите за контрол на диабета. В отговор Кайзер реализира системни подобрения, включително информационни разговори в испански, културно адаптирани хранителни консултации, и осигуряване на високопроизводителни клиники са равномерно разпределени в квартали. През десетилетие расовата разлика в контрола на диабета се стеснява от 10% до 3%. Ключът е редовен, публично докладвани раздадени данни държат отговорни лидери.

Политически усложнения: Как може да се оформя законодателство, което може да се промени

Например Законът за предотвратяване и контрол на диабета може да бъде по-добре насочен, ако изисква разбивка на данните от високорискови подгрупи. Също така държавните програми за медицински грижи могат да използват разпределени данни, за да създадат модели за плащане на база стойност, които да награждават успеха при намаляване на различията. Национален доклад за статистиката на диабета от ЦКЗ вече предоставя някои данни от подгрупите, но по-голяма степен на точност (напр. от азиатските подгрупи) ще позволи на държавите да разпределят финансирането по-ефективно.

Политиката може да се обърне и към инфраструктурата за данни. Законът за прочистването на 21-ви век и регионалният обмен на здравни данни (HIEs) могат да стимулират събирането на стандартизирани социални детерминанти на здравни данни, включително раса, етническа принадлежност и език. Някои държави, като Калифорния и Вашингтон, са приели закони, изискващи разделяне на здравни данни за населението на Азиатски Америка и Народен Хавайски острови. Тези законодателни действия създават добродетелен цикъл: по-добри данни водят до по-добри интервенции, които от своя страна генерират данни, които могат да се застъпват за продължаване на инвестициите.

Заключение: От данни до собствен капитал

Неравновесието между диабета е един от най-ясните примери за това как системните неточности се проявяват в здравните резултати. И все пак, тези различия не са неизбежни. Разделянето на данни е мощен обектив, който разкрива точните контури на недяловността, позволявайки целенасочени, ефективни действия.

Но данните сами по себе си не са достатъчни. Тя трябва да бъде съчетана с политическа воля, ангажираност на общността и устойчиви ресурси. Здравните организации, които прегърнат и се ангажират да действат по това, което те намират ще бъдат по-добре разположени за намаляване на диабет усложнения, подобряване на качеството на живот, и да спаси животи в демографски групи. Пътят към здравето капитал започва с ясно виждане.

Ако организацията ви все още не е интегрирала данните в диабетната грижа, започнете с малки. Изберете едно измерение на пъстрата раса, етническа принадлежност или пощенски код . Изберете един ключов метрични, като например контрол на A1c или спешни отдел използване. Може да се изненадате от това, което откриете. И след като видите несъответствието, можете да започнете да се обръщате към него.