חשיבותו של דיסורגיה בנתונים בזיהוי וטיפול בדיסוציאציות לסוכרת

הקדמה: האתגר הבלתי עקבי של מחלות סוכרת

סוכרת נותרה אחד האתגרים הבריאותיים הציבוריים הדוחקים ביותר של המאה ה-21.על פי ה-FLT:0) Centers for Disease Control and Prevention (CDC) ⁇ FLT:1, מעל 37 מיליון אמריקאים סובלים מסוכרת, וכ-96 מיליון מבוגרים יש נטייה למניעה, בעוד שהמצב משפיע על אנשים מכל תחומי החיים, הנטל אינו מופץ באופן מקרי ומיעוטים אתניים, עם תופעות בריאותיות גבוהות יותר, או פחות או יותר, או יותר, בין אנשים בעלי סיכון גבוה יותר, לבין קבוצות בריאותי משפחה, או יותר, לבין אוכלוסיות עניות, או יותר, או יותר, או יותר, או יותר, או יותר, או יותר, אם הם בעלי סיכון גבוה יותר, או יותר, או יותר, בין אזורים כפריות, לבין אוכלוסיות עניות, לבין אוכלוסיות עניות, לבין אוכלוסיות עניות, בעלי השפעות בריאותיות, או יותר, או יותר, או יותר, באזורים מסוכנים, בעלי סיכון גבוה יותר, באזורים מסוכנים, עם מחלות, עם מחלות באזורים מסוכנים, או אזורים מסוכנים, עם מחלות, באזורים מסוכנים, באזורים מסוכנים, באזורים מסוכנים, באזורים מסוכנים, אם הם בעלי סיכון גבוה יותר, או יותר, כאשר הם בעלי השפעות בריאותיות, או יותר, אם הם בעלי סיכון גבוה יותר, אם הם בעלי סיכון גבוה יותר, אם

כדי לטפל ביעילות בחוסר הצדק, מנהיגי הבריאות, קובעי המדיניות, והחוקרים חייבים לעבור מעבר לממוצעים הרחבים ולבדוק את הדפוסים המוסתרים בתוך סטטיסטיקות מצטברות.כאן FLT:0.0.D. disaregation (FLT:1) הופך הכרחי. Disaggregation הוא תהליך של פירוק נתונים בריאותיים לקבוצות חטובות יותר - על ידי גזע, גיל אתני, מין, גיאוגרפיה, רמת חיים אחרת, ושיש לפתרונות שאינם נראים לעין, עם נטולי יכולת , עם , עם שקיפות, עם נטולי יכולת נטולי נטולי יכולת , עם שקיפות, עם שקיפות, עם , עם שקיפות, עם שרידים אחרים, עם נטולי נטולי יכולת דיסוציאלכאורה, עם דיסיאה, עם נטולי דיסורד, עם למערכות יחסים, עם נטולי יכולת נטולי סיכון אחרת, עם ⁇ ⁇ .

מאמר זה חוקר את התפקיד הקריטי של פירוק נתונים בזיהוי והפחתה של פערי סוכרת.אנו נבחן כיצד פירוק מידע סמוי חושף חוסר שוויון חבוי, לדון מתודולוגיות לאיסוף וניתוח נתונים תת-קבוצות, לסקור מחקרים מוצלחים, ומתווה צעדים מעשיים לשילוב נתונים מתפוררים לאסטרטגיות בריאות הציבור.

מדוע המסכות נתונים מוגזמות

במבט ראשון, באמצעות נתונים מצטברים – כגון שכיחות ממוצעת לאומית של סוכרת – ממוצעים יכולים להיות מטעה מאוד.כאשר נתונים מוכנסים על פני אוכלוסיות מגוונות, פערים מבטלים זה את זה. לדוגמה, עיר עם שכיחות סוכרת של 10% יכול למעשה להיות שיעור 5% בשכונות לבנות חד פעמיות ושיעור 20% בקהילות שחורות בעלות הכנסה נמוכה.

נחשב להמחשה של עולם אמיתי: לאיגוד הסוכרת האמריקאי (FLT:0) 1 דוחות כי מבוגרים הודים / אlaska האינדיאנים יש השכיחות הגבוהה ביותר של סוכרת (14.7%), ואחריו שחורים לא-הירספאניים (12.5%), היספנים (11.7%), ולבנים שאינם-Hiveic (7.5%) בעוד ששיעורים לא-Hol-Hol-Hol-Hol-Hol-Hol-Hol-Hol-Hal-Hol-Holds-Holds-Halserecerecerecerecereceremegädrecereme, הם בגדר מחלה קיצונית, אם יש כמעט כפול, אפילו בקטגוריות רחבות, אפילו בקטגוריות רחבות, אפילו בקטגוריות של גזעיות.

נתונים של Aggregate גם מסתירים פערים בסיבוכים הקשורים לסוכרת, כגון קטנות נמוכות יותר, כשל בכליות, ו retinopathy. מחקרים מראים כי חולים שחורים עם סוכרת הם 3-4 פעמים יותר סביר לעבור ניכויים נמוכים יותר מאשר חולים לבנים, אפילו לאחר שליטה על חומרת מחלה וביטוח.

התפקיד של אזרחים חברתיים

פערי סוכרת אינם נקבעים מראש ביולוגית; הם מעוצבים במידה רבה על ידי גורמים חברתיים של בריאות (SDOH): הכנסה, חינוך, דיור, ביטחון תזונתי, תחבורה, גישה לבריאות. לדוגמה, אדם חי במדבר מזון עם גישה מוגבלת לייצר אתגרים גדולים יותר בניהול הסוכרת שלהם מאשר מישהו בשכונה ממוחזר היטב.

מדדים מרכזיים של דיסורגיה לנתונים לסוכרת

פירוק יעיל דורש איסוף וניתוח נתונים על פני ממדים מרובים.בעוד גזע ואתניות הם נקודות התחלה נפוצות, הם רחוק מספיק.קטגוריות הבאות רלוונטיות במיוחד להבנת פערי סוכרת:

גזע, אתניות ו Ancestry

כפי שצוין לעיל, פיזור על ידי קבוצות גזעיות ואתניות - ובאופן אידיאלי, על ידי תת-קבוצות מפורטות (למשל, מקסיקני, פורטו ריקו, סינית, וייטנאמית) - יש להשיג סיכון שונה.

מיקום גיאוגרפי

שכיחות הסוכרת משתנה באופן דרמטי על ידי האזור, המדינה ואפילו השכונה.ה-CDC של ה- CDC:0Diabetes Surveillance Systemveillance System ofFLT:1 מספקת הערכות ברמה המחוז המציגות נקודות חמות בדרום מזרח ו- Appalachia. Disaggregation by Urban, פרברין ומעמד כפרי גם משנה: תושבים כפריים עומדים בפני מחסומים מוגבלים כמו טיפול מיוחד ומרחקים ארוכים יותר.

סטטוס סוציו-כלכלה

רמת הכנסה וחינוך הם בין התחזיות החזקות ביותר של תוצאות סוכרת.אנשים בשקעי ההכנסה הנמוכים ביותר הם 2-3 פעמים יותר סיכוי שיש סוכרת מאשר אלה בראש. פיזור על ידי רמת עוני או הישגים חינוכיים מסייע לזהות אילו מגזרים סוציו-אקונומיים צריכים תמיכה ממוקדת, כגון תוכניות מסובסדת סוכרת עצמית.

גיל וסקס

שכיחות הסוכרת עולה עם הגיל, אך דפוסים הקשורים לגיל שונים על ידי מין.לדוגמה, נשים עלולות לחוות סיבוכים גדולים יותר ממחלה לב וכלי דם הקשורה לסוכרת. Disaggregating על ידי קבוצת גיל (למשל, 18-44, 45–64, 65+) וסקס מאפשר פרוטוקולי סינון מותאמים ופרוטוקולים לטיפול.

גישה רפואית וביטוח

אנשים לא מבוטחים ומסוכנים פחות סביר לקבל בדיקות רגילות, תרופות עקביות, טיפול מונע. Disaggregating נתונים סוכרת על ידי סוג ביטוח (private, Medicare, Medicaid, uninsured) מגלה כיצד מחסומים במערכת הבריאות לתרום לפירוק.לדוגמה, אנשים על Medicaid לעתים קרובות להתמודד עם מחסור ועלויות גבוהות של סיקור אפילו עם כיסוי.

שפה וגורמים תרבותיים

מיומנות אנגלית מוגבלת (LEP) קשורה לאוריינות בריאות נמוכה יותר ותוצאות סוכרת גרועות יותר. Disaggregating על ידי שפה ראשונית המדוברת יכול להנחות את הפיתוח של חומרים חינוכיים מתאימים מבחינה תרבותית ולשונית.

כיצד נתונים מפיצים Identifies מוסתרים

הכוח של פירוק הוא ביכולתו לדפוסי פני השטח שהנתונים המצטברים יטשטשו. להלן כמה דוגמאות קונקרטיות של האופן שבו התפוררות חשפה פערים קריטיים והובילה לפעולה ממוקדת.

דוגמה: גזע דיסאגציה בשיעורי סקר

מערכת בריאות קהילתית בעיר מגוונת צברה את שיעורי ההקרנה של סוכרת ומצאה כי הם היו ב 75% באופן כללי - נראה מקובל למדי.עם זאת, כאשר הנתונים היו מתפוררים על ידי גזע, חולים שחורים והיספנים היו שיעורי סינון של רק 58% ו-61%, בהתאמה, ניתוח נוסף על ידי שכונה הראה כי מרפאות בקהילות שחורות והיספניות היו פחות אירועים סקריפי שעות הפעלה קצרות יותר.

דוגמה 2: Age and Income Junction

חוקרי בריאות הציבור במדינה מערבית ניתחו את אשפוזים של סוכרת באמצעות נתונים בגילים והכנסה.הם מצאו כי מבוגרים בעלי הכנסה נמוכה בגילאי 45–64 יש שיעור אשפוז עבור קטואידוזיס סוכרת (DKA) שהיה גבוה פי שלוש מאשר עמיתיהם בעלי ההכנסה הגבוהה ביותר באותה טווח הגיל. תובנה זו הובילה לתוכנית ממוקדת המספקת גלמונים חופשיים ואימון טלמדומי לבוגרים בעלי הכנסה נמוכה.

דוגמה: שפה כגדר

מערכת בית חולים המשרתת אוכלוסייה דוברי ויאטנאמית גדולה שמה לב כי ביקורים הקשורים לסוכרת היו גבוהים משמעותית בקרב מטופלים דוברי וייטנאמית בהשוואה לחולים דוברי אנגלית, גם כאשר שולטים במורכבות רפואית. Disaggregating על ידי שפה חשפה כי תורגמו חומרי הסוכרת עצמית של סוכרת רק לעתים נדירות משום שהם לא מותאמים מבחינה תרבותית.

צעדים מעשיים ליישום דיסגירציה של נתונים

מעבר מכוונה לפרקטיקה דורש שינויים שיטתיים באיסוף נתונים, ניתוח ושימוש.הצעדים הבאים מספקים מפת דרכים עבור ארגוני בריאות, מחלקות בריאות הציבור וקבוצות קהילתיות.

1 סטנדרטיזציה איסוף נתונים דמוגרפיים

כדי לבצע פירוק מידע, אתה צריך קודם כל נתונים דמוגרפיים איכותיים, גרפינאליים.זה אומר לנוע מעבר לירידה טיפוסית של "ראצ'ה / אתניות" כי גושים את כל ההיספנים או את כל האסיאתים לקטגוריה אחת. השתמש בקטגוריות מפורטות המשקפות את האוכלוסייה המקומית - למשל, עבור חולים אסייתיים אמריקאים, כוללים תת-קבוצות כמו סינית, פיליפינית, וייטנאמית, קוריאנית, יפן, FLT: שיפור מידע רגישה, כגון: 1.

2. בנה יכולת אנליטית

דיסוגוורציה דורשת שיטות סטטיסטיות שיכולות להתמודד עם גודל מדגם קטן ללא להתפשר על פרטיות.עבור קבוצות קטנות מאוד, לשקול העלאה של נתונים לאורך זמן או באמצעות החלקה Bayesian כדי ליצור הערכות יציבות. אנליסטים נתונים של רכבת בטכניקות כגון ניתוח מגובש, רגרסציה לוגיסטית, ומודלים רב-דרגתיים.

3.יצירת ויזואליזציה שמספרת את הסיפור

נתונים בלבד אינם מספיקים; יש לתקשר ביעילות. השתמש במפות חום (פיזור גיאוגרפי), ⁇ בר מקובצים (גזע כתוצאה מהתוצאה), וטבלאות מקודמות כדי להדגיש פערים.דboards המאפשרים למשתמשים לסנן על ידי דמוגרפים יכולים להעצים מקבלי החלטות.פרויקט PLACES של CDC הוא מודל מצוין: הוא מספק הערכות ברמה של סוכרת ותנאים כרוניים אחרים, מתפוררים על ידי גזע עוני ועוני.

4 קהילות בפרשנות

פירוק נתונים לא צריך לקרות בתוך ואקום. מעורבים חברי הקהילה ומנהיגים אמינים בפרש הממצאים ופתרונות מעוצבים במשותף.החוויה שלהם בחיים מספקת ההקשר שמספרים גולמיים לא יכולים להעביר.לדוגמה, לוח ייעוץ קהילתי עשוי להסביר כי שיעורי ההקרנה נמוכים בקוד מסוים של Zip נובעים מחוסר תחבורה, לא חוסר מודעות.

5.קישור נתונים לפעולה

דיסוגציה היא רק בעלת ערך אם היא מובילה לשינוי. לפתח תהליך ברור להתבררות להתערבות בלתי-מתפעולית.זה עשוי לכלול הקצאת משאבים (מימון, צוות, ציוד) לאזורים ששומרים, חידוש פרוטוקולים קליניים (למשל, המציע טיפול ביתי לחולים בעלי בית), או מיקוד לשינוי מדיניות (למשל, הרחבת Medica כדי לעקוב אחר מטרות חד-זמנית).

מעבר לגדרות לדיסוגציה

למרות היתרונות שלה, פירוק נתונים עומד בפני כמה אתגרים.הכרה והתמודדות עם מכשולים אלה היא חיונית ליישום מתמשך.

איכות נתונים ושלמות

מערכות בריאות רבות אינן שלמות או בלתי עקביות נתונים דמוגרפיים.מטופלים עשויים להיות רשומים כ"בלתי ידועים" או "אחר" עבור גזע / אתניות.FLT:0.Invest in Training forרישום TeamsFLT:1 ולהשתמש ברשומות בריאות אלקטרוניות כדי לאסוף נתונים באמצעות שאלות מאומתות, סטנדרטיות.

גודל ועניין הפרטיות

כאשר הנתונים מתפרקים לקבוצות קטנות רבות, מספרים עבור תאים מסוימים עשויים להיות קטנים מדי לדווח ללא סיכון זיהוי של אנשים.במקרים כאלה, מצטברים לאורך זמן (למשל, לשלב מספר שנים של נתונים) או להשתמש בקטגוריות רחבות יותר (למשל, לשלב כמה קבוצות פרטיות אסיאתיות קטנות) ודאגו ל > לא לפרסם מספר קבוצות פרטיות קטנות/R=>>>> לא לפרסם מספר קבוצות פרטיות קטנות/R=R=R.com/R. t>>>>>>>>>>>>>>>>>>>>>>>לא>>>>>>>>>>לא>>>>>>>>>>>>>לא תערוב תאימות עם >>>>>

התנגדות לפירוק מודע

ארגונים מסוימים עשויים להיות מסרבים להדגיש פערים כי הם חוששים נזק מוניטין או חשיפה משפטית.עם זאת, שקיפות היא אבן הפינה של הון בריאות. פרעון פערים כנושא מערכתי (לא כשל של ספקים בודדים) וחיזוק המשימה של טיפול שוויוני יכול לעזור להתגבר על ההתנגדות. יוזמות מוצלחות רבות חלקו בפומבי את הנתונים המבוזרים שלהם כמחויבות לשיפור.

המונחים: constraints

פיזור משמעותי דורש זמן, מומחיות וטכנולוגיה. עבור ארגונים קטנים יותר, שותפויות עם מוסדות אקדמיים או סוכנויות בריאות הציבור יכול לספק תמיכה אנליטית.בנוסף, באמצעות נתונים ברמה המדינה (למשל, סקרי מחלקת בריאות המדינה) יכול להשלים נתונים פנימיים.ההשקעה מוצדקת על ידי פוטנציאל להפחית סיבוכים יקרים, למנוע ולשפר את בריאות האוכלוסייה.

מחקרים: סיפורי הצלחה בסוכרת

מקרה מחקר: מחלקת הבריאות של ניו יורק A1c Registry

מחלקת הבריאות וההיגיינה המנטלית של ניו יורק יצרה רישום A1c לאנשים עם סוכרת, המקשר תוצאות מעבדה עם דמוגרפים שכנים.על ידי פירוק על ידי הרובע ורמת העוני בשכונה, המחלקה זיהתה כי ממוצעי A1c הגבוהים ביותר מרוכזים בדרום ברונקס ומרכז ברוקלין - הם עם עוני גבוה ואוכלוסיות שחורות וגדולות.

מקרה מחקר 2: מניעת סוכרת אינדיאנית באוקלהומה

שירות הבריאות ההודי של אוקלהומה השתמש בנתונים מתפוררים על ידי שבט לזהות את האומה הצ'ירוקה כבעלת שיעור סוכרת גבוה במיוחד בהשוואה לקבוצות שבטיות אחרות במדינה.שותפות עם מנהיגים שבטיים, הם פתחו תוכנית תרבותית מותאמת "תוכנית מניעת מחלות" המשלבת שפה צ'ירוקה, מזונות מסורתיים ותמיכה בקהילה. A disaggregated Assessment הראה כי המשתתפים איבדו בממוצע 5% של משקל גוף, ולהפחית את התאונות החדשות על ידי מקרים של המחלה.

מקרה מחקר 3: הקיסר הקבוע של גזע-איכות ממונעת

קייזר קבע, מערכת בריאות משולבת גדולה, החל לחדד את מדדי האיכות שלה (למשל, סוכרת שליטה, בחינות טינה, בחינות רגל) על ידי גזע, אתניות, שפה באמצע שנות ה-2000. בתחילה, הנתונים הראו כי חברים שחורים והיספנים היו פחות צפויים לפגוש את מטרות השליטה של סוכרת.בתגובה, שיפורים במערכת, כולל שיחות גזעיות ספרדית, מותאמים ל מרפאות עשירות, אפילו ב טריליון דולר, 000 מרפאות, 000 מרפאות גבוהה, היו מעורבים ב מרפאות, 000 מרפאות, 000 מרפאות, 000 מרפאות, 000 מרפאות, 000 מרפאות, 000 מרפאות, 000 מרפאות מרפאות מרפאות .

שכפול מדיניות: כיצד נתונים ממורמרים יכולים לעצב חקיקה

פיזור נתונים אינו רק כלי לספקי שירותי בריאות; הוא גם מודיע החלטות מדיניות בעלות השפעה גבוהה.לדוגמה, חוק מניעת הסוכרת ובקרה ברמה הפדרלית יכול להיות ממוקד יותר אם נדרש לניתוק דיווח על ידי תת-קבוצות בסיכון גבוה. בדומה לכך, כך שתוכניות Medicaid יכולות להשתמש בנתונים מתפוררים כדי ליצור מודלים של תשלום מבוסס ערך, אשר מתגמלות הצלחה בצמצום של קבוצות תת-קבוצות: 1.

מדיניות יכולה גם לטפל בתשתיות נתונים.חוק התרופות של המאה ה-21 וחילופי מידע אזוריים של בריאות (HIEs) יכול להגדיל את אוסף של סטטיסטיקות חברתיות סטנדרטיות של נתונים בריאותיים, כולל גזע, אתניות ושפה. כמה מדינות, כמו קליפורניה ווושינגטון, העבירו חוקים המחייבים פיזור נתונים לבריאות עבור אוכלוסיות אסיה ואינדיאנים/פסיפיק יותר.

מסקנה: מהנתונים ל Equity

פערי סוכרת הם דוגמה בולטת לאופן שבו אי-שוויון מערכתי מתבטא בתוצאות הבריאות.אבל, פערים אלה אינם בלתי נמנעים.דיסוגציה נתונים היא עדשה רבת עוצמה המחשוף את קווי המתאר המדויקים של אי-שוויון, המאפשרים פעולות ממוקדות ויעילות.זה מעביר אותנו מעבר לתהילה של אחידות וכיוון טיפול מותאמים אישית, קהילתי.

אבל נתונים לבד אינם מספיקים.יש לקשור רצון פוליטי, מעורבות קהילתית ומשאבים מתמשך.ארגוני בריאות אשר מאמצים פירוק - ותחייבו לפעול על מה שהם מוצאים - יהיו יותר ממוצבים כדי להפחית את הסיבוכים, לשפר את איכות החיים, ולהציל חיים על פני קבוצות דמוגרפיות.הדרך לשוויון בריאות מתחילה בראייה ברורה.

אם הארגון שלך עדיין לא שילב נתונים מפורקים לטיפול בסוכרת, להתחיל קטן.בחר מימד אחד - גזע, אתניות או קוד מיקוד - ולבחון אחד מדד מפתח, כגון A1c שליטה או ניצול מחלקה חירום. אתה יכול להיות מופתע על ידי מה שאתה מגלה.ופעם אתה רואה את הפער, אתה יכול להתחיל לטפל בו כל צעד לעבר גרניטרית הוא צעד לעבר צדק.