{{{sourceTextContent.title}}}

DiMe veröffentlicht Toolkits zur Unterstützung der Skalierung von Wearables und Fernüberwachung von Patienten

{{{sourceTextContent.subTitle}}}

Die Toolkits basieren auf dem Projekt Sensor Data Integrations der Digital Medicine Society, an dem Organisationen wie Amazon Web Services, Oracle, das Moffitt Cancer Center, Takeda und das U.S. Department of Veterans Affairs beteiligt sind.

{{{sourceTextContent.description}}}

Die Digital Medicine Society (DiMe) hat am Montag vier Toolkits vorgestellt, die Organisationen im Gesundheitswesen und in der Biowissenschaft dabei helfen sollen, Daten von Sensoren wie Wearables und Fernüberwachungssystemen für Patienten in großem Umfang zu nutzen

Die vier Toolkits basieren auf Ressourcen, die aus dem Sensor Data Integrations-Projekt der Gesellschaft stammen, an dem Organisationen wie Amazon Web Services, Oracle, das Moffitt Cancer Center, Takeda und das U.S. Department of Veterans Affairs beteiligt sind.

Jennifer Goldsack, CEO von DiMe, erklärte gegenüber MobiHealthNews, dass das erste Kit eine logische Datenarchitektur bietet, die als Blaupause für Gesundheitsorganisationen beim Aufbau ihrer digitalen Tools dienen soll. Es enthält Referenzarchitekturen, die zeigen, wie es erfolgreich implementiert werden kann, Best Practices für Datenschutz und Sicherheit sowie ein Design-Tool, mit dem Benutzer den Datenfluss abbilden können.

Die anderen Toolkits bieten eine Datenbank mit Standards in verschiedenen Regionen und für verschiedene Verwendungszwecke, Ressourcen, die Organisationen bei der Ermittlung ihrer Kapazitäten und ihres Personalbestands helfen, sowie ein Implementierungs-Toolkit mit einer Schnellstartanleitung und einem Prioritätenrechner

Laut Goldsack ist der Einsatz von Sensoren in der Patientenversorgung nicht unbedingt eine technologische Herausforderung, wohl aber eine Frage der Umsetzung. Das Feld ist noch relativ neu, und es gibt eine Vielzahl von Einzellösungen, die sich nicht ohne weiteres skalieren lassen

"Es spielt keine Rolle, ob jeder einzelne der Patienten, denen Sie dienen sollen, diese Technologien nutzt und ob er ihnen vertraut. Und in der Tat, Sie vertrauen ihnen", sagte sie. "Aber wenn man dann nicht auf diese Daten zugreifen kann, um rechtzeitig eine Entscheidung zu treffen, sind sie nicht wertvoll. Das sind also die drei Vektoren, über die wir oft sprechen: Zugänglichkeit, Zuverlässigkeit und Vertrauenswürdigkeit."

WARUM ES BEDEUTEND IST

Wenn Organisationen Sensordaten effektiv nutzen wollen, ist ein logischer klinischer Arbeitsablauf erforderlich, so Goldsack. Im Gesundheitswesen herrscht bereits ein Mangel an Ärzten und Krankenschwestern, und viele Anbieter sind nach mehr als zwei Jahren Kampf gegen die COVID-19-Pandemie ausgebrannt.

"Sie haben einen vollen Terminkalender mit Besuchen. Am Ende des Tages müssen sie dann noch die ganzen Krankenblätter ausfüllen. Jetzt müssen sie auch noch ein Patientenportal verwalten und auf die ganze asynchrone Kommunikation reagieren", sagt sie

"Wollen wir wirklich von ihnen verlangen, dass sie ein Dashboard nach dem anderen für jeden einzelnen ihrer Patienten durchgehen, der die Sensortechnologie nutzt? Das funktioniert nicht. Wenn Kliniker in unserer Branche derzeit so kostbar sind, ist das eine grundsätzlich inakzeptable Prämisse"

DER GRÖSSERE TREND

Eine Reihe von Start-ups konzentrieren sich auf die Fernüberwachung von Patienten, darunter Biofourmis, Athelas, Alio und VitalConnect.

Dies ist auch nicht das erste Toolkit von DiMe. Es hat bereits Ressourcen zu digitalen Endpunkten für die Forschung und effektive Übergänge von der Virtual-First-Care veröffentlicht. Laut Goldsack baut die Arbeit zur Integration von Sensordaten auf den früheren Bemühungen von DiMe auf.

"Wenn wir das Versprechen all dieser Technologien und die Vorteile, die sie Patienten und Ärzten bringen können, wirklich realisieren wollen, müssen wir sie skalierbar gestalten", sagte sie

"Andernfalls werden wir nur einen halben Schritt machen. Es wird all diese Zwischenschritte geben, um wirklich einen Nutzen aus den Daten zu ziehen. Das wird nicht für jeden effektiv sein, es wird nicht effizient sein, und es wird unsere Möglichkeiten einschränken, den Wert dieser neuen Datenströme zu nutzen