应用的大数据：医疗保健的经济学

这次我的标题不太挑衅，因为我的上一篇博客文章（http://brianoneill.blogspot.com/2014/04/big-data-fixes-obamacare.html）显然煽动了政治大战。 在本文中，我希望通过详细介绍大数据如何以无党派方式帮助我们的医疗保健系统来避免这种情况。

首先，让我们分解一下问题。

经济学

我们的医疗体系仍然（主要）基于资本主义：更多的患者+更多的就诊=更多的钱。 在这样的系统中，拥有健康的患者并不是医疗保健提供者的最大利益。 诚然，这是一种悲观的观点，医生和医疗提供者并不总是优先考虑经济收益。 但是，在最小程度上，在某些市场上存在利益冲突，因为并非所有医疗保健提供者都从预防保健中完全受益。

行为

现在，除了少数例外，每个人都为医疗保健支付相同的费用。 情况正在发生变化，但是从广义上讲，没有任何经济诱因来做出健康的选择。 我们仅承担所产生医疗费用的一小部分。 这意味着我的付款人（幕后的实体实际上是账单上的人）所覆盖的每个人都在帮助支付由于星期五晚上的比萨饼和啤酒引起的我可能积rack的医疗费用。

政府

最后，政府正在努力。 他们真的很努力。 通过透明度，报告和合规性，他们有正确的意图和想法来弯曲医疗保健的成本曲线。 但是政府就是政府，大企业就是大企业。 老实说，要了解任何大型单一大型企业的不同系统都是很困难的（问任何CIO）。 想象一下，试图一次获得数千家企业的知名度。 这令人生畏：示意图差异，凌乱的数据，大量的ETL。

再次，这是一种悲观的观点，并且有补救措施。 诸如高额免赔额计划之类的事情使人们更加意识到自己的费用。 付款人正试图从按服务付费模式过渡。 （http://zh.m.wikipedia.org/wiki/收费服务）。 但是，这些补救措施需要什么才能有效？ 你猜到了。 数据。 成堆的。

如果您是付款人，并且想要奖励那些使患者保持健康的医生（并且不在医生办公室内！），您将如何找到他们？ 如果您是患者，并且想知道谁以最便宜的价格提供最有效的治疗方法，您会去哪里看？ 如果您是政府，并且想知道制药公司在医生身上花了多少钱，或者哪些药店允许使用欺诈性处方，那么您需要集成哪些系统？

希望现在，您有动力。 这是一个大数据问题。 更糟糕的是，这是一个混乱的数据问题。 在HMS，我们花了三年多的时间和大量的血液，汗水和眼泪，才建立起一个处理庞大而凌乱的土堆数据的平台。 技术必须与人员和流程一起成熟。 最后，在阳光明媚的日子里，我可以看到美国医疗通道的尽头。

如果您执行相同的任务，请随时与我们联系。

具有讽刺意味的是，当我从一只棕色隐士蜘蛛的叮咬中恢复过来时，我正在医院病床上张贴这张照片。

我想大数据无法阻止某些事情！

翻译自: https://www.javacodegeeks.com/2014/07/applied-big-data-the-freakonomics-of-healthcare.html

总结

以上是生活随笔为你收集整理的应用的大数据：医疗保健的经济学的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。