नवीन को-मॉर्बिडिटी साधन रुग्णालय खर्चांचा अधिक लवकर अंदाज लावण्याचे उद्दिष्ट ठेवते

आरोग्यसेवा खर्चाचे एक प्रमुख कारण लक्ष्य करणारी नवी स्कोअरिंग पद्धत

Weill Cornell Medicine मधील संशोधक म्हणतात की पुनरावृत्तीने होणाऱ्या रुग्णालयात भरती आणि वाढत्या वैद्यकीय बिलांचा भार साचण्यापूर्वीच उच्च-गरज असलेल्या रुग्णांना ओळखण्यासाठी त्यांनी अधिक अचूक पद्धत विकसित केली आहे. Charlson Comorbidity Health Analytics, किंवा CCHA, हे साधन 38 दीर्घकालीन आरोग्यस्थिती मोजते आणि लोकसंख्येपातळीवर भविष्यातील जोखीम आरोग्य यंत्रणा अधिक चांगल्या प्रकारे कशी अंदाजू शकतील यासाठी तयार केले गेले आहे.

मूलभूत दावा सोपा आहे: को-मॉर्बिडिटी, म्हणजे रुग्ण अनेक आजार किंवा दीर्घकालीन स्थितींसह जगत असताना निर्माण होणारा भार, ही भविष्यातील रुग्णालय वापर आणि खर्चाची एक प्रमुख चालक आहे. दैनंदिन उपचारात चिकित्सकांना ही वास्तविकता फार पूर्वीपासून मान्य आहे, परंतु या अभ्यासाचा युक्तिवाद असा आहे की नियमित प्रॅक्टिसमध्ये अशी व्यवहार्य मोजणी नाही जी गुंतागुंत पुरेशी चांगल्या प्रकारे पकडून कार्यात्मक निर्णयांना दिशा देईल.

PLOS One मध्ये प्रकाशित झालेल्या लेखात, संशोधकांनी नोंदवले की अनियोजित रुग्णालयात भरती होण्याचा अंदाज लावताना CCHA इतर पद्धतींपेक्षा सरस ठरले आणि पुढील पाच वर्षांतील आरोग्यसेवा खर्चांचाही अंदाज लावू शकले. हे निष्कर्ष इतर लोकसंख्यांमध्येही टिकून राहिले, तर वेळ आणि संसाधने अधिक कार्यक्षमतेने वाटप करण्याच्या दबावाखाली असलेल्या नियोक्ते, विमा कंपन्या, रुग्णालये, आणि प्राथमिक उपचार प्रणालींसाठी हे काम महत्त्वाचे ठरू शकते.

संशोधकांनी मॉडेलची चाचणी कशी केली

हा अभ्यास Weill Cornell Medicine च्या 27,000 हून अधिक कर्मचारी आणि त्यांच्यावर अवलंबून असलेल्या व्यक्तींच्या सहा वर्षांच्या डेटावर आधारित होता. त्या डेटासेटचा वापर करून, संशोधन पथकाने नवे मोजमाप अनियोजित रुग्णालय प्रवेशाच्या धोक्यात असलेल्या लोकांना अधिक चांगल्या प्रकारे ओळखू शकते का हे तपासले; स्रोत मजकुरात हे एकूण आरोग्य खर्चातील मोठा वाटा म्हणून वर्णन केले आहे.

तो संदर्भ महत्त्वाचा आहे. रुग्णालयात भरती होणे हे फक्त स्प्रेडशीटवरील आणखी एक वापराचे घटक नाही. अनियोजित प्रवेश अनेकदा अस्थिर झालेल्या दीर्घकालीन आजाराची, तुटक काळजीची, किंवा प्रतिबंधात्मक हस्तक्षेपाची संधी हुकल्याची चिन्हे असतात. जर आरोग्य यंत्रणा वारंवार प्रवेशाच्या दिशेने घसरू शकणाऱ्या रुग्णांना ओळखू शकली, तर अधिक अनुरूप प्राथमिक उपचार, अतिरिक्त सहाय्य सेवा, किंवा जवळून पाठपुरावा करून लवकर हस्तक्षेप करता येऊ शकतो.

स्रोत मजकुरानुसार, CCHA ने त्या प्रवेशांचा अंदाज लावण्यात इतर पद्धतींना मागे टाकले आणि पाच वर्षांच्या कालावधीत खर्चांचाही यशस्वी अंदाज लावला. दिलेल्या साहित्यामध्ये तुलनात्मक मॉडेल्स कोणती होती हे स्पष्ट केलेले नाही, आणि त्या सारांशापलीकडे तपशीलवार कार्यप्रदर्शन आकडेही दिलेले नाहीत. त्यामुळे हा परिणाम सार्वत्रिक मानक म्हणून नव्हे, तर या विशिष्ट अभ्यास लोकसंख्येत नोंदवलेल्या सुधारणा म्हणून समजला पाहिजे.

सेवा पुरवठ्यासाठी हा निष्कर्ष का महत्त्वाचा आहे

या साधनाचा व्यावहारिक मुद्दा केवळ अमूर्त विश्लेषणापेक्षा क्लिनिशियन आपला वेळ कसा वापरतात याबद्दल अधिक आहे. अभ्यासाचे लेखक म्हणतात की अनेक आरोग्य यंत्रणा अजूनही मानकीकृत उपचार मॉडेल्सवर अवलंबून आहेत, जे रुग्णांच्या गुंतागुंतीतील फरक पुरेशा प्रमाणात दर्शवत नाहीत. सोप्या भाषेत, तुलनेने निरोगी रुग्ण आणि अनेक गंभीर दीर्घकालीन स्थिती सांभाळणारा रुग्ण यांना समान अपॉइंटमेंट कालावधी मिळू शकतो, जरी त्यांना वेगवेगळ्या पातळीचे लक्ष आवश्यक असते.

हा तफावत महाग ठरू शकतो. अधिक को-मॉर्बिडिटी भार असलेल्या रुग्णांना औषध व्यवस्थापन, तज्ज्ञांमधील समन्वय, गुंतागुंतींसाठी निरीक्षण, आणि लहान नियमित भेटीपलीकडे जाणारा आधार लागतो. त्या गरजा लवकर ओळखल्या गेल्या नाहीत, तर प्रकृती बिघडण्याची शक्यता वाढते आणि अखेरीस आपत्कालीन उपचार किंवा आंतररुग्ण काळजीची गरज पडू शकते.

स्रोत मजकूर ही शक्यता स्पष्टपणे मांडतो. जर उच्च-गरज असलेल्या रुग्णांना ओळखून त्यांना दीर्घ प्राथमिक उपचार भेटी आणि अतिरिक्त स्थिरीकरण सेवा देता आल्या, तर काही पुढील रुग्णालय प्रवेश टाळता येऊ शकतात. याचा अर्थ केवळ विश्लेषणाने खर्च कमी होतो असा नाही. याचा अर्थ, अधिक चांगले मापन मर्यादित क्लिनिकल संसाधने अधिक योग्य प्रकारे लक्ष्य करण्यास मदत करू शकते.

ही कल्पना आरोग्य व्यवस्थापनात सुरू असलेल्या व्यापक बदलाशीही जुळते: प्रतिक्रियात्मक उपचारांपासून जोखीम वर्गीकरण आणि सक्रिय हस्तक्षेपाकडे जाणे. लोकसंख्या आरोग्य व्यवस्थापित करू पाहणाऱ्या यंत्रणांना अशी साधने हवीत जी तुलनेने सोप्या गरजा असलेल्या रुग्णांना आणि ज्यांचे उपचार प्रवास अधिक नाजूक आहेत अशांना वेगळे करू शकतील. ते अधिक अचूकपणे करणारे मॉडेल केवळ कोणाला संपर्क साधायचा हेच नाही, तर किती वेळ, कर्मचारी, आणि आधार द्यायचा हेही ठरविण्यास मदत करू शकते.

अभ्यास काय दाखवतो आणि काय दाखवत नाही

हा संशोधन CCHA ला विश्वासार्ह प्रारंभबिंदू देतो, कारण तो मोठ्या प्रत्यक्ष-जगातील डेटासेटवर आधारित आहे आणि समकक्ष-समिक्षित जर्नलमध्ये प्रकाशित झाला आहे. त्याला स्पष्टपणे परिभाषित वापर प्रकरणाचाही लाभ आहे. वैद्यकीय भाकितातील प्रत्येक समस्या सोडवण्याचा दावा करण्याऐवजी, हे साधन एका विशिष्ट कार्यात्मक आव्हानावर लक्ष केंद्रित करते: कव्हर केलेल्या लोकसंख्येमध्ये गुंतागुंतीच्या दीर्घकालीन आजाराच्या जोखीम आणि खर्च परिणामांचा अंदाज लावणे.

त्याच वेळी, दिलेल्या पुराव्याच्या मर्यादा लक्षात ठेवणे आवश्यक आहे. स्रोत मजकूर एका शैक्षणिक वैद्यकीय संस्थेशी संबंधित कर्मचारी आणि अवलंबून व्यक्तींच्या डेटाचे वर्णन करतो. यामुळे लोकसंख्या मोठी होते, पण ती प्रत्येक विमा कंपनी, रुग्णालय नेटवर्क, Medicaid लोकसंख्या, किंवा वृद्ध समुदायाचे प्रतिनिधित्व करेलच असे नाही. व्यापक स्वीकारासाठी वेगवेगळ्या वयोगट, रोगभार, आणि सामाजिक जोखीम घटक असलेल्या ठिकाणी पडताळणीची गरज असू शकते.

हे साहित्य हेही सिद्ध करत नाही की प्रत्यक्षात CCHA वापरल्यामुळे खर्च आधीच कमी झाले किंवा रुग्णालयात भरती होण्याचे प्रमाण घटले. दिलेल्या माहितीनुसार ते जे दाखवते ते म्हणजे भाकितात्मक कार्यक्षमता: विश्लेषित डेटासेटमध्ये हे मॉडेल इतर पद्धतींपेक्षा जोखीम चांगल्या प्रकारे ओळखते असे दिसते. चांगल्या भाकिताला चांगल्या परिणामांमध्ये रूपांतरित करण्यासाठी भेटींच्या कालावधीचे पुनर्रचना, सहाय्य सेवांचा समावेश, किंवा केअर टीम्स रुग्णांचे triage कसे करतात त्यात बदल यांसारखे वर्कफ्लो बदल आवश्यक असतील.

हा फरक महत्त्वाचा आहे, कारण भाकित करणारी साधने बहुतेक वेळा तांत्रिकदृष्ट्या यशस्वी होतात, त्यानंतर संस्था त्यांचा योग्य वापर कसा करायचा ते शोधतात. एक स्कोर अचूक असू शकतो, पण चिकित्सकांना नवी क्षमता दिली नाही किंवा प्रणालींकडे त्याने दाखवलेल्या इशाऱ्यांना प्रतिसाद देण्यासाठी संसाधने नसतील, तर तो काळजी सुधारण्यात अपयशी ठरू शकतो.

आर्थिक परिणाम असलेली मोजणीची समस्या

या सावधानतांनंतरही, अभ्यास आधुनिक वैद्यकातील एक कायमस्वरूपी समस्या अधोरेखित करतो: रुग्णांची गुंतागुंत महाग असते, पण ती नियमित कामकाजात अनेकदा पुरेशी मोजली जात नाही. जेव्हा एखादी प्रणाली प्रत्येक अपॉइंटमेंटला एकमेकांऐवजी वापरता येईल असे मानते, तेव्हा तिला समन्वित, वेळखाऊ काळजी सर्वाधिक गरज असलेल्या लोकांना अपुरी सेवा देण्याचा धोका असतो. त्याचे परिणाम टाळता येण्याजोग्या आपत्कालीन घटना, पुन्हा पुन्हा होणारे प्रवेश, आणि जास्त दीर्घकालीन खर्च अशा स्वरूपात दिसू शकतात.

CCHA हा गुंतागुंतीचा भार अधिक लवकर आणि अधिक पद्धतशीरपणे दृश्यमान करण्याचा प्रयत्न आहे. 38 दीर्घकालीन स्थितींना लोकसंख्या-स्तरीय जोखीम संकेतामध्ये रूपांतरित करून, हे साधन प्रतिबंधक प्रयत्न कुठे केंद्रित करायचे यासाठी आरोग्य यंत्रणांना अधिक स्पष्ट आधार देण्याचे उद्दिष्ट ठेवते. कार्यकारी अधिकाऱ्यांसाठी याचा अर्थ चांगले अंदाजपत्रक असू शकते. चिकित्सकांसाठी ते अधिक वास्तववादी वेळापत्रकास पाठबळ देऊ शकते. अनेक दीर्घकालीन स्थिती असलेल्या रुग्णांसाठी, ते त्यांच्या आरोग्यभाराच्या वास्तवाशी अधिक जुळणाऱ्या काळजी योजनांचा अर्थ देऊ शकते.

व्यापक अर्थ असा की, वैद्यकीय गुंतागुंत तीव्र अस्थिरतेत रूपांतर होण्यापूर्वी ती ओळखता आली, तर आरोग्य खर्च अधिक हाताळण्याजोगा होऊ शकतो. हा नवीन अभ्यास केवळ भाकितानेच समस्या सुटते असे सिद्ध करत नाही, पण चांगले मापन हा आवश्यक पहिला टप्पा आहे हे त्याने बळकट केले आहे. ज्या क्षेत्रात रुग्णालयात भरती होणे हे सर्वात मोठ्या खर्च केंद्रांपैकी एक आहे, तिथे हा निष्कर्ष शैक्षणिक वैद्यकापलीकडेही लक्ष वेधणारा आहे.

हा लेख Medical Xpress च्या अहवालावर आधारित आहे. मूळ लेख वाचा.