لفهم أفضل للمرضى، يجب على أنظمة الرعاية الصحية التغلب على هذين التحديّين

البيانات واضحة: المرضى في الولايات المتحدة ليسوا عملاء مخلصين؛ فهم يقسّمون الرعاية الصحية التي يحصلون عليها بين 4 إلى 5 شبكات مختلفة لمقدمي الخدمات كل عام في المتوسط. وبالنظر إلى تزايد الخيارات المتعلقة بالأماكن التي يمكن للمستهلكين الحصول على الرعاية فيها وطرق تقديمها، بدءاً من مقدمي الرعاية الصحية الافتراضية والأولية الجدد وصولاً إلى المنافسة الجديدة المتمثلة في العيادات الصحية ضمن متاجر التجزئة ومراكز الرعاية العاجلة، فمن يمكنه إلقاء اللوم عليهم؟

لكي تحافظ أنظمة الرعاية الصحية ومؤسسات تقديم الخدمات التقليدية على قدرتها التنافسية، يجب أن تسعى إلى فهم المرضى على نحو أفضل بوصفهم مستهلكين للرعاية الصحية: كيف يتخذون القرارات؟ وما الذي يحفزهم؟ وكيف يتفاعلون مع نظام الرعاية الصحية الأوسع نطاقاً وأين ولماذا؟ ويجب عليها أيضاً فهم كيفية تشكيل قوى الطلب والعرض للأسواق التي تعمل فيها.

يجب عليها المنافسة بالتأكيد؛ ففي حين أن 44% من الأميركيين لديهم عضوية نشطة في خدمة أمازون برايم (Amazon Prime)، ما يمنح أمازون المزيد من بيانات المستهلكين لاستخدامها في التوسيع المستمر لنطاق الرعاية الصحية واستراتيجيات الاستهداف، فأكبر نظام للرعاية الصحية في البلاد، وهو شركة آتش سي أيه هيلث كير (HCA Healthcare)، يتعامل مع 1% فقط من الأميركيين من خلال نظامه لتقديم الرعاية.

يجب أن تتعلم المستشفيات وأنظمة الرعاية الصحية من استراتيجية المستهلك التي تتبعها أمازون وشركات التكنولوجيا الكبرى الأخرى. إذ سيستفيد اقتصاد الصحة بأكمله، الذي تبلغ قيمته 4.3 تريليونات دولار، من ازدياد قدرة أنظمة الرعاية الصحية على فهم تفضيلات المستهلكين واحتياجاتهم وتصميم ما يناسبها وتلبيتها، ويجب أن تبدأ هذه العملية بالاستفادة من البيانات المناسبة ووضع المقاييس المناسبة.

تحديان

التحدي الأول الذي تواجهه أنظمة الرعاية الصحية عند محاولة دمج المقاييس التي تركز على المستهلك في التخطيط الاستراتيجي هو الطبيعة المحدودة للغاية للمعلومات التي تُتَتَبَّع في هذه الفئة. والتحدي الآخر هو أن أنظمة الرعاية الصحية غالباً ما تستخدم التدابير التقليدية القليلة لقياس رضا المستهلكين والمرضى الموجودة بالفعل، مثل صافي نقاط الترويج (NPS) ودرجات استبيان تقييم زبائن المستشفى لمقدمي الرعاية الصحية وأنظمتها (HCAHPS)، لتوقُّع ما قد يفعله المرضى في المستقبل (على سبيل المثال، احتمالية عودة المريض إلى نظام الرعاية الصحية نفسه).

لكن تصور المريض لمدى رضاه عن تجربته في المستشفى لا يحدد إذا ما كان سيعود إلى هذا المستشفى أم لا؛ في الواقع، صافي نقاط الترويج ودرجات استبيان تقييم زبائن المستشفى لمقدمي وأنظمة الرعاية الصحية ليست مؤشرات موثوقة لما سيفعله المرضى في المستقبل. على سبيل المثال، قد يخطط شخص ما لممارسة التمارين الرياضية 5 مرات في الأسبوع ولكنه لا يذهب إلى صالة الألعاب الرياضية إلا مرة واحدة، وبالتالي سيكون ملف المستهلك لهذا الشخص مختلفاً تماماً عن ملف الشخص الذي مارَس التمارين الرياضية بالفعل 5 مرات في ذلك الأسبوع.

يجب ألا يعتمد قادة أنظمة الرعاية الصحية على مقاييس رضا المرضى لتوقُّع سلوكيات المرضى في المستقبل وأخذها في الاعتبار، بدلاً من ذلك ينبغي لهم تحليل ما يفعله المرضى فعلياً ودمج هذه المعلومات في التخطيط الاستراتيجي وفقاً لذلك.

لكي تجعل أنظمة الرعاية الصحية مؤسساتها في أقوى وضع للمنافسة على عدد آخذ في التراجع من المرضى، يجب أن تمتلك تدابير ومقاييس محددة بوضوح لتلبية احتياجات المستهلكين على نحو أفضل، على مستوى كل من الفرد والمؤسسة والسوق. فيما يلي فئتان من أهم فئات المقاييس التي ينبغي لأنظمة الرعاية الصحية تتبُّعها لهذا الغرض:

1. تفضيلات المستهلكين وميولهم

تستخدم شركات البيع بالتجزئة الرائدة، مثل أمازون ووول مارت (Walmart)، البيانات لفهم شرائح العملاء المختلفة على نحو أفضل منذ سنوات، وتوظّف هذه الرؤى لاتخاذ قرارات بشأن طرق تقديم خدماتها للمستهلكين. على سبيل المثال، يتفاعل محرك التوصية الخاص بأمازون مع المتسوقين من خلال إرسال رسائل مخصصة حول المنتجات التي اشتروها سابقاً والمنتجات الجديدة التي قد تهمهم.

يرى الأميركيون أيضاً هذا النوع من التخصيص في كل دورة انتخابية حيث تتفاعل الحملات السياسية مع الناخبين المحتملين عن طريق إرسال رسائل حول قضايا محددة تلقى صدى لدى هؤلاء الناخبين، بدلاً من إرسال رسائل حول كل قضية في برنامج الحزب. وقد اعتمدت شركات السلع الاستهلاكية المعبأة، مثل بروكتر آند غامبل (Procter & Gamble)، منذ فترة طويلة على البيانات السيكوغرافية (أي النظر فيما يحفز شرائح المستهلكين المختلفة على اتخاذ قرارات معينة) لفهم المستهلكين على نحو أفضل والاسترشاد بها في وضع استراتيجيات أعمالها.

أنظمة الرعاية الصحية، واقتصاد الصحة عموماً، متأخرة على نحو مؤسف في تبنّي مثل هذه الممارسات المستندة إلى البيانات، ولكن يجب عليها تبنّيها للمنافسة على جذب المرضى على المدى الطويل. على سبيل المثال، هل السبب في أن المريض لا يعود إلى نظام الرعاية الصحية هو عدم وجود مواعيد متاحة في وقت مبكر أم لأنه يفضل مؤسسة أخرى لتقديم الخدمة؟ في حين أن الإجابة عن بعض الأسئلة ستكون أصعب من غيرها، فمن خلال بناء بنية تحتية تكنولوجية شاملة أكثر، يمكن لقادة أنظمة الرعاية الصحية تخصيص موارد هندسة البيانات لربط أنماط استفادة المرضى من خدمات الرعاية الصحية بالسمات السلوكية على نطاق واسع.

هل تَكثُر حالات عدم الحضور إلى الموعد أو إلغائه خلال ساعات معينة، أم أن دمج البيانات المتعلقة بسلوك المستهلك يكشف عن رؤى جديدة حول سلوك المرضى الذين لديهم خصائص ديموغرافية معينة في أوقات مختلفة من اليوم؟ هل يمكن للسمات السيكوغرافية أن تقدم تفسيراً أفضل لما يحدث بالفعل داخل جدران المؤسسة أو تشير إلى سبب خسارة نظام الرعاية الصحية لحصته في السوق في تخصص معين؟ هذه هي أنواع الاستنتاجات الآنية التي تصبح أوضح من خلال الاستفادة بصورة مشتركة من بيانات الرعاية الصحية وسلوك المريض وغيرها من الموارد المماثلة الموجودة بالفعل في منظومة الرعاية الصحية. فمن خلال فهم العوامل التي تحفز سلوكيات المستهلكين وتوجه قراراتهم، يمكن لأنظمة الرعاية الصحية اتخاذ خطوات موجهة بدرجة أكبر للوصول إلى مستهلكي الرعاية الصحية والتفاعل معهم وخدمتهم مع وضع تفضيلاتهم واحتياجاتهم في الاعتبار.

2. الحصة من الرعاية

تبذل المؤسسات التي تتعامل مع المستهلك مباشرة في قطاعات أخرى غير الرعاية الصحية كل ما في وسعها لفهم العوامل الاقتصادية التي تؤثر على أعمالها، بما في ذلك معرفة السوق الكلية المتاحة، والحصة السوقية لمنتجات أو خدمات معينة، والقيمة السوقية، وكيفية الاستحواذ على حصة سوقية من المنافسين. ويجب أن تفعل أنظمة الرعاية الصحية الشيء نفسه،

إذ يتعين عليها النظر إلى ما وراء الإيرادات المستهدفة والسعي إلى فهم "حصتها من الرعاية" في الأسواق التي تخدمها. على سبيل المثال، من بين المرضى الذين يعالجهم نظام رعاية صحية معين، ما النسبة المئوية لجميع تفاعلات هؤلاء المرضى المتعلقة بالرعاية الصحية التي لم تكن مع نظام الرعاية الصحية هذا؟

لفهم هذا النوع من المعلومات على نحو أفضل، يمكن لقادة أنظمة الرعاية الصحية النظر إلى كل من البيانات الداخلية (على سبيل المثال، بيانات رحلة المريض الداخلية عبر مراكز الرعاية والسجلات الطبية الإلكترونية الفردية) والبيانات الخارجية (على سبيل المثال، بيانات التعداد المحلي للولايات المتحدة، والمقاييس المعيارية، ومؤشرات تسرُّب المرضى من الخطط الصحية). ويمكن أن تكون مراكز تجميع المطالبات مصادر غنية جداً بالبيانات الأولية حول القائمين بالدفع وأنواع مقدمي الخدمات، وفي حين أنها تفتقر إلى السياق لعدم إضافة بيانات المستهلكين، وبالتالي يمكن تطبيق خوارزميات التعلم الآلي على بيانات المطالبات المجمعة لمساعدة نظام الرعاية الصحية على تحديد حصته من الرعاية وسلامة الشبكة.

من الضروري أيضاً لأنظمة الرعاية الصحية فهم السوق الكلية المتاحة وتطبيق مقاييس سلوك المريض لاتخاذ قرارات استثمار استراتيجية. استثمرت عدة أنظمة للرعاية الصحية في نقاط وصول محددة، مثل الرعاية الصحية عن بُعد والرعاية العاجلة، مع فكرة أنها ستكون "مدخلاً" إلى خدماتها؛ أي تدخل المرضى إلى شبكة نظام الرعاية الصحية وتستبقيهم لتقدَّم لهم خدمات الرعاية وتلبي احتياجاتهم مستقبلاً. ومع ذلك، تُظهر البيانات المتعلقة برحلة المريض المطولة أن هذا ليس صحيحاً دائماً، ومعرفة ذلك يمكن أن يكون لها تأثير هائل على نوع الخدمة والقرارات المتعلقة بالاستثمار التي تتخذها أنظمة الرعاية الصحية.

للأسف، تجزئة البيانات وتأخُّر مبادرات التشغيل البيني تعني أيضاً أن أنظمة الرعاية الصحية لا تصل بسهولة إلى هذا النوع من المعلومات. يمكن أن تكون بيانات السجلات الطبية الإلكترونية غنية بالمعلومات ولكنها عادة ما تغفل عن تفاعلات المرضى خارج الجدران التنظيمية لنظام الرعاية الصحية. ومع ذلك، عندما يكون لدى مستهلكي الرعاية الصحية خيارات رعاية أكثر من أي وقت مضى (على سبيل المثال، من المنافسين الجدد مثل سي في إس (CVS) وأمازون)، تصبح المعرفة (من خلال البيانات الطولية) هي حقاً أعظم قوة تمتلكها أنظمة الرعاية الصحية تحت تصرفها.

سيزداد التنافس على تقديم الرعاية الصحية، ولكي تحقق أنظمة الرعاية الصحية النمو يجب ألا تكون مستندة إلى البيانات فحسب؛ بل يجب أيضاً أن تكون متوافقة مع التدابير الخاصة بمستهلك الرعاية الصحية. فقط من خلال المعلومات التي تركز على المستهلك يمكن لأنظمة الرعاية الصحية أن تكون مستعدة للمنافسة على حصة المريض من الرعاية في اقتصاد الصحة الذي يفوق العرض فيه الطلب الحالي على الخدمات.