14
Putting data to work to improve health”: el cas de l’MPOC i la SAHS 1 Barcelona, 10 de juliol de 2015 Dr. Joan Escarrabill Programa d’Atenció a la Cronicitat. Hospital Clínic (Barcelona) Pla Director de les Malalties de l’Aparel Respiratori (PDMAR) & Observatori de les Teràpies Respiratòries a Domicili (ObsTRD). FORES. Departament de Salut. Generalitat de Catalunya

20150710 big data central resultats vs 3

Embed Size (px)

Citation preview

Page 1: 20150710 big data central resultats vs 3

1

“Putting data to work to improve health”:

el cas de l’MPOC i la SAHS

Barcelona, 10 de juliol de 2015

Dr. Joan EscarrabillPrograma d’Atenció a la Cronicitat. Hospital Clínic (Barcelona)

Pla Director de les Malalties de l’Aparel Respiratori (PDMAR) & Observatori de les Teràpies Respiratòries a Domicili (ObsTRD). FORES. Departament de Salut. Generalitat de Catalunya

Page 2: 20150710 big data central resultats vs 3

2

Anaximandre de Milet (c. 610 ec - c. 547 ec)

Il·limitat, indefinit i indeterminat

ἀπείρωνapeiron

La terra és un cos finit surant a l'espai

Page 3: 20150710 big data central resultats vs 3

3

Francis Bacon

(1561–1626)

Isaac Newton (1642-1727)

Albert Einstein (1879-1955)

Stephen Hawking (1942-ara)

Charles Darwin (1809-1882)

Coneixement mèdic

James Lind (1716-1794)

Escobut

Edward Jenner (1749-1823)Vacuna de la verola

Page 4: 20150710 big data central resultats vs 3

4

John Snow(1813-1858)

Còlera a Londres (1854)

Joseph Lister(1827-1912)

Antisèpsia: àcid carbòlic (1860)

BMJ 1867; ii;246–8;

Louis Pasteur(1822-1895)

Teoria dels gèrmens

(1857)

Observació Experimentació

Archie Cochrane(1909-1988)

You should randomize

till it hurts

Page 5: 20150710 big data central resultats vs 3

5

www.SIMUL8.com/healthcare

Optimització de serveis d’urgències. Simulació de serveis d’ambulàncies. Respostes a fàrmacs Impacte de l’obesitat infantil Processos assistencials: Tx ...

Observació Experimentació Simulació

Page 6: 20150710 big data central resultats vs 3

6

Problemes de l’assaig clínic

Validesa externa

• Es podrà replicar a la població general?

Reclutament

• Dificultats per incloure pacients amb característiques molt específiques.

• De vegades s’exclouen grups de població (edat, raons ètniques...)

Dificultats per recollir outcomes a llarg termini

Preferències del pacient

Page 7: 20150710 big data central resultats vs 3

7

Page 8: 20150710 big data central resultats vs 3

8

Lancet Respir Med. 2013 ;1:e29-30.

Page 9: 20150710 big data central resultats vs 3

9

DigitalitzacióConvertir qualsevol senyal contínua (analògica) en una sèrie numèrica binària (1 i 0)

Facilitat per...

Emmagatzemar

Transmetre

Combinar

Compartir

Prosumer

Espai

Temps

Coneixement

Volum

Page 10: 20150710 big data central resultats vs 3

10

BMJ 2015; 350:h1887

http://wapo.st/quantify

Page 11: 20150710 big data central resultats vs 3

11

Integració de dades

Generar nou coneixement

Traslladar el nou coneixement a la pràctica

Page 12: 20150710 big data central resultats vs 3

12

2.5 milions d’ingressos hospitalaris (1995-2012)

Page 13: 20150710 big data central resultats vs 3

13

La informació ens aclaparà en la pràctica clínica

Genètica

Aparells

Senyals

La informació ens canviarà la manera de pensar

1

2

3 El consumidor emancipat

Page 14: 20150710 big data central resultats vs 3

14

Joan Valls, MSc Statistics, PhD Med

Institut de Recerca Biomèdica de Lleida (IRBLLEIDA)Hospital Universitari Arnau de Vilanova (HUAV)Department de Matemàtiques, UAB

Àlvar Agustí, MD, PhD

Servei de PneumologiaInstitut Clínic del Tòrax – Hospital Clínic (Barcelona)Institut d’Investigacions Biomèdiques August Pi i SunyerUniversitat de Barcelona