Digital Disease Surveillance (DDS)
Langue d'origine: Anglais
Le système de surveillance numérique des maladies (DDS), mis en place par le ministère thaïlandais de la Santé publique's Département de l'endémie représente une avancée significative en matière d'informatique de la santé au niveau national. Ce système modernise les méthodes traditionnelles de déclaration en utilisant une architecture basée sur des API, ce qui apporte des avantages considérables :
- Qualité des données : il renforce l’intégrité des données, atteignant un impressionnant 99,99 % pour les numéros d’identification des patients et 100 % pour les codes de diagnostic, ce qui dépasse de loin les systèmes existants.
- Intégration en temps réel : Le DDS passe d’une communication différée à des flux de données automatisés, permettant la détection immédiate détection des épidémies grâce à l’intégration de données de santé provenant de plusieurs sources.
- et visualisation avancées : des outils d’intelligence économique intégrés fournissent aux responsables de la santé publique des informations exploitables et un suivi détaillé de la répartition des maladies grâce à des tableaux de bord interactifs.
- Alertes précoces renforcées : Des algorithmes de validation automatisés et des notifications instantanées aident les autorités à réagir rapidement aux menaces sanitaires localisées menaces sanitaires avant qu’elles ne s’aggravent. Dans l’ensemble, le système DDS renforce l’infrastructure de sécurité sanitaire de la Thaïlande, favorisant une élaboration proactive et fondée sur les données afin de garantir la sécurité de l’ensemble de la population. Il vise à détection précoce, rapide et précise des maladies afin de soutenir efficacement les interventions de santé publique.
Les principaux défis peuvent être classés dans les domaines clés suivants :
- Intégration et interopérabilité des données : Faire le lien entre les anciens systèmes d’information sanitaires dans divers contextes de soins (des hôpitaux ruraux de sous-district aux grands hôpitaux régionaux) afin de les intégrer de manière transparente dans la plateforme DDS reste complexe.
- Qualité et actualité des données : Veiller à ce que le personnel de première ligne saisissent systématiquement des rapports épidémiologiques précis, complets et rapides (tels que les données du rapport 506) sans imposer une charge administrative excessive constitue un obstacle opérationnel persistant.
- Contraintes en matière de ressources et d’infrastructures : Une infrastructure informatique limitée, des niveaux variables de maîtrise du numérique parmi les et les contraintes liées à un financement durable entravent un déploiement uniforme et une réactivité en temps réel.
- Gouvernance du système et dynamiques de décentralisation : Harmonisation des cadres de gouvernance des données et des politiques de confidentialité des données (telles que la conformité à la loi sur la protection des données à caractère personnel), et l’évolution des structures administratives de santé — telles que le transfert des unités de soins de première ligne vers des organismes gouvernementaux locaux — compliquent la mise en place de protocoles unifiés de partage des données.
Principales bonnes pratiques pour la mise en œuvre du DDS
- Intégration automatisée par API plutôt que la saisie manuelle :
- Les architectures conformes aux meilleures pratiques privilégient les connexions directes et en temps réel entre les systèmes d’information hospitaliers locaux (HIS) et le portail central DDS (ou portails D506). La réduction au minimum de la transcription manuelle grâce à l’utilisation de pipelines ETL (Extract-Transform-Load) automatisés (tels que les architectures Apache Airflow) permet de réduire considérablement l’épuisement du personnel, les retards dans les données et les erreurs humaines.
- Normes rigoureuses en matière de gouvernance et de sécurité des données :
- La mise en œuvre de cadres de gouvernance des données ainsi que des procédures de conformité claires relatives à la loi sur la protection des données personnelles (PDPA) et des normes de cybersécurité garantit que la confidentialité des patients est préservée sans entraver la circulation rapide des données épidémiologiques.
- « Design Thinking » et conception d’interfaces centrées sur l’utilisateur :
- Impliquer les utilisateurs de première ligne — tels que infirmiers spécialisés dans la prévention des infections (ICN), des épidémiologistes et des — dès la phase de conception garantit que les tableaux de bord et les modules de rapport restent intuitifs. Une grande ergonomie est directement liée à une meilleure exhaustivité des données et à des temps de réponse locaux plus rapides.
- Triangulation multisource (syndromique + basée sur les événements + basée sur des indicateurs) :
- Aller au-delà systèmes traditionnels de signalement basés sur des indicateurs en combinant des résultats de laboratoire structurés avec la surveillance syndromique et surveillance des médias basée sur les événements permet de créer un filet de sécurité d’alerte précoce à plusieurs niveaux.
- Boucles de rétroaction continues et protocoles de validation :
- Mise en place d’algorithmes de validation automatisés associés à des audits de performance réguliers et localisés(par exemple, mesure de la valeur prédictive positive, de la sensibilité et de la pertinence au sein des réseaux hospitaliers publics et privés)) garantit la transparence et permet de maintenir une qualité élevée des données sur le long terme.
