Шкільні звіти штату Іллінойс

Оплата лікування

На щастя, у департаменті охорони здоров’я Каліфорнії є загальнодоступні дані, які представляють дуже детальну інформацію про кожен випадок лікування в усіх державних медичних установах. 128 змінних містять до 25 діагностичних кодів за довідником «Міжнародна статистична класифікація хвороб та пов’язаних із ними проблем зі здоров’ям» (відомим як ICD-9), опублікованим Всесвітньою організацією охорони здоров’я. І хоч пацієнтів не можна ідентифікувати за іменем, інші змінні повідомляють про вік пацієнта, які кошти були сплачені і яка лікарня вела лікування. Репортери дійшли висновку, що на основі цих записів можна побачити, чи лікарні, які належали до згаданої вище мережі, повідомляли про певні нетипові стани здоров’я частіше, ніж інші лікарні.

Масив даних був великим; майже чотири мільйони записів на рік, і репортери хотіли вивчити записи за шість років, щоб побачити, як змінювалися з часом певні ситуації. Вони замовили дані в державної агенції; ці дані надійшли на компакт-дисках, які нескладно було скопіювати на настільний комп’ютер. Репортер, який здійснював власне аналіз даних, використовував для роботи систему під назвою SAS. Вона дуже потужна (дає змогу аналізувати багато мільйонів записів), і її застосовують багато урядових установ, у тому числі й каліфорнійський департамент охорони здоров’я, але ця програма дорога – такий же аналіз можна зробити за допомогою будь-якого іншого інструментарію для роботи з базами даних, наприклад, Microsoft Access чи програма з відкритим кодом MySQL.

Маючи на руках дані та програми, написані для вивчення цих даних, було порівняно нескладно знайти підозрілі випадки. Наприклад, у одному із звинувачень ішлося про те, що мережа лікарень повідомляла про різні ступені дистрофії, пов’язаної з недостатнім харчуванням, значно частіше, ніж інші лікарні. За допомогою SAS аналітик даних отримав таблиці частот, де наводилася кількість випадків дистрофії по кожній з понад 300 каліфорнійських лікарень швидкої допомоги. Необроблені таблиці частот були імпортовані в Microsoft Excel для ретельнішого дослідження ситуацій у кожному госпіталі; спроможність Excel сортувати, фільтрувати та обраховувати відсотки на основі «сирих» цифр дозволили легко побачити ці ситуації.

Особливо вразили повідомлення про стан під назвою «квашиоркор», синдром дефіциту протеїну, який спостерігається майже виключно у недохарчованих дітей із нерозвинених країн, що страждають від голоду. Але мережа повідомляла, що в її лікарнях діагноз «квашиоркор» у каліфорнійців літнього віку ставили в 70 разів частіше, ніж у середньому по всіх лікарнях штату.

Для інших статей використовувалися аналогічні технології аналізу, які досліджували відсоток діагнозів на кшталт септицемії, енцефалопатії, артеріальної злоякісної гіпертензії та автономного нервового розладу. Інший аналіз дослідив звинувачення в тому, що лікарняна мережа приймала зі своїх відділів швидкої допомоги нетипово великий відсоток пацієнтів із страховкою Medicare, у яких джерело оплати послуг було більш надійним, ніж у багатьох інших пацієнтів швидкої.

Підведемо підсумки: публікації, подібні до вказаних вище, стають можливими тоді, коли ви використовуєте дані, щоб отримати докази і провести незалежну перевірку звинувачень, висунутих джерелами, у яких можуть бути суб’єктивні причини це робити. Ці публікації також є гарним прикладом того, наскільки потрібними є дієві закони про оприлюднення громадських даних; влада вимагає від лікарень надавати ці дані для того, щоб їх можна було проаналізувати – чи то владою, науковцями, журналістами-розслідувальниками, чи просто громадськими журналістами. Тема цих статей важлива тому, що вона досліджує, чи справді мільйони доларів із громадських коштів були витрачені належним чином.
Стів Дойг, Школа журналістики штату Аризона імені Уолтера Кронкайта