Ci racconta la principale criticità che avete dovuto affrontare a livello regionale durante la crisi covid?
La regione Toscana vanta da anni una tradizione di buona sanità. Lo dimostrano le griglie LEA del Ministero della Salute con cui si monitora il livello di qualità delle cure che ogni Regione deve garantire ai propri cittadini. A questo risultato partecipa ovviamente anche un buon livello del sistema informativo regionale, che ci consente di avere informazioni attendibili dai diversi sistemi applicativi delle aziende sanitarie. Nell’ultimo anno avevamo avviato il progetto “eHealth Big Data Analysis Platform” dove sin dall’inizio avevamo puntato con decisione alla cooperazione applicativa tra i vari attori dei sistemi informativi aziendali, all’invio dei dati in tempo reale in Regione ed al popolamento del Fascicolo Sanitario Elettronico.
Quello che il Covid-19 ha scatenato maggiormente è stata la fruizione in tempo reale dei dati da parte del Governo Regionale e delle Direzioni Aziendali per comprendere meglio lo stato delle cose ed orientare le decisioni. Un vero approccio data-driven.
La prima criticità che abbiamo dovuto superare è stata senza dubbio quella legata alla gestione dei tamponi e dei loro esiti dove la scelta di aggregare i dati a livello regionale è stata fondamentale. Se non lo avessimo fatto, se non ci fossimo organizzati in tal senso, ogni singola azienda sanitaria avrebbe lavorato il tampone con propri criteri e si sarebbe attrezzata in modo diverso, limitando al Dipartimento di Prevenzione la possibilità di fruire dei dati in modo contestualizzato ad esempio per creare una mappatura regionale aggiornata e georeferenziata della diffusione del virus.
Quale risposta/e avete adottato per risolverla e quale ruolo hanno avuto le soluzioni tecnologiche?
Nei primi istanti della pandemia le informazioni legate ai tamponi dei pazienti erano riportate su files excel (es. anagrafica, esiti, etc.) e restituite manualmente ai servizi richiedenti, ma in un breve lasso di tempo la quantità delle persone contagiate è cresciuta in modo esponenziale ed i dati dovevano essere per forza trattati in maniera automatizzata ed in tempo reale dall’igiene pubblica, ma anche da tutti gli altri attori coinvolti (sindaci, prefetti, forze dell’ordine, ecc.), con una forte qualità anagrafica. Abbiamo allora sviluppato delle applicazioni webCovid alimentate dai singoli applicativi di laboratorio (LIS), che nonostante dovessero essere realizzate dai vari fornitori, avessero un impianto comune, stesse informazioni disponibili, stessi dizionari, stessi contatori (test eseguiti, casi, ecc.) e soprattutto un canale JSON in realtime per l’invio tempestivo dell’informazione al centro.
Come Regione abbiamo voluto fortemente l’aggregazione di questi dati al centro, sia per avere un quadro completo e corretto della situazione, sia per programmare e governare ad esempio il fabbisogno e la logistica dei materiali (tamponi, reagenti, puntali, ecc.), sia perché a ns. volta dovevamo condividere queste informazioni con l’ISS (Istituto Superiore della Sanità), la Protezione Civile e il Ministero della Salute. Il tutto rappresentato con analytics sul sistema Big Data di cui sopra e con una gestione degli insight finalizzati a prendere decisioni. Tutto questo è stato sviluppato in sole 5 notti!
Qual è il principale learning che portate a casa da questa esperienza.
Direi che essenzialmente sono tre le lezioni imparate.
La prima è sicuramente quella di aver perseguito con determinazione il processo di centralizzazione per non lasciare che altri attori del sistema decidessero autonomamente e prendessero decisioni in maniera sganciata da un percorso comune, in una situazione in cui la risposta doveva essere per forza univoca. Tenere costantemente sott’occhio gli accessi tempo reale dei nostri 38 Pronto Soccorso ad esempio e l’attività chirurgica elettiva o d’urgenza, o l’occupazione dei posti letto, ci ha consentito di intervenire a ragion veduta, trasformando ad esempio sale operatorie in posti letto aggiuntivi di terapia intensiva o ampliando i reparti.
Un’altra lezione è stata quella di aver usato team snelli e ben committati con gruppi definiti, mai numerosi e soprattutto pertinenti per ogni tipo di processo, azione o soluzione da portare avanti per essere sempre rapidi e concentrati sull’obiettivo da perseguire.
A livello tecnologico infine la lesson learned è stata di aver puntato su tutto quello che già avevamo in casa e di aver sfruttato fino in fondo ogni capacità e funzionalità che il sistema o la piattaforma poteva metterci a disposizione, evitando di introdurre nuovi elementi che ci avrebbero costretto a disperdere risorse ed energie in formazione e conoscenza di nuovi strumenti.