Analisi del patient journey: KPI, dashboard e come realizzarla

L'analisi del patient journey è la pratica di collegare dati longitudinali a livello di paziente (claims, prescrizioni, specialty pharmacy, hub e cartelle cliniche elettroniche) per misurare come i pazienti passano dai sintomi e dalla diagnosi all'accesso, alla prima dispensazione, all'aderenza, allo switch e all'interruzione della terapia, e dove e perché escono dal percorso.

Per un brand farmaceutico trasforma una slide piena di frecce in numeri che un team può gestire: quanti pazienti inviati iniziano davvero la terapia, quanti giorni richiede l'accesso, quale payer o specialty pharmacy rallenta i pazienti, quanto a lungo i pazienti restano in trattamento e verso cosa passano quando smettono.

Questa guida illustra le fasi del percorso del paziente, i KPI che misurano ciascuna fase (con le formule), quattro dashboard che ogni team di brand e di patient services dovrebbe avere, le fonti dati su cui si basano e un metodo pratico per costruire questa capacità. È scritta da un team cresciuto nella consulenza per le commercial operations farmaceutiche, che oggi realizza questi sistemi per brand di specialty pharma. Se cerca le piattaforme e gli strumenti di AI a supporto di questo lavoro, consulti la nostra guida alle piattaforme di patient journey analytics.

La prima dashboard di cui ogni brand ha bisogno mostra l'intero percorso in un'unica schermata: quanti pazienti entrano al momento dell'invio e quanti restano in ciascuna fase, con le perdite evidenziate. Una vista Sankey rende evidente la perdita più grande. Nell'esempio qui sotto, la prior authorization fa perdere più pazienti di qualsiasi altra fase di accesso, ma la perdita singola più grande è l'interruzione nei primi sei mesi.

Decisioni che orienta: dove allocare le risorse di hub, field reimbursement e infermieri; quale fase correggere per prima; come prevedere i pazienti in terapia a partire dal volume di invii.

Aderenza e persistenza sono domande diverse. L'aderenza (PDC o MPR) chiede se i pazienti assumono il farmaco come prescritto finché sono in terapia; la persistenza chiede per quanto tempo vi restano. Una curva di persistenza Kaplan-Meier, suddivisa per un programma come il supporto hub, mostra se il programma vale il suo costo. La distribuzione del PDC mostra quanti pazienti si trovano sotto la soglia dell'80 percento, e i motivi riportati dall'hub spiegano le interruzioni.

Decisioni che orienta: targeting dei programmi infermieristici e di aderenza, progettazione dell'assistenza copay, tempistica dei promemoria di rifornimento e l'ipotesi di persistenza nel forecast del brand.

Nessun singolo dataset copre l'intero percorso. Ogni fonte ne vede una parte, con i propri ritardi e le proprie lacune, ed è per questo che collegarle rappresenta la maggior parte del lavoro.

Le fonti vengono unite a livello di paziente tramite token che tutelano la privacy, così lo stesso paziente può essere seguito tra claims, specialty pharmacy e dati hub senza esporne l'identità. Prescrittori e account vengono collegati tramite un record HCP e HCO masterizzato. Descriviamo in dettaglio il lato specialty pharmacy nella nostra guida all'analisi dei dati delle specialty pharmacy.

I due concetti vengono spesso confusi. Il journey mapping è qualitativo e descrive l'esperienza; l'analisi del journey è quantitativa e la misura. La maggior parte dei brand ha bisogno di entrambi: prima la mappatura, poi l'analisi per mantenerla aggiornata.

Siamo un team guidato da professionisti senior che costruisce il livello dati e le dashboard: acquisizione e validazione dei flussi di specialty pharmacy e hub, collegamento dei pazienti, mastering di HCP e HCO, tabella degli eventi, dizionario dei KPI e le dashboard che i Suoi team usano ogni settimana. Il nostro fondatore si è formato nella consulenza per le commercial operations farmaceutiche in ZS, per questo partiamo dalle domande che i team di brand e access già si pongono.

In un progetto, un fornitore di terapie specialistiche ricostruiva a mano il reporting di patient access a ogni ciclo. Abbiamo creato identificativi puliti e una struttura MDM tra le fonti, automatizzato le pipeline dei casi e standardizzato il reporting, e il team ha ridotto il lavoro manuale dal 60 all'80 percento, con una visione chiara del patient journey per il management.

Lavoriamo sulle piattaforme che già utilizza, tra cui Snowflake, Databricks, Veeva, Power BI e Tableau. Veda anche il nostro servizio di analisi commerciale per il pharma e la più ampia practice pharma.