Patient Journey Analytics in der Pharma: KPIs, Dashboards und Aufbau

Patient Journey Analytics (Patient Journey Analyse) verknüpft longitudinale Daten auf Patientenebene (Claims, Verordnungen, Spezialapotheke, Hub- und EHR-Datensätze), um zu messen, wie Patienten von den ersten Symptomen und der Diagnose über Zugang, Erstabgabe, Adhärenz und Therapiewechsel bis zum Therapieabbruch gelangen, und wo und warum sie aus der Patient Journey in der Pharma ausscheiden.

Für eine Pharmamarke wird aus einer Folie mit Pfeilen eine Reihe von Kennzahlen, die ein Team steuern kann: wie viele überwiesene Patienten die Therapie tatsächlich beginnen, wie viele Tage der Zugang dauert, welcher Kostenträger oder welche Spezialapotheke Patienten ausbremst, wie lange Patienten in Behandlung bleiben und worauf sie wechseln, wenn sie abbrechen.

Dieser Leitfaden behandelt die Phasen der Patient Journey, die KPIs, die jede Phase messen (mit Formeln), vier Dashboards, die jedes Marken- und Patient-Services-Team haben sollte, die Datenquellen dahinter und eine praxisnahe Methode zum Aufbau dieser Fähigkeit. Geschrieben hat ihn ein Team, das aus der Beratung im Pharma Commercial Operations kommt und diese Systeme heute für Specialty-Pharma-Marken baut. Plattformen und KI-Tools für diese Arbeit finden Sie in unserem Leitfaden zu Patient-Journey-Analytics-Plattformen.

Das erste Dashboard, das jede Marke braucht, zeigt die gesamte Patient Journey auf einem Bildschirm: wie viele Patienten bei der Überweisung einsteigen und wie viele in jeder Phase verbleiben, mit aufgeschlüsselten Verlusten. Eine Sankey-Ansicht macht das größte Leck sofort sichtbar. Im Beispiel unten verliert die Prior Authorization mehr Patienten als jeder andere Zugangsschritt, der größte einzelne Verlust ist jedoch der Therapieabbruch in den ersten sechs Monaten.

Welche Entscheidungen es steuert: wo Hub-, Field-Reimbursement- und Pflegeressourcen eingesetzt werden, welche Phase zuerst verbessert wird und wie sich die Zahl der Patienten in Therapie aus dem Überweisungsvolumen prognostizieren lässt.

Adhärenz und Persistenz sind verschiedene Fragen. Adhärenz (PDC oder MPR) fragt, ob Patienten das Medikament wie verordnet einnehmen, solange sie es nehmen; Persistenz fragt, wie lange sie es überhaupt nehmen. Eine Kaplan-Meier-Persistenzkurve, aufgeteilt nach einem Programm wie der Hub-Unterstützung, zeigt, ob sich das Programm lohnt. Die PDC-Verteilung zeigt, wie viele Patienten unter der 80-Prozent-Schwelle liegen, und die vom Hub gemeldeten Gründe erklären die Abbrüche.

Welche Entscheidungen es steuert: Zielgruppen für Pflege- und Adhärenzprogramme, Gestaltung der Zuzahlungshilfe, Timing von Erinnerungen an Folgeabgaben und die Persistenzannahme in der Markenprognose.

Kein einzelner Datensatz deckt die ganze Patient Journey ab. Jede Quelle sieht nur einen Teil, mit eigener Verzögerung und eigenen Lücken, und deshalb ist das Verknüpfen der größte Teil der Arbeit.

Die Quellen werden auf Patientenebene über datenschutzwahrende Tokens verknüpft, sodass derselbe Patient über Claims-, Spezialapotheken- und Hub-Daten hinweg verfolgt werden kann, ohne seine Identität offenzulegen. Verordner und Accounts werden über einen gemasterten HCP- und HCO-Datensatz verknüpft. Die Seite der Spezialapotheken beschreiben wir ausführlich in unserem Leitfaden zu Specialty Pharmacy Data Analytics.

Beides wird oft verwechselt. Journey Mapping ist qualitativ und beschreibt das Erleben; Journey Analytics ist quantitativ und misst es. Die meisten Marken brauchen beides: zuerst das Mapping, dann Analytics, um es aktuell zu halten.

Wir sind ein von Senior-Beratern geführtes Team, das die Datenschicht und die Dashboards baut: Übernahme und Validierung der Feeds von Spezialapotheken und Hubs, Verknüpfung von Patienten, Mastering von HCP und HCO, die Ereignistabelle, das KPI-Wörterbuch und die Dashboards, die Ihre Teams jede Woche nutzen. Unser Gründer kommt aus der Beratung im Pharma Commercial Operations bei ZS, deshalb beginnen wir bei den Fragen, die Marken- und Access-Teams ohnehin stellen.

In einem Projekt baute ein Anbieter von Spezialtherapien sein Patient-Access-Reporting in jedem Zyklus von Hand neu auf. Wir schufen saubere Kennungen und eine MDM-Struktur über alle Quellen, automatisierten die Fall-Pipelines und standardisierten das Reporting. Das Team reduzierte die manuelle Arbeit um 60 bis 80 Prozent und gab der Geschäftsleitung einen klaren Blick auf die Patient Journey.

Wir arbeiten mit den Plattformen, die Sie bereits nutzen, darunter Snowflake, Databricks, Veeva, Power BI und Tableau. Siehe auch unseren Service für Pharma Commercial Analytics und unseren gesamten Pharma-Bereich.