Análise de jornada do paciente: KPIs, dashboards e como estruturar

A análise de jornada do paciente é a prática de conectar dados longitudinais no nível do paciente (claims, prescrições, farmácia especializada, hub e prontuário eletrônico) para medir como os pacientes avançam dos sintomas e do diagnóstico até o acesso, a primeira dispensação, a adesão, a troca de terapia e a descontinuação, e onde e por que eles abandonam o tratamento.

Para uma marca farmacêutica, ela transforma um slide cheio de setas em números que a equipe consegue gerenciar: quantos pacientes encaminhados de fato iniciam a terapia, quantos dias leva o acesso, qual operadora ou farmácia especializada atrasa os pacientes, por quanto tempo eles permanecem em tratamento e para qual terapia migram quando param.

Este guia aborda as etapas da jornada, os KPIs que medem cada uma (com fórmulas), quatro dashboards que toda equipe de marca e de serviços ao paciente deveria ter, as fontes de dados por trás deles e um método prático para construir essa capacidade. Ele foi escrito por uma equipe formada em consultoria de operações comerciais farmacêuticas e que hoje constrói esses sistemas para marcas de farma especializada. Se você procura as plataformas e ferramentas de IA que apoiam esse trabalho, veja nosso guia de plataformas de análise de jornada do paciente.

O primeiro dashboard de que toda marca precisa mostra a jornada inteira em uma única tela: quantos pacientes entram no encaminhamento e quantos permanecem em cada etapa, com as perdas detalhadas. Uma visualização Sankey deixa evidente o maior vazamento. No exemplo abaixo, a autorização prévia perde mais pacientes do que qualquer outra etapa de acesso, mas a maior perda individual é a descontinuação nos primeiros seis meses.

Decisões que ele orienta: onde alocar recursos de hub, de reembolso em campo e de enfermagem; qual etapa corrigir primeiro; como projetar os pacientes em terapia a partir do volume de encaminhamentos.

Adesão e persistência são perguntas diferentes. A adesão (PDC ou MPR) pergunta se os pacientes usam o medicamento conforme prescrito enquanto estão em tratamento; a persistência pergunta por quanto tempo eles continuam em tratamento. Uma curva de persistência de Kaplan-Meier, separada por um programa como o suporte do hub, mostra se o programa compensa o custo. A distribuição de PDC mostra quantos pacientes ficam abaixo do limite de 80 por cento, e os motivos reportados pelo hub explicam as interrupções.

Decisões que ele orienta: direcionamento dos programas de enfermagem e de adesão, desenho da assistência de copay, momento dos lembretes de renovação e a premissa de persistência na previsão da marca.

Nenhum conjunto de dados cobre a jornada inteira. Cada fonte enxerga uma parte, com seus próprios atrasos e lacunas, e é por isso que conectá-las representa a maior parte do trabalho.

As fontes são unidas no nível do paciente com tokens que preservam a privacidade, de modo que o mesmo paciente pode ser acompanhado em claims, farmácia especializada e dados do hub sem expor sua identidade. Prescritores e contas são unidos por meio de um registro masterizado de HCP e HCO. Descrevemos em detalhe o lado da farmácia especializada no nosso guia de análise de dados de farmácia especializada.

Os dois costumam ser confundidos. O mapeamento da jornada é qualitativo e descreve a experiência; a análise da jornada é quantitativa e a mede. A maioria das marcas precisa dos dois: primeiro o mapeamento e depois a análise para mantê-lo atualizado.

Somos uma equipe liderada por profissionais seniores que constrói a camada de dados e os dashboards: ingestão e validação dos feeds da farmácia especializada e do hub, conexão de pacientes, masterização de HCP e HCO, a tabela de eventos, o dicionário de KPIs e os dashboards que suas equipes usam toda semana. Nosso fundador vem da consultoria de operações comerciais farmacêuticas na ZS, por isso partimos das perguntas que as equipes de marca e de acesso já fazem.

Em um dos projetos, uma prestadora de terapias especializadas reconstruía à mão os relatórios de acesso do paciente a cada ciclo. Criamos identificadores limpos e uma estrutura de MDM entre as fontes, automatizamos os pipelines de casos e padronizamos os relatórios, e a equipe reduziu o trabalho manual em 60 a 80 por cento, com uma visão clara da jornada do paciente para a liderança.

Trabalhamos nas plataformas que você já usa, incluindo Snowflake, Databricks, Veeva, Power BI e Tableau. Veja também nosso serviço de análise comercial farmacêutica e a nossa área de farma como um todo.