Gartnerin lanseeraamassa analytiikan kehityskaaressa ollaan siirtymässä kuvaavasta ja syy-seuraus -suhteen analytiikasta ennustavan, ohjaavan ja kognitiivisen analyytiikan alueille. Millaisia mahdollisuuksia tämä avaa erityisesti sote-sektorille?
Julkisuudessa on herättänyt paljon keskustelua varhainen välittäminen, eli että ammattilaiset pystyvät puuttumaan ja sitä kautta vaikuttamaan asiaan ajoissa. Tämä vaatii riskien tunnistamista aikaisessa vaiheessa.
Työterveyslääkäreillä ja/tai hoitajilla on vaikeaa havainnoida yksittäisten käyntien perusteella koko potilashistoriaa, eli mitä henkilöille on tapahtunut vuosien varrella. Työkyvyttömyyden polulla on kuitenkin tunnistettavissa korrelaatioita esimerkiksi toistuviin poissaoloihin, unilääkkeiden käyttöön, pitkiin sairaslomiin, ylipainoon ja polvivammoihin liittyen. Mitkä näistä ennakoivat työkyvyttömyyttä, vaikeuksia toisaalta henkilölle itselleen ja korkeita kustannuksia työnantajalle?
Ongelmia on mahdollista estää kehittyneemmän analytiikan keinoin hyödyntämällä paremmin jo olevaa dataa. Varsinkin suurissa julkishallinnon terveydenhuollon organisaatioissa asiakkaiden palvelutarpeen päättely ja asiakasryhmien tunnistaminen on täysin mahdotonta käsityönä tai mutu-tuntumalla.
Teimme HUSin kanssa projektin, jossa analysoimme kolme miljoonaa potilaskäyntiä trauma- ja psykiatrian osastoilla vuosina 2010 – 2014. Asiakkaat segmentointiin koneoppimisen keinoin. Toisistaan poikkeavia, eri tavoin käyttäytyviä asiakasryhmiä tunnistettiin yli 30. Tämä siis pelkästään trauma- ja psykiatrian osastoilla.
On monta tapaa hyödyntää tietoa
Tietoja voidaan hyödyntää organisaation ohjaamisessa ja resurssoinnissa, mutta myös palvelutarpeiden tunnistamisessa ja parhaiden käytäntöjen jalostamisessa.
Kun terveydenhuollossa pyritään sekä hoitamaan asiakkaita että vaikuttamaan heihin, asiakkaat siirtyvät dynaamisesti segmenttien välillä. Segmenttien avulla pyritään ennakoimaan ja estämään siirtymiset kallisiin hoitoihin.
Tämä vaatii kalliiden hoitojen tunnistamista ja seurantaa sekä potilasvirtojen havainnointia syy-seuraussuhteiden päättelyn yhteydessä. Pitkien prosessien analysointi koneoppimisen keinoin auttaa paitsi yksittäisen potilaan hoitamisessa, myös koko yhteiskunnan näkökulmasta alentamalla kustannuksia.
Laajennetaan näkökulmaan koko sote-sektorille. Tällöin prosessien ja potilasvirtojen analysointi koskettaa sekä sosiaalitoimen, perusterveydenhuollon että erikoissairaanhoidon asiakkaita.
Mitä aiemmin pystytään estämään henkilöiden ajautuminen poluille, joilla on todennäköisyys joutua monipalvelujen piiriin moniongelmaiseksi potilaaksi tai kalliisiin hoitoihin, sen parempi sekä henkilöille että yhteiskunnalle.
Analytiikan avulla voidaan tehdä aiemmin haastavien tietolähteiden pohjalta päätelmiä ja merkittäviä potilaan elämään vaikuttavia löytöjä.
Vaikuttavia löytöjä aiemmista tietolähteistä
Analytiikan avulla voidaan tehdä aiemmin haastavien tietolähteiden pohjalta päätelmiä ja merkittäviä potilaan elämään vaikuttavia löytöjä.
Toteutimme Pirkaanmaan sairaanhoitopiirin kanssa yhteisen hankkeen, jossa analysoitiin potilaskertomusjärjestelmistä löytyvää tekstidataa neurokirurgian erikoisalalla. Analysointimallina käytettiin Global Trigger Tool -menetelmää, joka on Institute of Healthcare Improvementin kehittämä menetelmä haittatapahtumien havainnointiin.
Perusmenetelmässä hoitajat käyvät läpi potilaskertomukset käsin ja pyrkivät menetelmän avulla löytämään haittatapahtumat. Menetelmän manuaaliluonteen vuoksi sillä pystytään tutkimaan vai otoksia ja tekemään niiden perusteella päättelyjä.
Toteutimme vastaavan mallin tekstilouhinnan keinoin koneellisesti. Menetelmällä pystytään analysoimaan kaikki potilastekstit, joita järjestelmään talletetaan valikoidulta erikoisalalta. Näin saadaan merkittävää vaikuttavuutta sekä potilaiden hoidon laatuun että potilasturvallisuuden kehittymiseen.
Analytiikan avulla asiantuntijat saavat datasta tukea käsityksilleen ongelmista ja niiden syistä. Päättävät henkilöt pystyvät perustamaan tietonsa olemassa olevaan dataan. Prosesseja voidaan analysoida lähes reaaliaikaisesti ja tehtyjen muutosten vaikutukset on mahdollista selvittää nopeasti uudella kertyvällä datalla.
Kari Natunen, ent. Vice President, Consulting, Welfare and Local Government
Heikki Aatola, Asiantuntijalääkäri, LT
heikki.aatola@cgi.com
040 173 8076
Pentti Kurki, ent. Director, Digital Insight
Tutustu myös
- Blogisarjan 1. osa: Täydellisen terveyden tavoittelusta hyvinvoinnin saavuttamiseen
- Blogisarjan 2. osa: Toiminnan kehittäminen on tehokkaampi keino kuin raha
- Blogisarjan 4. osa: Kehittyneen analytiikan käyttöönoton edellytykset
- Blogi: Miten tiedon visualisoinnilla parannetaan terveydenhoitoa?
- Uutinen: Pirkanmaalla parannetaan potilasturvallisuutta tiedonlouhinnalla
- Teemalehti: Sote ja Suomi
- Hyvinvoinnin, terveydenhuollon ja sosiaalitoimen ratkaisumme
- Tiedolla johtamisen ja analytiikan palvelumme
Kirjoittajasta
Heikki Aatola
Asiantuntijalääkäri, LT
Olen Heikki Aatola ja työskentelen osa-aikaisena asiantuntijalääkärinä CGI:n hyvinvoinnin toimialalla . Osallistun asiantuntijana sekä tietojärjestelmien kehitystyöhön että tiedon toisiokäytön kehittämiseen.
