CGI toteutti hiljattain Helsingin ja Uudenmaan sairaanhoitopiirille (HUS) kliinisen datan visualisoinnin mahdollisuuksia esitelleen Proof of Valuen. Potilaskäyntejä ja niihin liittyviä käyttäytymismalleja visualisoimalla etsittiin korrelaatioita ja trendejä uusien ideoiden tuottamiseksi.
Ihminen on visuaalinen olento. Jos haluamme todella ymmärtää jonkin tietokokonaisuuden, vertailukohteiden näkeminen esimerkiksi aikajanalla, kaaviona tai diagrammina helpottaa huomattavasti. Mitä suurempi tietomäärä ja monimutkaisempi asia, sitä tärkeämpää tiedon havainnollistaminen on.
Datan visualisointi HUS:issa
HUS:issa tarkasteltavana olivat psykiatriseen hoitoon, trauma- ja vammanhoitoon liittyneet potilaskäynnit, sekä syy–seuraus-suhteet potilaan omassa vaikutuspiirissä oleviin elämäntapatekijöihin.
Yksi hyvä lähtökohta potilastietoon tutustumiselle ovat potilasryhmittäiset ikä-sukupuolijakaumat ja niiden vertailu. Yllä olevia jakaumia vertaamalla voidaan selvästi havaita esimerkiksi että:
- Valtaosa psykiatrian erikoisalan potilaista oli lapsia ja nuoria, ja nuorimmat potilaat olivat tyypillisesti poikia, teini-iässä tyttöjä.
- Suurin osa alle 60-vuotiaista trauma- ja vammapotilaista oli miehiä, mutta 70 vuotta täyttäneistä potilaista valtaosa oli naisia.
Ulottuvuuksia lisäämällä saadaan uudenlaisia näkymiä dataan. Yllä olevia kuvia tarkastelemalla havaitaan mm. että:
- Potilaat, joilla oli sekä alkoholinkäyttöön liittyviä sekä psykiatrian erityisalan käyntejä, olivat useimmiten nuoria aikuisia kun taas
- Potilaat, joilla oli alkoholinkäyttöön liittyviä, mutta ei psykiatrian erityisalan käyntejä, olivat enimmäkseen keski-ikäisiä miehiä.
Myös potilasryhmien traumariskeissä, traumadiagnoosien moninaisuudessa, kustannuksissa ja eri vammatyyppien esiintyvyydessä havaittiin merkittäviä potilasryhmittäisiä eroja. Esimerkiksi traumariski psykiatrian erityisalan potilailla oli kaksin- ja alkoholinkäyttöön liittyneitä potilaskäyntejä omaavilla liki nelinkertainen yleiseen tasoon nähden.
Visualisointeja toteutettiin myös ennustekijöistä, potilassiirtymistä, assosiaatioista sekä mallinnettiin potilaiden lopputulemaa tarkastelujaksolla. Tarkasteluissa havaittiin potilaiden alaryhmiä, joiden terveydenhoidosta aiheutui paljon kustannuksia ja toisaalta jatkuvan hoitosuhteen negatiivinen korrelaatio traumakustannuksiin, joka puolsi ajatusta uudenlaisten jatkuvampien ja edullisempien hoitomuotojen kehittämistä kalliimpien erikoissairaanhoidon käyntien ennaltaehkäisemiseksi. Ohessa vielä joitain esimerkkejä visualisoinneista:
1. 
2. 
3. 
4. 
5. 
6. 
7. 
8. 
1. Käyntidiagnoosijakauma 2. Ennustekijät 3. Diagnoosiassosiaatiot 4. Klustereiden diagnoosijakauma 5. Erikoissairaanhoidonyksiköiden potilassiirtymät 6. Kustannusvertailuja 7. Potilaiden klusterisiirtymä 8. Klusterin diagnoosiaikasarja.
Visualisointi auttaa päätöksenteossa
Potilaskäynneistä kertyvää tietoa visualisoimalla ryhmien liikkeet ja toimenpiteiden vaikutukset saadaan näkyviksi. Näkyvyys tukee päätöksentekoa mm. prosessien tehostamisessa ja edesauttaessa uudenlaisten hoitokäytäntöjen toimivuuden ja potilashyödyn arvioinnissa hoitokustannusten vähentämiseksi ja potilaiden terveyden parantamiseksi.
Tiedon visualisoinnista on hyötyä. Parhaat graafiset esitykset avaavat uusia näkökulmia, herättävät ajatuksia ja synnyttävät uusia oivalluksia. Tiedon visualisoinnilla ja mallinnuksella lisätään tietoisuutta, joka on omiaan edistämään parempaa ja kustannustehokkaampaa terveydenhuoltoa.
Kirjoittajasta
CGI Suomen asiantuntijat
Kirjoituksia asiantuntijoiltamme
CGI on kansainvälisesti suomalainen digitalisaatiokumppani. Suomessa noin 3 800 asiantuntijaa konsultoivat asiakkaitamme liiketoiminnan ja ICT-ratkaisujen kehittämisessä. Tällä profiililla julkaisemme kirjoituksia CGI:n eri asiantuntijoilta.
