Med machine learning och big data har Södra Älvsborgs sjukhus fått helt ny kunskap om patientmottagande och risker för komplikationer som lunginflammation. Resultatet av CGI:s uppdrag är effektivare vård och kortare vårdtider.

Projekt tillsammans med Södra Älvsborgs sjukhus (SÄS)

På CGI hjälpte vi Södra Älvsborgs sjukhus (SÄS) med ett projekt som fokuserade på lunginflammation, med den grundläggande frågeställningen ”Varför blir vissa patienter mer sjuka än andra?”

CGI blev ombedda att stötta med design och implementation av en IT-lösning samt kunskap om arbetsmetoder.

Projektet visade bland annat att vissa mediciner har stor inverkan på risken för intensivvård, att flytt mellan avdelningar kan öka längden på sjukhusvistelsen för vissa patienttyper och att vissa tidigare tillstånd/diagnoser påverkade risken för intensivvård oväntat mycket.

Case SAS

Resultatet visar stor potential för förbättrad vård


Flytt

  • Att patienten blir flyttad har en oväntat stark påverkan
    på hur lång vårdtiden blir.
  • Det finns vissa typer av patienter som påverkas mer av
    förflyttningar under vårdtiden än andra.
  • Det bör avvägas noga vilka patienter man flyttar och inte.

Tid   

  • Tiden en patient kommer in under dygnet påverkar vårdtiden.
  • Att komma in på natten medför mindre risk, troligtvis för att
    vårdpersonalen har mer tid då.
  • Det identifierades ett behov att fortsätta införandet av
    standardvårdplaner så att alla patienter får en likvärdig vård.

Insikt

  • Det identifierades ett samband mellan andra läkemedel och IVA-vård.
  • Tiden till vissa vårdinsatser har också stor påverkan på vårdtiden.
  • Andra diagnoser hos patienten tycks oväntat påverka risken för intensivvård.

 

Projektet gav insikter i flera perspektiv

  • Att arbeta iterativt och med en mix av kompetenser var en klar framgångsfaktor
  • Det finns stora möjligheter att fortsatt använda avancerad analys inom vården.
  • CGI och SÄS byggde tillsammans ett välfungerade arbetssätt med mixade kompetenser.
  • Den valda tekniken gav ett utmärkt stöd för analys av vårdteknisk data.