Primary tabs

Kun eri tavoin, eri paikoissa ja eri aikoina asiakkaista tai potilaista kerätyt tiedot kiinnitetään sosiaaliturvatunnukseen, ne on mahdollista yhdistää yhteen, dynaamiseen sote-tietomalliin. Sen avulla voidaan muun muassa kohdentaa ennaltaehkäisevää toimintaa oikein ja tukea yhden luukun palvelumallia. Annan tässä blogissa seitsemän esimerkkiä siitä, miten dynaamista tietomallia voitaisiin hyödyntää sosiaali- ja terveydenhuollossa.

Sote-uudistuksella tavoitellaan tiivistetysti ihmisen ottamista toiminnan keskiöön, yhteensovitettuja ja laadukkaita palveluita kaikille, varhaista ongelmien ehkäisyä sekä kustannussäästöjä. Lisäksi pyritään siihen, että yksi yhteydenotto riittää avun saamiseen. Tätä tarkoitusta varten palvelut pyritään sovittamaan yhteen palveluketjuiksi.

Tietomallin kannalta sote-uudistuksen tavoittelema ihmiskeskeisyys tarkoittaa, että tiedot tulee kiinnittää henkilötunnukseen. Sote-palveluiden yhteensovittaminen vaatii, että eri potilas- ja asiakastietojärjestelmien tiedot saadaan kootuiksi samaan näkymään. Yhden luukun toimintamallin käyttöönotto taas edellyttää, että tietomalli sallii palvelujen käyttöä koskevan tiedon hyödyntämisen asiakkaiden ohjaamisessa.

Varhainen ennaltaehkäisy helpottuu kiinnittämällä henkilöä koskevat tapahtumatiedot aikajanalle, jolloin niitä on mahdollista hyödyntää ennakoivan analytiikan malleissa. Samaan tietomalliin pitäisi pystyä liittämään myös potilaskohtainen kustannuslaskenta ja resurssien seuranta. Palveluketjujen katkeamattomuutta voidaan edesauttaa sillä, että henkilötunnukseen kiinnitettyjä, aikajanalle sijoitettuja tapahtumia voidaan kuvata prosessikaaviona. Näin voidaan seurata paremmin palveluiden integraation toteutumista.

Dynaamisen tietomallin seitsemän käyttökohdetta

Tietomallissa kuvataan käytettävissä oleva tieto sekä tietojen väliset riippuvuussuhteet. Perinteinen, tapahtumalähtöinen tietomalli kuvaa esimerkiksi hoitopäiviä ja linkittää hoitopäiviin siihen liittyvät tiedot (ketä on hoidettu, missä on hoidettu, mitä on hoidettu, kuka on hoitanut jne.). Asiakaskeskeisessä tietomallissa keskiössä ja on asiakas, johon linkitetään saatavilla olevat tiedot (minkä ikäinen, missä asuu, mitä palveluja on käyttänyt, mitä hoitoa on saanut jne.)

Perinteiset, tapahtumakeskeiset tietomallit ovat edelleen tärkeitä, koska ne sisältävät tiedot esimerkiksi hoitopäivistä, lääkityksistä ja diagnooseista. Tarvitaan kuitenkin myös dynaamisen tietomallin tuomaa asiakaskohtaista tarkastelua, jotta palvelut pystytään näkemään kokonaisuuksina, tunnistamaan eri käyttäjäryhmiä, arvioimaan palveluiden kustannusvaikuttavuutta ja hyödyntämään ennakoivaa analytiikkaa. Nämä seitsemän esimerkkiä havainnollistavat, miten dynaamista tietomallia voi käyttää:

1. Johdon mittaristot. Dynaamisen tietomallin avulla on mahdollista tuoda perinteisten toiminta-, talous- ja henkilöstönäkökulmien rinnalle tuloskorttiin vaikuttavuus- ja integraationäkökulma. Se paljastaa esimerkiksi, käykö asiakas toistuvasti päivystyksessä tai miten palvelunkäytön siirtymä tapahtuu kotiutumisen jälkeen. Hoidon vaikuttavuus saadaan esiin, kun tarkastelussa on mukana esimerkiksi elämänlaatumittareita.

2. Kansalliset mittaristot. Dynaamisen tietomallin ansiosta kansalliset mittaristot jalkautuvat palvelun tuottajille. Kun tarkastellaan esimerkiksi palvelujen saatavuuden kokonaisuutta, jokainen osa-alue koostuu tuottajan yksityiskohtaisista tiedoista. Näihin lukeutuvat esimerkiksi perusterveydenhuollossa kiireettömän hoidon saamiseen kuluva aika, erikoissairaanhoidossa lähetteiden käsittelyaika ja sosiaalihuollossa vireillepanosta päätökseen kuluva aika. Näissä kaikissa dynaaminen tietomalli auttaa.

3. Kustannuslaskenta. Potilas- tai asiakaskohtainen kustannuslaskenta mahdollistaa palveluiden käytön yhteismitallistamisen. Sen avulla nähdään esimerkiksi, montako kotihoidon käyntiä voidaan tuottaa yhdellä sairaalan hoitopäivällä, jolloin voidaan päätellä, kannattaako potilas lähettää aikaisemmin kotiin sairaalasta. Voidaan myös tarkastella, onko lonkkaproteesiin osoitettu panostus oikeassa suhteessa potilaan toimintakyvyn tai elämänlaadun paranemiseen.

4. Tuottavuuslaskelmat. Potilaskohtainen kustannuslaskenta on välttämätöntä myös, kun halutaan seurata toiminnan muutosten tuottavuutta. Etelä-Karjalan sosiaali- ja terveyspiirissä Eksotessa selvitettiin usean vuoden seurannalla, väheneekö sote-kokonaispalvelujen käyttö lisäämällä kotikuntoutusta. Tulokset osoittivat, että akuuttisairaalan käyttö väheni selvästi, mutta kotihoidon puolella palveluntarve kasvoi. Kokonaispalveluiden käyttö väheni ja tuottavuus parani. Tietomallia voidaan käyttää pienissä ja isoissa rakennemuutoksissa, kuten avohoidon ja ympärivuorokautisen hoidon suhdetta pohdittaessa.

5. Hoito- ja palveluketjujen seuraaminen. Sama tietomalli toimii myös hoitoketjujen seuraamisessa. Esimerkiksi aivoinfarktipotilaan kulku palveluissa on ihannetilanteessa selkeä jana: ensin osastojakso, sitten sairaanhoitajakäynti, laboratoriokäynti ja 12 kuukauden jälkeen seurantakäynti. Kun on mallinnettu potilaan todellinen kulku, on saatu hämähäkinseittiä muistuttava verkko: potilaat ovat käyttäneet aivoinfarktin jälkeen lähes kaikkia sote-palveluja.

Tietomallia voidaan hyödyntää hoitoketjujen seurannassa sekä ennen diagnoosia että sen jälkeen. Ennen diagnoosia sen avulla voidaan saada viitteitä esimerkiksi infarktin ennakkomerkeistä. Tarjoamalla palveluja riskiryhmille oikeaan aikaan voidaan ehkä jopa ehkäistä kuolemaan johtavia infarkteja. Diagnoosin jälkeen voidaan seurata, onko esimerkiksi ympärivuorokautisen hoidon tarve kasvanut vai onko potilaan toimintakyky pystytty palauttamaan infarktia edeltävälle tasolle.

6. Vaikuttavuus- ja kustannusvaikuttavuusanalyysit. Näissä yhdistetään prosessitietoihin laatumittareita. Esimerkiksi aivoinfarktipotilaiden masennusta, palveluntarvetta ja päivittäistä toimintakykyä voidaan seurata suhteessa palvelujen käyttöön ja kustannuksiin. Kustannuksia muodostuu eniten hoivasta, akuuttisairaalasta ja kuntoutuksesta. Pureutumalla näihin tarkemmin voidaan nähdä, siirtyykö tietyssä paikassa tehty toimenpide palveluntarpeena toiseen yksikköön.

7. Ennakoiva analytiikka. Datapohjaisesti on mahdollista ennakoida esimerkiksi aivoverenvuotoa, uniapneaa, keuhkoahtaumaa ja diabetestä jo ennen diagnoosia. Palvelujärjestelmän ennakoinnissa tärkeitä ovat isot, ikäryhmäkohtaiset seurannat. Jos pystytään ennakoimaan ikäihmisten toimintakyvyn muutoksia, korjaavat toimet voidaan ajoittaa riittävän varhaiseen vaiheeseen eikä laitoshoidon palveluja ehkä tarvita. Myös työikäisten, lasten ja nuorten toimintakyvyn seuraaminen ja ongelmien ennusmerkkien hakeminen mahdollistaa ennakoivan puuttumisen tilanteeseen.

Kirjoittajasta

Katja Antikainen

Katja Antikainen

johtaja, sote-tietojohtaminen ja -analytiikka

Olen Katja Antikainen ja toimin sote-tietojohtamisesta ja -analytiikasta vastaavana johtajana CGI:n Healthcare & Welfare -yksikössä.

Kirjoita kommentti

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Blogi-kommentoinnin ohjeet ja käyttöehdot