Contact us

Let‘s talk about data analytics for your company

Contact us

Data Analytics for healthcare (Datu analīze veselības aprūpē)

In Latvian language

By Santa Pildava, Infotrust

Šī ieraksta mērķis ir sniegt ieskatu biznesa inteliģences rīku izmantošanā veselības aprūpē, kā arī atskatīties uz Infotrust rīkoto pasākumu “Datu analīze veselības aprūpē: tendences un snieguma vērtēšana ikdienā”.

Veselības aprūpe ir arvien vairāk datos balstīta nozare, un biznesa inteliģences (BI) rīkiem ir izšķiroša nozīme, palīdzot iestādēm pieņemt informētus lēmumus un optimizēt savu darbību. Datu analītika, kas ir galvenā BI sastāvdaļa, ietver progresīvu analītisko metožu un rīku izmantošanu, lai iegūtu ieskatu no lielām un sarežģītām datu kopām, kādas tās ir veselības aprūpes sistēmā.

Paredzams, ka BI un datu analītikas izmantošana veselības aprūpes nozarē turpmākajos gados palielināsies. BI rīkiem ir svarīga loma veselības aprūpes nozarē, palīdzot organizācijām uzkrāt, uzglabāt, apstrādāt un analizēt datus, lai gūtu ieskatu un pieņemtu informētus lēmumus. BI var izmantot, lai uzlabotu pacientu aprūpi, optimizētu procesus un veicinātu izaugsmi.

Daži konkrēti veidi, kā BI var izmantot veselības aprūpes nozarē:

  • Pacientu aprūpes uzlabošana: BI var izmantot, lai analizētu pacientu datus un noteiktu tendences un modeļus, kas var palīdzēt veselības aprūpes sniedzējiem labāk izprast savu pacientu vajadzības un nodrošināt mērķtiecīgāku un personalizētāku aprūpi.
  • Procesu optimizēšana: BI var izmantot, lai analizētu datus par veselības aprūpes iestāžu izmantošanu, personālu un citiem darbības faktoriem, lai noteiktu iespējas uzlabot efektivitāti un samazināt izmaksas.
  • Izaugsmes veicināšana: BI var izmantot, lai analizētu tirgus tendences, klientu uzvedību un citus faktorus, lai noteiktu jaunas biznesa iespējas un izstrādātu izaugsmes stratēģijas.
  • Pētniecības un attīstības uzlabošana: BI var izmantot, lai analizētu datus par jaunām ārstēšanas metodēm, medikamentiem un citiem veselības aprūpes produktiem, lai noteiktu pētniecības un attīstības iespējas.
  • Sabiedrības veselības veicināšana: BI var izmantot, lai analizētu datus par sabiedrības veselības tendencēm, piemēram, infekcijas slimību izplatību, lai noteiktu tendences un modeļus, kas var palīdzēt politikas veidotājiem labāk izprast un risināt sabiedrības veselības problēmas.
Pamatojoties uz augstāk minētajiem faktoriem un arvien pieaugošo interesi par BI risinājumiem, Infotrust š.g. 12.maijā rīkoja pasākumu “Datu analīze veselības aprūpē: tendences un snieguma vērtēšana ikdienā”.
Pasākuma pirmajā daļā Māris Svilāns, pārdošanas vadītājs, Infotrust, iepazīstināja pasākuma dalībniekus ar BI tendencēm un virzieniem veselības aprūpē. Norādot uz BI attīstību un proaktīvu rīcību, kas ļauj pieņemt informētus lēmums.
BI rīki ļauj apvienot vienā analītikā dažādus datu avotus, gan medicīniskos datus, gan finanšu, gan aptauju, gan cita veida datus.

Attēls Nr. 1 Piemērs par dažādu datu avotu apvienošanu vienā lietotnē

Qlik ir vairāk nekā 3000 klientu veselības aprūpes nozarē, līdz ar to ir pieejami daudz un labi piemēri, kā izmantot Qlik snieguma uzlabošanai. Prezentācijā pieejami vairāki piemēri, kā izmantot ikdienā lietotos veselības aprūpes datus, piemēram, operāciju zāles vadībā, prognozējot uzturēšanās ilgumu un atkārtotas uzņemšanas risku, pacientu uzņemšanas plūsmas u.c.

Attēls Nr. 2 Qlik klienti veselības aprūpes nozarē

Dati ir ļoti svarīgi arī vērtībās balstītas veselības aprūpes priekšnosacījums, par šo tēmu pasākumā stāstīja Edgards Labsvīrs, Medtronic. Vērtībās balstīta veselības aprūpe (VBVA) ir noteikta par prioritāti valstiskā līmenī, tā ir iekļauta gan Nacionālās attīstības plānā 2021. – 2027.gadam, gan Sabiedrības veselības pamatnostādnēs 2021. – 2027.gadam.

Attēls Nr. 3 Vērtībās balstītas veselības aprūpes modeļa pamatprincipi

Latvijā ir izstrādāta arī Vērtības balstītas veselības aprūpes koncepcija, kurā ir aprakstīti arī kritiskākie elementi VBVA īstenošanā. Divi no šiem kritērijiem ir saistīti ar datiem un to trūkumu vai nepieejamību. Edgara Labsvīra prezentācijā pieejami vairāki VBVA piemēri. Svarīgākā Edgara Labsvīra paustā atziņa bija, ka ir jāinvestē datu analīzes ekspertīzē un kapacitātē. Edgars norādīja, ka ļoti svarīgs nosacījums veiksmīgai sadarbībai un VBVA īstenošanai ir abpusēja uzticēšanās starp valsts institūcijām un ārstniecības iestādēm, tādejādi nodrošinot datu pieejamību.

Runājot par veselības aprūpes snieguma vērtēšanu un uzlabošanu ir jāatceras par Donabediana 1966.gadā prezentēto un arvien visā pasaulē izmantoto veselības aprūpes kvalitātes novērtēšanas un pilnveides modeli, kas sastāv no trim elementiem: struktūra, process un iznākums. Šie elementi ietekmē viens otru un ir jāskatās kompleksi, vērtējot iestādes sniegumu. Veidojot snieguma vērtēšanas ietvaru jāiekļauj rādītāji no katra no šiem elementiem, jo tādejādi ir iespējams gūt pilnīgāku priekšstatu par iestādes kopējo sniegumu.

Attēls Nr. 4 Donabediana veselības aprūpes kvalitātes modelis

Šī modeļa kontekstā var runāt arī par pacientu pieredzes mērījumiem, kas ļauj noskaidrot pacienta pieredzi par saņemtajiem veselības aprūpes pakalpojumiem. Pacienta pieredzes mērījumi (PREM) var būt kā daļa no procesa mērījumiem, tādejādi būtu svarīgi snieguma vērtēšanas modulī iekļaut arī pacienta pieredzi.

Plašāk par to, kas ir PREM, kādēļ to mērīt un kādēļ to darīt elektroniski nevis papīra formātā, var izlasīt Santas Pildavas, biznesa analītiķe, Infotrust prezentācijā.

Par to, kāpēc ir svarīgi izmantot PREM iestādes snieguma vērtēšanā un kā BI rīka izmantošana palīdz pieņemt informētus lēmumus, pastāstīja Laura Badūne, Pacientu pieredzes vadītāja, Rīgas Austrumu klīniskā universitātes slimnīca (RAKUS). RAKUS bija viena no pirmajām ārstniecības iestādēm, kura 2021.gada jūnijā uzsāka pieaugušo pacientu pieredzes mērījumu uzkrāšanu. Uz pasākuma norises laiku kopumā jau bija aptaujāti vairāk nekā 20 000 pacientu. Laura uzskaitīja vairākus ieguvumus, kas ir novēroti, ieviešot BI rīku ikdienas darbā:

  • Operatīva datu analīze
  • Interaktīvs rezultātu, saistību skatījums
  • Datu pieejamība personālam
  • Kvalitatīvu mērķu uzstādīšana un rezultātu monitorēšana
  • Veicināta darbinieku iesaiste pacientu pieredzes uzlabošanā
  • Uzlabota sniegtā ārstniecības pakalpojumu kvalitāte
  • Slimnīcas resursu mērķtiecīga izmantošana
  • Ilgtspējīga personu pieredzes uzlabošana

Plašāk varat lasīt Lauras Badūnes prezentācijā.

Svarīgi ir ne tikai uzkrāt datus, aprēķināt mērījumus, bet darīt to pārdomāti un fokusēti, virzoties uz attīstību. Par snieguma vērtējuma rādītājiem, to izvēli un piemērotākajām vizualizācijām noteiktu snieguma rādītāju jeb KPI (key performance indicators) attēlošanai, pasākumā dalījās Santa Pildava, biznesa analītiķe, Infotrust. Ļoti būtiski ir izvēlēties savas iestādes stratēģijai atbilstošākos KPI. KPI izvēles kritēriji ir:

  • Atbilstošs – sakrīt ar iestādes stratēģiju; nozīmīgs konkrēta pakalpojuma mērīšanai
  • Skaidri definēts
  • Sabalansēts

Attiecībā uz veselības aprūpes kvalitātes kritērijiem ir piemērojami vēl papildus kritēriji:

  • Derīgums – kvalitātes rādītāja izmantošanai ir jābūt pamatotam klīniskam vai empīriskam pamatojumam. Tam jāmēra svarīgs kvalitātes aspekts, kas ir kontrolējams no pakalpojuma sniedzēja vai veselības aprūpes sistēmas puses
  • Precizitāte – kvalitātes rādītājam vajadzētu būt relatīvi lielām atšķirībām starp pakalpojumu sniedzējiem vai jomām, kas nav saistītas ar nejaušām izmaiņām vai pacienta īpašībām. Šis kritērijs mēra nejaušības ietekmi uz šķietamo pakalpojumu sniedzēja vai veselības aprūpes sistēmas sniegumu
  • Minimāla novirze – rādītāju nedrīkst ietekmēt sistemātiskas atšķirības pacientu gadījumu kombinācijā, tostarp slimības smaguma pakāpe un blakus slimības. Gadījumos, kad pastāv šādas sistemātiskas atšķirības, vajadzētu būt iespējamai atbilstošai riska korekcijas sistēmai, izmantojot pieejamos datus. Piemēram, datu standartizēšana
  • Savietojamība – rādītājam jābūt saistītam ar citiem rādītājiem vai pasākumiem, kas paredzēti to pašu vai saistīto kvalitātes aspektu mērīšanai. Piemēram, uzlabota stacionārās aprūpes pasākumu veiktspēja (piemēram, konkrētu uz pierādījumiem balstītu ārstēšanas vadlīniju ievērošana) būtu jāsaista ar samazinātu pacientu komplikāciju līmeni
  • Veicina reālu kvalitātes uzlabošanu – rādītājam jābūt izturīgam pret iespējamu pakalpojumu sniedzēja manipulāciju ar sistēmu. Citiem vārdiem sakot, rādītājam vajadzētu būt izolētam no aplamiem stimuliem pakalpojumu sniedzējiem uzlabot ziņoto sniegumu, piemēram, izvairoties no sarežģītiem gadījumiem
  • Pielietojums – rādītājs būtu bijis izmantots pagātnē, vai tam ir liels potenciāls labi darboties ar citiem rādītājiem. Dažkārt, aplūkojot rādītāju grupas kopā, var iegūt pilnīgāku priekšstatu par kvalitāti

Par to, kādas vizualizācijas labāk izvēlēties un kā piemeklēt atbilstošākās skatieties Santa Pildavas prezentācijā.

Pasākuma laikā tika demonstrēta arī DEMO lietotne par neatliekamās palīdzības un uzņemšanas nodaļas pacientu plūsmu. Lietotnē iekļauti snieguma rādītāji, kas ļauj analizēt gan struktūras, gan procesa, gan iznākuma elementus. Lietotne papildināta arī ar pacientu ziņotās pieredzes mērījumiem par pieredzi uzņemšanas nodaļā, tādejādi gūstot pilnvērtīgāku ieskatu par šo slimnīcas etapu.

Attēls Nr. 5 Demo lietotnes viena no lapām

Pēc teorētiskās daļas bija diskusiju panelis, kurā tika diskutēts par BI rīku nozīmīgumu ikdienas darbā, kā arī par tālāku BI attīstību Latvijas veselības aprūpes sistēmā. Pasākuma dalībnieki aktīvi iesaistījās diskusijās, kas rezultējās ļoti vērtīgā saturā un pieredzes apmaiņā.

Svarīgākās atziņas no diskusijas sadaļas:

  • Biznesa inteliģences risinājumi ļauj nodrošināt lielam skaitam darbinieku pieeju analītikas rīkam un sniedz iespējas analizēt savu sniegumu. Datu pieejamība veicina snieguma uzlabošanos, jo redzot reālos rezultātus, darbinieki cenšas tos uzlabot.
  • Biznesa inteliģences rīks palīdz ātrāk un precīzāk definēt problēmu, ieraudzīt vājos punktus un definēt stratēģiskos mērķus. Balstoties datos, tiek pieņemti lēmumi, pacientu pieredzes mērījumu analīze un arvien plašāka izmantošana iestādes iekšienē, veicina arī iekšējas diskusijas.
  • Ikvienam, kurš uzsāk biznesa inteliģences risinājumu ieviešanu ir jābūt gataviem, ka tas nebūs īss ceļš, būs nepieciešams veikt daudz uzlabojumus, risināt datu kvalitātes jautājumus un veikt datu tīrīšanu. Bez datu tīrīšanas nebūs korektu datu, attiecīgi analītikas, kas var palīdzēt pieņemt informētus lēmumus un uzlabot iestādes sniegumu.
  • Ļoti svarīga ir ekspertīze, ir nepieciešamas gan tehniskās BI rīka zināšanas, gan veselības aprūpes nozares pārzināšana, lai varētu izveidot veiksmīgi darbojošās un izmantojamas lietotnes.

Lai mums visiem kopā izdodas iegūt vislabāko iespējamo risinājumu no pieejamajiem datiem, izmantojot piemērotākos BI risinājumus!

Santa Pildava
Biznesa analītiķe, Infotrust SIA | Infotrust
E-mail: s.pildava@theinfotrust.com

Ask our consultants

Contact us

Get data analytics news into your inbox

Infotrust team once a month shares BI news, products updates, technology trends and invitations to events and trainings. Mark your interests: