Monipalveluasiakkaan tunnistaminen ja ennustemallin kehittäminen, Pirkanmaan HVA (RRP, P4, I1)

Pirkanmaan hyvinvointialueen monipalveluasiakkaiden määrittely sekä ennustemallin kehittäminen.

Toimintamallin nimi
Monipalveluasiakkaan tunnistaminen ja ennustemallin kehittäminen, Pirkanmaan HVA (RRP, P4, I1)
Toimintamallin lyhyt kuvaus

Pirkanmaan hyvinvointialueen monipalveluasiakkaiden määrittely sekä ennustemallin kehittäminen.

Toteutuspaikka
Pirkanmaa
Paikkakunta, maakunta tai hyvinvointialue
Pirkanmaan hyvinvointialue
Toimintamallin rahoittaja
Muu EU-rahoitus
Sosiaali- ja terveysministeriö (STM)

Tekijä

Emma Mononen

Luotu

26.04.2024

Viimeksi muokattu

03.07.2025
Ratkaisun perusidea

Työn päätavoite on ​jatkossa ennustaa tietojärjestelmien avulla pirkanmaalaisten monialaista ja runsasta sote-palvelujen käyttöä. Nyt tehdyssä työssä koottiin datasta tietoa, jota voidaan hyödyntää palvelujen tämän hetkisessä kehittämisessä ja parantaa datan laatua tulevaisuudessa. Päädyttiin panostamaan datasta nousseisiin datan laadun haasteisiin ja palveluiden ulkopuolella olevien tunnistamiseen (hoidon jatkuvuusmalli + tuettu asuminen + eristäytyneet). Olemassa olevan datan laatu oli liian heikkoa ennakointimallin muodostamiseksi vuoden 2025 aikana. 

Jatkossakin Pirkanmaan hyvinvointialueella pyritään kohdentamaan palveluja ja tukea ennaltaehkäisevästi ja oikea-aikaisesti niille asukkaille, joilla on riski monialaiseen ja runsaaseen sote-palvelujen käyttöön. Samalla monipalveluasiakkaaksi päätyy yhä vähemmän pirkanmaalaisia.​

Toimintaympäristö

Sosiaali- ja terveydenhuollon järjestämislain §10 määrittää, että hyvinvointialueen on:​

  • huolehdittava yhteen sovitettuja palveluja laaja-alaisesti tarvitsevien asiakasryhmien ja asiakkaiden tunnistamisesta,​

  • sosiaali- ja terveydenhuollon yhteensovittamisesta ja palveluketjujen ja palvelukokonaisuuksien määrittelemisestä sekä​

  • sosiaali- ja terveydenhuollon palvelujen yhteensovittamisesta hyvinvointialueen muiden palvelujen kanssa sekä asiakasta koskevan tiedon hyödyntämisestä eri tuottajien välillä. 

Pirkanmaalla on tehty jo paljon asian tiimoilta viime vuosina: mm. Parempi Arki-hanke, Tampereen asva-toiminta, monipalveluasiakkaiden tietotarveanalyysi/PSHP,  Monialaisen yhteistyön opas, Minun tiimini -malli.

Ammattilaisten tekemän asiakastyön ja palvelutuotannon johtamisen tueksi tarvitaan systemaattisempia, yksittäisiä asiakkaita koskevaa dataa analysoivien ennustamisen välineitä. Tällöin voitaisiin tarjota ennakoivaa ja ennaltaehkäiseviä palveluja ja tukea ajoissa.

Kohderyhmä ja asiakasymmärrys

Määrittely ja ennustemallien kehittäminen on tarkoitus kohdistaa kolmeen kohderyhmään: 1) lapset ja nuoret, 2) ikääntyneet ja 3) työikäiset. Määrittely- ja kehitystyössä keskitytään monia eri palveluita käyttäviin ei ainoastaan paljon (yksittäisiä) palveluita käyttäviin. RRP-hankkeen puitteissa työstettiin vain työikäisten osuutta analysoiden dataa kahden vuoden ajalta. Asiakkaita ei erikseen osallistettu. 

Toimivuuden ja käyttöönoton ehdot

Tietosuoja- ja lääkintälaitesäädökset huomioitava. 

Monipalveluasiakkaiden tarkastelu eri tietojärjestelmien välillä mahdollistuu Pirkanmaalla vasta, kun asiakkaiden tunnisteiset tiedot ovat mallinnettuna samassa rakenteessa tietoaltaassa. Henkilöt, jotka eivät käytä sote-palveluja, jäävät asiakastietojärjestelmiä ja algoritmejä hyödyntävien mallien tavoittamattomiin.

Arvioinnin tulokset tiivistettynä

Datan heikko laatu ja toimintamallin vetovastuun vaihtuminen vaikuttivat toimintamallin etenemiseen. Varsinaisen ennakointimallin kehittäminen päädyttiin lopettamaan 03/2025 Pirkanmaan hyvinvointialueen sote-johtoryhmän päätöksellä. Käytetään tehtyä työtä hyväksi hoidon jatkuvuusmallin kehittämisessä, Sagan käyttöönoton tukena (datan laadun kehittämisessä),  palvelutarpeen tunnistamisen mallien kehittämisessä (ohjelmistorobotiikan mahdollisuudet tunnistamisessa) sekä väitöskirjatutkimuksen mahdollistamisessa. 
 

Vinkit toimintamallin soveltajille
  • Sidosryhmien sitouttaminen työhön heti alkuvaiheessa. 
  • Datan antamien mahdollisuuksien ja rajoitteiden toteaminen.
  • Riittävä resurssointi. 
  • Substanssiosaamisen huomiointi datan tuloksien tulkinnassa.