Share on Facebook
Share on Twitter
Share on LinkedIn
Share on email

Potilasennustemalli, Päijät-Häme (RRP, P4, I4/3)

Share on Facebook
Share on Twitter
Share on LinkedIn
Share on email

Edistynyttä analytiikkaan (koneoppiminen ja tekoäly) hyödyntävän potilasennustemallin avulla seurataan  Päijät-Hämeen keskussairaalan yhteispäivystyskeskuksen potilasvirtaan​ tulevaisuuden näkökulmasta. 

 

Lähtötilanne ja strategiset liittymäkohdat

Osaprojekti edistää investoinnin 4 päätavoitetta kehittämällä digitaalisten palvelujen ennustemalleja, jolloin palvelujen saatavuus paranee. 

Työpaketti kiinnittyy Päijät-Hämeen hyvinvointialueen strategiseen painopisteeseen   

Kehitystyön lähtökohtana olevat tarpeet

  • Perinteisen analytiikan keinoin tarkastellaan olemassa olevasta datasta syy-seuraussuhteita.​ Edistyneen analytiikan (koneoppiminen/tekoäly) keinoin luodaan potilasennustemalli vastaamaan kysymykseen, mitä "tulevaisuudessa" todennäköisesti tulee tapahtumaan. ​

  • Potilasennustemalli on koneoppimismalli, jonka avulla voidaan esimerkiksi seurata asiakkaiden tuottamaa kuormitusta "tulevaisuudessa". Näkyvyys "tulevaisuuteen" auttaa esimerkiksi henkilöstön resurssoinnissa.

  • Tavoitteena on kehittää Päijät-Hämeessä käytössä olevia tietojohtamisen menetelmiä väestön palvelutarpeiden ennakoimiseksi.

Kehittäjäjoukon kokoaminen ja yhteiskehittäminen

Ohjausryhmässä edustus kehitettävästä yksiköstä, toimialalta, tietojohtamisen tiimistä sekä hankkeesta

Tavoiteltu muutos

Tavoitteena on  

  1. Kyvykkyyksien rakentaminen palvelukanavien optimointiin ja analysoimiseen. Datan pohjalta voidaan tulevaisuudessa vähentää uusien palvelukanavien rasitusta henkilöstöön. Pitkällä aikavälillä voidaan lisätä vaikuttavuutta hoitoketjussa. 
  2. 2. Edistyneen tietojohtamisen menetelmin toteutetulla potilasvirta-analyysillä on tunnistettu hoitoketjun pullonkauloja.
  3. Valitulla toimialalla on käytössä ennustemalli, joka ennustaa potilasvirran palveluketjun eri vaiheissa. 
Muutoksen mittaaminen
  • Potilasvirta-analyysien ja ennustemallien käyttömäärät/kk
  • Toimintojen palaute käytettävyydestä 
Toteutussuunnitelma

Toimenpiteet ja aikataulutus

  • Potilasvirta-analyysin ja ennustemallin kohteiden määrittely, valinta ja kyvykkyyksien rakentaminen H1 2024​
  • Datan koostaminen tietovarastoon potilasvirta-analyysien ja ennustemallien toteuttamisen tueksi H1 2024​
  • Tietovarastokatalogin muodostaminen datalähteiden hyödyntämiseksi H1 2024​
  • Tietomallinnusalgoritmien mallikehitys H1 2024-H2 2024​
  • Ennustemallien pilotointi, arviointi ja jatkokehitys H2 2024-H1 2025​
  • Ennustemallien käytön koulutus henkilöstölle H2 2024-H1 2025