Vad driver och formar framtidens välfärd? Demografi driver behov och finansieringsmöjligheter Värderingar och teknik driver hur den utformas

Transkript

1

2 Vad driver och formar framtidens välfärd? Demografi driver behov och finansieringsmöjligheter Värderingar och teknik driver hur den utformas

3 Antal Antal döda i olika åldrar, Sverige Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB. Ålder

4 Antal Antal döda i olika åldrar, Sverige Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB. Ålder

5 Antal Antal döda i olika åldrar, Sverige Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB. Ålder

6 Vägval Finansieringsmodeller, Besparingar eller Effektivisering?

7 Personalbrist inom äldreomsorg år 2030 per län ,0% 2,5% 2,0% 1,5% 1,0% 0,5% 0,0% Brist år 2030 Riket ca Bristen är mest springande: Gotland Norrbotten, Dalarna och Västerbotten Blekinge län Dalarnas län Gotlands län Gävleborgs län Hallands län Jämtlands län Jönköpings län Kalmar län Kronobergs län Norrbottens län Skåne län Stockholms län Södermanlands län Uppsala län Värmlands län Västerbottens län Västernorrlands län Västmanlands län Västra Götalands län Örebro län Östergötlands län Brist på antal årsarbetare i äldreomsorgen 2030 Brist som andel av arbetsför befolkning

8 Värderingar

9 World Values survey

10 Källa: World Value Survey

11 Källa: World Value Survey

12 Teknik

13 Knowledge Doubling Curve Buckminster Fuller created the Knowledge Doubling Curve ; he noticed that until 1900 human knowledge doubled approximately every century. By the end of World War II knowledge was doubling every 25 years. Today things are not as simple as different types of knowledge have different rates of growth. For example, nanotechnology knowledge is doubling every two years and clinical knowledge every 18 months. But on average human knowledge is doubling every 13 months. According to IBM, the build out of the internet of things will lead to the doubling of knowledge every 12 hours.

14 IBM Watson -Algoritmbaserad vård Världens bästa jepardy-spelare Efter 2011 har watson suttit på en Cancerklinik för att ge beslutstöd Förstår naturligt tal (i skrift) Läser igenom några hundratusen forskningspapper Alla kliniska riktlinjer osv Jämför med andra historiska patienter

15 Varför behöver vi hjälp av beslutsfattande maskiner? Gregor Mendels arbete om genetik 1865 uppmärksammades inte förrän runt 1900 Semmelweis om handhygien BMJ 17 år Pubmed 17 milj artiklar ökar med per år

16 Vi kan inte rätt värdera vår produktionskvalitet 97 % av college professorer anser sig till höra den bästa halvan 75 % av svenska akademiker samma Dito svenska förare Dvs vi inser inte att vi, patienter eller profession, behöver hjälp, därför måste jämförelserna och stöden diskret byggas in i vardagen.

17 Isabel - expertsystem Feldiagnos står för 30 % av felbehandling Obduktionsdata är ett trist sätt att få rätt diagnos 20% helt fel sjukdomar 30 % rätt diagnos jämfört med slutlig diagnos i akuten i vanliga fall 95 % med Isabel 8 av 136 studier i olika områden är människan bättre på att fatta beslut.

18 Revolutionerande teknik på ingång Videokommunikation Nattfrid Giraffe Bestic - Äthjälpmedel Duschautomater Hårtvättsrobotar GPS på dementa C-Path, självlärande system för patologiska analyser Utandningsluft analyserare, för infektioner och lungcancer Salivtest för infektioner EEG och EKG i mobilen Kuddar som känner aktivitet, hållning, puls mm. Blodsocker, antikoagulantia etc Quantify-self rörelsen

19 Självtester -egenvård All vård och omsorg kan utgå från en så komplett bild av varje människa som möjligt Vissa vill inte dela data det måste vi acceptera, fast de kommer att få en allt sämre vård och omsorg

20 Digital ranking Svenska privatpersoner 1 Svenskt Näringsliv 3 Offentlig sektor 17 Vill man jobba i offentlig sektor? Analogångest. Ska man gå i skolan?

21 Morgondagens problem har vi haft länge

22 Dålig kvalitet och produktivitet Bostadsbyggande Trafiken 3000 personer dör i förtid skadas 10 procent får infektion efter operation Väntetiderna har varit konstanta 10 procent av grundskoleeleverna klarar inte grundkrav eller blir drop outs Detta har hållit i sig i decennier Patienter-Brukare faller mellan stolar och organisationer IT-systemen sämst av alla branscher Samtidigt blir vi bättre i punktproduktivitet, mätt som tex femårsöverlevnad i olika diagnoser, framförallt hjärt-kärl.

23 Ingen av de dagliga politiska diskussionerna löser dessa problem Privat offentligt Statligt kommunalt Mer mindre resurser Fler färre landsting/kommuner Omorganisationer policys eller lagstiftning Större - mindre klasser Senare tidigare betyg Valfrihet Alla dessa har liten eller ingen påverkan på kvalitet och produktivitet, (förutom under vissa speciella förutsättningar) Konkurrens verkar ha viss påverkan, kan dock kanske gå via storlek liten storlek är bättre än stor

24 Varför är det så svårt att göra något åt vård, skola, omsorg?

25 Mikrosystem All vård, skola, omsorg produceras i mötet mellan patient, elev, brukare - systemet (i vid bemärkelse) och professionerna Alla reformer som inte förändrar detta möte kommer inte heller förändra resultat, kvalitet eller effektivitet.

26 Komplicerade system

27 Komplexa självorganiserade system

28 Dave Snowden s Cynefin framework

29 Östermalms läroverk 1910

30 Vittras nya grundskola vid Telefonplan 2011

31 Olika strategier beroende på mikrosystemets karaktäristika Enkla Patienter - Digitalisera Prova checklistor, gärna IT-baserade för egenvård eller anhörigomsorg. Algoritmbaserad förskrivning/biståndsbedömning Implementera riktlinjer i beslutsalgoritmerna Hög GDS-grad för de som kan och vill. Ekonomiska incitament och marknader Privatisering av tjänster som är väldefinierade Stordriftsfördelar NPM, LoU fungerar Upphandla/utveckla icke-besöks-system

32 Olika strategier beroende på mikrosystemets karaktäristika Komplicerade Patienter -Analysera Både i mikrosystem men även flöden. Måste utveckla mer av analysverktyg och beslutsstöd, och automatisk processtyrning. Kanske mer i diagnos/biståndsprocessen Medan produktionsprocessen kan många gånger vara enkel Cancer tracks Data! Försäkringskassan, socialtjänst, arbetsförmedlingen, anhöriga Good Practice och forskning som tips i beslutstöden Alla förutsättningar finns för att börja utveckla dessa system/arbetssätt

33 Olika strategier beroende på mikrosystemets karaktäristika Komplexa Patienter -Simulera Makrosystemet är ett komplext system, men även vissa mikrosystemsåtgärder. (egentligen antagligen alla..) Vår biologi och livsstil i samverkan med vård och omsorgssystemen, men även försäkringskassa, arbetsplats osv. Helt omöjligt att hantera manuellt vi har ingen förmåga att tänka på komplexa system. Måste börja samla Big Data, kring människors liv och livsstil, resultat och välmående Stordriftsnackdelar NPM, LoU fungerar inte - Tvärtom Självlärande maskiner Självkoordinerande system Till dess: PAL, Äldrevårdcentraler, Experimentera! (Det kan inte bli värre!)

34 Bestäm er! Ett system som är i genomsnitt bra, eller Ett system som är för varje individ? Stor skillnad! En organisation är perfekt designad att ge det resultat det ger, för annat resultat måste organisationen ändras Fokus på mikrosystemen, på användarnytta, på invånaren, både som servicemottagare, producent och som innovatör. Big data! + analytiker.

35 ILD (Inner Leadership Development) Manifesto Allting som kan göras av maskiner (datorer, video, dataprogram, dataspel osv) skall göras av maskiner Allting som kan göras/beslutas av konsumenter (patienter, anhöriga, volontärer) skall göras/beslutas av dem Allting som kan göras enkelt, effektivt och roligt skall göras så Allting som kan mätas ska mätas Du och jag skulle vilja vara patienter där Du och jag skulle vilja arbeta där. Copyright Ruslan Savitskij, Siv Johansson. Innernet AB

36 Tack!

37