Statistisk dataanalys av produktionsdata Erfarenheter från sjukvården

Transkript

1 Statistisk dataanalys av produktionsdata Erfarenheter från sjukvården Alexander Chakhunashvili, PhD Sektionen för Strategiska Projekt, Analys och Visualisering Avdelningen för Strategisk Sjukvårdsutveckling och Vårdproduktion Seminarium Industriell statistik: Analys av service- och tjänsteprocesser Karolinska Institutet, Stockholm Den 17 mars, 2015

2 Sammanfattning Tack vara den snabba IT utvecklingen finns det idag stora mängder produktionsdata att tillgå i sjukvården. Det mäts mycket Och det lagras mycket. Men Använder vi sjukvårdsdata på ett klokt sätt? Hur långt räcker vår datakunskap/statistikkunskap? Använder vi den för att förstå variationen och omvandla rådata till något vettigt? Eller är det datorkunskapen/programmeringskunskapen som gör skillnaden? Syftet med denna presentation är att lyfta fram några utvecklingsområden i samband med användning av produktionsdata från sjukvården och visa tillämpningar i analys och uppföljningssyfte.

3 Kort om organisationen Sjukhusdirektör/sjukhusledning Ekonomi HR K & P SSVP Värdebaserad vård Vårdproduktion Strategiska Projekt, Analys och Visualisering 3

4 Dataanalys: hur ligger vi till? Komplexitet T. ex. optimering Probabilistisk Deterministisk T. ex. tidsserieanalys, simulering av stokastiska flöden T. ex. EDA, 7QC Semiprobabilistisk Utdataarbete Lägga grund, säkra utdata Deskriptiv dataanalys Utvärdera Prediktiv dataanalys Titta framåt G r u n d n i v å (datatillgång, dataskick, mm) Preskriptiv dataanalys Optimera Matematik/optimerings teknik Variationskunskap/matematisk statistik Datavetenskap/programmeringskunskap Mognad Bilden baseras på rapporten från Gartner Business Inteligence & Analytics Summit 2014.

5 Innehåll 1. Utdataarbete lägga en stabil grund och säkra utdata. 2. Deskriptiv dataanalys utvärdera historiska utfall. Deterministisk kontra probabilistisk dataanalys. 3. Prediktiv dataanalys titta framåt. Prediktion inom gränser. Modellering och simulering. 4. Preskriptiv dataanalys optimera för bästa resultat.

6 Innehåll 1. Utdataarbete lägga en stabil grund och säkra utdata. 2. Deskriptiv dataanalys utvärdera historiska utfall. Deterministisk kontra probabilistisk dataanalys. 3. Prediktiv dataanalys titta framåt. Prediktion inom gränser. Modellering och simulering. 4. Preskriptiv dataanalys optimera för bästa resultat.

7 Vad mäter vi på ett sjukhus? Vårdproduktion (utfall i öppenvård, slutenvård, operation, etc) Kö till nybesök, återbesök, operation/behandling, etc Vårdplatssituation (disponibla vårdplatser, fastställda vårdplatser, beläggningsgrad, etc) Väntetider/ledtider (på akutmottagningen, till behandling/operation, etc) Läkemedelsordination/administrering Och mycket annat

8 Dataflödesmodell, ett exempel från Karolinska Dataflöde Heroma

9 Innehåll 1. Utdataarbete lägga en stabil grund och säkra utdata. 2. Deskriptiv dataanalys utvärdera historiska utfall. Deterministisk kontra probabilistisk dataanalys. 3. Prediktiv dataanalys titta framåt. Prediktion inom gränser. Modellering och simulering. 4. Preskriptiv dataanalys optimera för bästa resultat.

10 Deterministisk kontra probabilistisk dataanalys Deterministisk/punktmätning Probabilistisk/över tid % % -1% Antal utförda op Patienttid Knivtid

11 Veckovis uppföljning av akutkirurgi, Huddinge Styrdiagram Klinik A v2 v3 v4 v5 v6 v7 v8 v9 v Styrdiagram Klinik B v2 v3 v4 v5 v6 v7 v8 v9 v10 Ant op LCL CL UCL LWL UWL Ant op LCL CL UCL LWL UWL Styrdiagram Klinik C Styrdiagram Klinik D v2 v3 v4 v5 v6 v7 v8 v9 v10 5 v2 v3 v4 v5 v6 v7 v8 v9 v10 Ant op LCL CL UCL LWL UWL Ant op LCL CL UCL LWL UWL

12 Variationsmönster i nybesöks- och op/beh:s kö Väntande till nybesök läkare köställda totalt (exklusive framflyttad vård) Väntande till op/beh köställda Totalt (exklusive framflyttad vård) År 2012 År 2013 År 2014 År 2015 År 2012 År 2013 År 2014 År 2015 Väntande till nybesök läkare köställda > 30 dagar (exklusive framflyttad vård) Väntande till op/beh köställda > 90 dagar (exklusive framflyttad vård) År 2012 År 2013 År 2014 År 2015 År 2012 År 2013 År 2014 År 2015

13 v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13 v14 v15 v16 v17 v18 v19 v20 v21 v22 v23 v24 v25 v26 v27 v28 v29 v30 v31 v32 v33 v34 v35 v36 v37 v38 v39 v40 v41 v42 v43 v44 v45 v46 v47 v48 v49 v50 v51 v52 Kö är en dynamisk process Antal köställda Nybesökskö till läkare under 2014 Kö >30 dgr har varierat mellan 9%-35% Kö dgr har varierat mellan 7%-34% Kö dgr har varierat mellan 14%-39% Över 30 dgr dgr dgr 1-10 dgr Kö 1-10 dgr har varierat mellan 15%-47% Finns det ett annat, bättre, sätt att visualisera och följa upp kön?

14 Köuppföljning från ett linjediagram till lexisdiagram Väntande till nybesök läkare köställda > 30 dagar (exklusive framflyttad vård) 2012

15

16 Tid (antal timmar) Ytterligare ett exempel av lexisdiagram från en akutmottagning Kalendertid

17 Olika prioriteringar markeras med olika färger Mål för olika prioriteringar kan anges Färdigt Pågående

18 Innehåll 1. Utdataarbete lägga en stabil grund och säkra utdata. 2. Deskriptiv dataanalys utvärdera historiska utfall. Deterministisk kontra probabilistisk dataanalys. 3. Prediktiv dataanalys titta framåt. Prediktion inom gränser. Modellering och simulering. 4. Preskriptiv dataanalys optimera för bästa resultat.

19 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Nyckeltal A Tidsserieanalys Framtagning av en stokastisk modell Modellspecifikation och modellverifiering Prediktion av tidsserier Modellering av dynamiska samband Etc

20 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Nyckeltal A Tidsserieanalys Framtagning av en stokastisk modell Modellspecifikation och modellverifiering Prediktion av tidsserier Modellering av dynamiska samband Etc

21 Modellering och simulering några exempel från Karolinska Modellering och simulering av en framtida förlossningsavdelning Modellering och simulering av en framtida operationsavdelning (CHOPIN) Flödessimulering på en opererande klinik inklusive vårdplatssituation Simulering av ett nytt arbetssätt med syfte att separera akuta och elektiva patientflöden och därmed minska utlokaliseringar

22 Simulering av ett nytt arbetssätt med syfte att separera akuta och elektiva patientflöden och därmed minska utlokaliseringar Långa väntetider på akuten Överbeläggningar Utlokaliseringar till andra kliniker Få fart på det akuta flödet Freda elektiva platser Separation av akuta och elektiva flöden Klustring av kliniker 22

23 Innehåll 1. Utdataarbete lägga en stabil grund och säkra utdata. 2. Deskriptiv dataanalys utvärdera historiska utfall. Deterministisk kontra probabilistisk dataanalys. 3. Prediktiv dataanalys titta framåt. Prediktion inom gränser. Modellering och simulering. 4. Preskriptiv dataanalys optimera för bästa resultat.

24 Preskriptiv dataanalys optimera för bästa resultat Optimeringstekniken är ingen nyhet för varken traditionell tillverkningsindustri eller större delar av tjänstesektorn, men hur är det i sjukvården? Är lineär programmering och simplex metoder/algoritmer något man kan använda även i sjukvården?