Fra kritisk syg til store mængder sundhedsdata på intensivafdelinger. HealthQ: Nemme og hurtige udtræk og anvendelse af højfrekvente sundhedsdata.

PrintPrint
Oplægsholder
Navn: 
Thomas Strøm
Stilling: 
Overlæge, Ph.d., Klinisk lektor
Firma/organisation: 
Odense Universitetshospital
Øvrige deltagere i projektet/initiativet
Navn: 
Lars Dybdahl
Stilling: 
Teknologi Direktør, M.Sc.
Firma/organisation: 
Daintel ApS
E-mail: 
ldy@daintel.com
Navn: 
Lasse Spangsege
Stilling: 
Finansiel Direktør
Firma/organisation: 
Daintel ApS
E-mail: 
lsp@daintel.com
Hovedbudskaber
Disse tre budskaber kan deltagerne forvente at få med hjem efter at have hørt indlægget.
1: 
Med Health Q kan brugerne nemt og uden dybere statistikkendskab gennemføre analyser
2: 
Projektet Health Q yder et vigtigt bidrag til den nationale digitaliseringsstrategi og sundhedsministeriets målsætning om brug af kliniske data til løbende kvalitetsforbedringer
3: 
Health Q kan på sigt tilgå data fra forskellige ekspert- og epj systemer, så årsagssammenhænge kan undersøges for forskellige specialer og for egentlige patienthistorikker

Baggrund og motivation

Igennem de seneste 5 år har halvdelen af Danmarks intensivafdelinger indsamlet tidsnøjagtige data for medicinering, interventioner, diagnoser og vitalparametre. Da al opsamling foregår u-komprimeret og med samme datamodel, er der skabt et unikt, højfrekvent datagrundlag over flere tusinde patientforløb. Dataene repræsenterer en guldmine af klinisk viden og årsagssammenhænge, hvorfor der er blevet identificeret et behov for et nemt og intuitivt IT værktøj, der hurtig kan analysere meget store datamængder.

Beskrivelse

Udviklingen af værktøjet, Health Q, er foregået i tæt samarbejde mellem Odense Universitetshospital og Daintel, hvor der fra starten har været lagt stor vægt på en nem og intuitiv betjening, der godt nok forudsætter klinisk viden – men ikke ekspertkendskab til statistik og avanceret statistiksoftware. Hvor statistiske analyser af store datamængder tidligere krævede lang tids forberedelse og beregninger, er det nu muligt for det kliniske personale selv at tilrettelægge og gennemføre analyser, eksempelvis udviklingen af fysiologiske variabler som resultat af administration af specifikke lægemidler. Den således tilvejebragte viden kan herefter danne grundlag for publikationer og nye behandlingsveje.

Indlægget

I indlægget præsenteres hvordan forskere og klinikere på kort tid kan definere kliniske hypoteser, udvælge/definere populationen og sluttelig, og uden ekspertkendskab til bagvedliggende statistikprogrammer som STATA, SAS og SPSS, gennemføre statiske hypotesetests. Der redegøres for, hvordan projektet på fin hvis understøtter den nationale digitaliseringsstrategi på forsknings- og kvalitetsområdet.

Med afsæt i den kliniske hverdag skildres hvordan Health Q er blevet udviklet i et inspirerende og berigende samarbejde mellem hospitalets forskere og softwareleverandørens programmører, og afslutningsvis løftes sløret for fremtidige Health Q applikationer, som vil være uafhængig af det kliniske system.