Prioritering i Det Danske Sundhedsvæsen – Hvordan?

PrintPrint
Oplægsholder
Navn: 
Janni Lerche Andersen
Stilling: 
Industry Expert
Firma/organisation: 
NNIT
E-mail: 
qja@nnit.com
Øvrige deltagere i projektet/initiativet
Navn: 
Jakob Routhe
Stilling: 
Business Consultant
Firma/organisation: 
NNIT
E-mail: 
jsir@nnit.com
Hovedbudskaber
Disse tre budskaber kan deltagerne forvente at få med hjem efter at have hørt indlægget.
1: 
Prioriteringer der bygger på data, kræver data fra flere domæner.
2: 
Sammenstilling af data fra flere domæner kræver en fælles terminologi.
3: 
En bred standard terminologi som f.eks. SNOMED CT giver mulighed for at anvende Big Data som prioriteringsgrundlag.

Baggrund og motivation:
Offentlige sundhedsudgifter vokser. En udvikling hvor løsninger om mere personale og flere penge ikke kan løse problemerne.
Der er brug for faktuel viden frem for følelser og intuition i en fremadrettet kvalificeret sundhedspolitisk debat om prioritering i sundhedsvæsenet.

Danmark har været førende på registerforskning og bidraget med ny viden på mange områder. For hvert register er standardisering af struktur og indhold en selvfølge.

Kvalitetsarbejdet har været kendetegnet ved dobbeltregistrering og langsommelig rapportering.

Beskrivelse:

Standardiseret dataindsamling på tværs af geografiske og faglige subdomæner i sundhedsvæsenet skal bruges som et strategisk og taktisk værktøj i den nødvendige prioritering. Mange forskellige typer oplysninger skal kunne sammenlignes på landsplan og give potentiale til præcise analyser og identificering af patientvariabler og detaljer om sundhedsydelser på tværs af hospitaler og patientforløb.

Sådanne databaserede oplysninger kan være mønstre i patientforløb som rækker ud over diagnoser og ydelser. Patientspecifikke oplysninger som alder, køn, anamnese, sociale forhold, livsstil, vaner, historiske informationer, patienternes egne historier, patienternes spørgsmål, organisatoriske forhold i sundhedsvæsenet som eks. personaleforhold, sygehusstørrelse, specialefordeling og belastning.

En indsigt, der sammen med kendte demografiske og socioøkonomiske forhold, synliggør trends med mulighed for hurtig reaktion og løbende tilpasninger af skræddersyede sundhedspolitiske tiltag. Målet er sammensætning af forskellige typer data og muligheden for at omsætte dem til konkret viden.

Et helt nødvendigt værktøj er indeksering af data i standardiserede enheder. Det vil sige at data følger en standardiseret opsamling, kan sammenlignes meningsfuldt, har unikke ID koder, kan fremfindes i den kontekst de er skabt og let kan udtrækkes i forstålige rapportformater.

Terminologiske kodeværker og stærke datamodeller er helt nødvendige for troværdig datasammenligning over tid og på tværs i sundhedsvæsenet.

SNOMED CT (SCT) er det internationale kodeværk, der med afsæt i den kliniske verden, giver mulighed for struktureret indsamling af forskellige datatyper som kliniske fund, fundets anatomi, ydelser, medicin, geografiske forhold, mikroorganismer, social kontekst, sygdomsstadie inddeling, skalaer m.v.
En dataindeksering, der sker automatisk bag skærmen, mens brugeren noterer, som hurtigt kan udtrækkes i rapporter og som kan afsløre hidtil ukendte patient-/sygdomsmønstre.

Indlægget:

  • Med afsæt i et resultat af Big Data opsamling fra Kaiser Permanente illustreres gevinsten ved anvendelse af en fælles terminologi på tværs af patientforløb og hospitaler.
  • Case: indgift af NSAID associeret med hjerteproblemer.
  • Illustration af hvordan SCT muliggør automatisk beslutningsstøtte, hvis eks. udsatte patientgrupper forsøges behandlet med NSAID præparater.