archived
Arvioitu lukuaika 6 min
Tämä sivu on arkistoitu ja saattaa sisältää vanhentunutta tietoa

Mitä tiedämme sote-asiakkaista ja heidän palvelutarpeistaan? 2/2

Hajanaisuus tiedon käsittelyssä ja sitä kautta olettamuksiin perustuva kehittämistyö pitäisi suunnata enemmän dataperusteiseen analyysiin.

Julkaistu

Soten toimintaa voidaan tehostaa huomattavasti muun muassa kokonaisvaltaisilla hoitosuunnitelmilla ja eri ammattiryhmien välisellä saumattomalla yhteistyöllä. Samalla voidaan saavuttaa jopa satojen miljoonien eurojen säästöt. Nämä tiedot saatiin selville sote-asiakasdataan pohjautuvalla simulointimallilla. Myös muita sote-uudistusta tukevia ratkaisuja mallintamalla saadaan esille käyttökelpoiset kehityskohteet sekä niiden tuottamat säästöt. Data-analytiikalla ja simulointimallinnuksella saadaan arvioitua uudistusten vaikutuksia ilman työläitä kenttäkokeiluja.

Tämän kaksiosaisen artikkelisarjan ensimmäisessä osassa kerroimme tutkimuksestamme, joka selvitti paljon sosiaali- ja terveyspalveluja käyttävien asiakkaiden kustannusten muodostumista palveluketjujen eri vaiheissa. Tässä jälkimmäisessä artikkelissa pohdimme, mitä entistä kattavammalla datalla ja uudenlaisilla analyysimenetelmillä voidaan tehdä sosiaali- ja terveyspalvelujen kehittämiseksi entistä paremmiksi ja kustannustehokkaammiksi.

Tärkein lähtökohta sosiaali- ja terveydenhuollon palvelurakenteen uudistuksen suunnittelussa on ymmärrys asiakkaan monimuotoisesta palvelutarpeesta ja palvelujen käytöstä. Tulevaisuuden ideaalimallin saavuttamiseksi pitää löytää ratkaisut, joilla pystytään tarjoamaan jokaiselle asiakkaalle oikea-aikainen palvelu asuinpaikasta riippumatta. Valitettavan usein uudistuksissa luotetaan asiantuntijoiden omiin näkemyksiin sen sijaan, että hyödynnettäisiin kokonaisvaltaisia, tietoperusteisia toiminnan analyysejä.

Tutkijatohtori Toni Ruohosen tutkimusryhmä keräsi kattavan aineiston Kainuun sosiaali- ja terveydenhuollon kuntayhtymän (Kainuun sote) sekä Keski-Suomen Jyväskylän yhteistoiminta-alueen terveyskeskuksen (JYTE) kuntien alueilta vuosilta 2013-2014. Aineistoon koottiin erikoissairaanhoidon, perusterveydenhuollon ja työterveyshuollon lisäksi Kelan sairausvakuutuslain mukaiset korvaukset ja osa tulonsiirroista sekä sosiaalipalveluista ympärivuorokautiset palvelut, kotihoidon, toimeentulotuen, lastensuojelun palvelut ja perheneuvonta sekä muita toimintakykyä ja itsenäisyyttä tukevia palveluita eri asiakasryhmille. Tutustu vastikään julkaistuun raporttiin tarkemmin täällä.

Jopa puolen miljardin säästöt nykyistä paremmalla yhteistyöllä ja suunnittelulla

Sekä data-analytiikan että asiantuntijatyöpajojen avulla visioitujen uudistusten arvo saatiin mitattua simulointimallinnuksen menetelmillä myös rahassa. Tarkasteluun otettiin perusterveydenhuollon ja erikoissairaanhoidon saumaton yhteistyö, erikoisalat ylittävä yhteistyö, päivystyskäynnit ja niiden tarpeellisuus sekä matkajärjestelyt kodin ja palvelujen välillä. Tulos on merkittävä: kahden vuoden aikana on mahdollista saavuttaa miljoonien eurojen säästöt. Keski-Suomessa JYTE-alueen säästöpotentiaali on 10-13 miljoonaa euroa (6-8 %) ja Kainuun soten alueella vastaava säästöpotentiaali on 5-6,5 miljoonaa euroa (7-9 %)

Koko maan väestöpohjalle skaalattessa tämä tarkoittaa noin 500 miljoonan euron säästöjä. Laskennassa käytetyn simulointimallin vieminen käytäntöön vaatisi kokonaisvaltaisen hoitosuunnitelman tekemistä ja eri ammattiryhmien välistä saumatonta yhteistyötä. Tarkastelussa saadut kustannushyödyt koskevat pidemmän aikaa paljon palveluja tarvitsevien ryhmää eli alle kymmentä prosenttia alueiden väestöstä. Laajentamalla vastaavia tarkasteluja myös muihin asiakasryhmiin tulokset ovat aivan eri suuruusluokkaa. Tehokkaamman toiminnan lisäksi myös asiakastyytyväisyys voi kasvaa: parempia hoitotuloksia, vähemmän matkustamista ja siten vähemmän asiakkaille koituvia kustannuksia.

Tutkimustyön onnistumisen kannalta monitieteinen tiimi on avainasemassa, jotta saadaan erilaisia näkökulmia yhdistettyä. Aineistolähtöinen analyysi vaatii aikaa ja intoa sekä kykyä kuunnella ja kysyä oikeat kysymykset alan ammattilaisilta. Myös yhteistyötahojen asenne on ratkaisevassa roolissa. Suuri kiitos kaikille Kainuu-Keski-Suomi-hankkeessa mukana olleille asiantuntijoille: ilman teitä kattavan aineiston kerääminen olisi ollut mahdotonta, koska osa sote-datasta on edelleen manuaalisesti koottavaa. Etenkin alueiden välisten erojen tulkinnassa olemme saaneet asiantuntevia näkemyksiä, joiden avulla tuloksia on helpompi avata ymmärrettävään muotoon ja kehittämiskohteiden löytäminen mahdollista.

Sosiaali- ja terveystaloustieteilijät tekevät kovasti töitä eri kustannusmallien arvioinnissa, mutta kokonaiskustannusten tarkastelun lisäksi pitäisi keskittyä pohtimaan eri asiakasryhmien todellista palvelukäyttöä. Esimerkiksi tuki- ja liikuntaelinsairaita tarkasteltaessa ryhmään mahtuu paljon erilaisia yksilöitä: joukkoon kuuluvilla on mielenterveyden häiriöitä, sydän- ja verisuonisairauksia ja niin edelleen. Pääfokus tulisi olla asiakkaan kokonaisvaltaisessa hoidossa, sillä asiakasprofiileja on joka lähtöön. Koko väestöön kohdistuvien keskiarvoistettujen kustannusten ja palvelun käytön avulla ei päästä tarkastelemaan yksilöiden, siis palveluja käyttävien yksittäisten ihmisten, palvelutarvetta.

Data-analyysin mahdollisuudet ovat huikeat – tulevaisuuden ennakointi korostuu

Työhyvinvoinnin kannalta eräs seikka herätti ajatuksia taloustietoja tarkastellessamme: ison kunnan sosiaalipalveluiden sairauspoissaolojen aiheuttamilla kustannuksilla voisi kattaa pienen kunnan ikäihmisten kotihoidon palvelut. Sairauspoissaoloja ei millään alalla voida kokonaan ehkäistä ennalta, mutta esimerkki antaa osviittaa säästöpotentiaalin mittakaavasta. Se kertoo myös osaltaan siitä, että säästöjä suunniteltaessa henkilöstön vähentäminen ei  välttämättä johda toivottuun tulokseen. Ammattilaisten työn arvostamista on myös se, ettei heitä kuormiteta liikaa ja että jokaisella olisi aikaa tehdä laadukasta työtä.

Myös ne ryhmät, joiden pitäisi käyttää enemmän palveluita, ovat avainasemassa, kun mietitään tulevaisuutta. Ennaltaehkäisemällä sairauksien ja ongelmatilanteiden kehittymistä, saadaan säästöä ja hyvinvointia aikaan, välillä voi siis olla perusteltua kohdistaa enemmän resurseja varhaisessa vaiheessa. Erilaisia kehittämishankkeita on käynnissä eri puolella Suomea, mutta miten palveluita voidaan kehittää ilman tietoa nykytilasta? Hajanaisuus tiedon käsittelyssä ja sitä kautta olettamuksiin perustuva kehittämistyö pitäisi suunnata enemmän dataperusteiseen analyysiin. Jos emme tiedä, ketä asiakkaat ovat ja mitä palveluita he tarvitsevat, kuinka voimme kehittää palveluita paremmiksi?

Laskennallinen kehitysideoiden arviointi on järkevä lähestymistapa, sillä uudistusten tekeminen ilman asianmukaista taustatietoa on kallista. Hyvin suunniteltu palvelu on joustava ja ottaa erilaiset vaatimukset huomioon. Myös eri sairauksien hoidon onnistumista voi arvioida pitkäaikaisdatan pohjalta, koska toimenpiteet, lääkkeet ja muun muassa sairauspoissaolot ovat jäljitettävissä datasta. Data-analyysin mahdollisuudet ovat siis huikeat.

Tulevaisuuden kannalta ikärakenteen muutos on yksi asia, johon liittyen palvelutarvetta pystytään ennakoimaan simulointimallien avulla. Aineiston laajuuden vuoksi voidaan tehdä päätelmiä eri sairauksien ja ikäryhmien välisistä yhteyksistä ja niihin liittyvien hoitotapahtumien määrästä. Jos tiedetään, että kymmenen vuoden kuluttua tarvitaan tiettyä palvelua enemmän väestön ikärakenteen muutoksesta johtuen, voidaan panostaa myös ennaltaehkäiseviin ratkaisuihin nykytila-analyysin perusteella. Digitaaliset palvelut tuovat oman lisänsä sote-kenttään. Niiden kehittämistyötä jatkamme seuraavassa hankkeessa läheisessä yhteistyössä sosiaali- ja terveyspalveluiden tuottajien, tietojärjestelmien kehittäjien ja digitaalisia palveluita tekevien yritysten kanssa.

Kahden rinnakkaisen tutkimushankkeen aktiivisina yhteistyötahoina toimivat Kainuun sosiaali- ja terveydenhuollon kuntayhtymä, Keski-Suomen sairaanhoitopiiri, Jyväskylän kaupunki ja Sosiaali- ja terveysministeriö sekä päärahoittajina Suomen itsenäisyyden juhlarahasto Sitra ja Kela.

Kirjoittajat: data-analytiikan asiantuntija Juha Soikkeli, hankkeen vastuullinen johtaja Toni Ruohonen, projektipäällikkö Reija Kuoremäki

Mistä on kyse?