Potilastietojärjestelmä tutkimustiedon tuottajana

Transkriptio

1 Tiina Laatikainen, Terveyden edistämisen professori Itä-Suomen yliopisto, Kansanterveystieteen ja kliinisen ravitsemustieteen yksikkö Siun sote, Pohjois-Karjala Potilastietojärjestelmä tutkimustiedon tuottajana

2 Mihin laatutietoa tarvitaan? Kuka laatutietoa tarvitsee?

3 Tiina Laatikainen Kehittyykö terveydenhuolto ilman hoidon laadun tutkimusta? Puheenvuoroja, UEF blogi Onkin erikoista, että terveydenhuollon ammattilaiset ovat saaneet kaikki nämä vuosikymmenet tehdä työtään saamatta kunnollista palautetta työnsä laadusta. Terveydenhuollossa on mitattu kustannuksia, resursseja ja suoritteita, mutta laatutietoa on ollut niukasti. Ja sitä saat mitä mittaat.

4 Kliininen auditointi Mihin haluamme päästä, tavoite? Pystyimmekö parantamaan tilannetta? Pääsemmekö tavoitteeseen? Konkreettiset kehittämistoimenpiteet Miksi emme pääse tavoitteeseen?

5 Rekisterit ja niiden käyttömahdollisuudet Kuolinsyyrekisteri Perus-, välitön- ja myötävaikuttava kuolinsyy Valtakunnallinen, hyvä kattavuus KELA:n rekisterit Erityiskorvausoikeudet Lääkeostot Valtakunnallinen, hyvä kattavuus (ne lääkeostot puuttuvat, joista ei KELA:n korvausta) HILMO Erikoissairaanhoidon ja vuodeosastojen hoitoilmoitukset ja toimenpiteet Hyvä tietolähde sairauksissa, jotka johtavat sairaalahoitoon AvoHILMO Perusterveydenhuollon käynnit Käyntitietojen lisäksi vain joitakin potilaan terveydentilaan liittyviä tietoja

6 Potilastietojärjestelmien tietojen käytön haaste 1. Useita tietojärjestelmiä, rajapinnat eivät ole yhteneviä 2. Vain osa tiedoista on yhtenäisessä muodossa ne tietosisällöt, joille on Koodistopalvelussa määritellyt tietorakenteet, ovat yhtenäisessä muodossa 3. Useimmat järjestelmät eivät ole rakenteisia tietojen poimiminen ja siirtäminen Kansalliseen terveysarkistoon (Kanta) tai alueellisiin/paikallisiin tietovarantoihin vaatii joko kaksoiskirjaamista tai haasteellisia poimintaprosesseja 4. Kanta tietojen käyttö tilastointiin ja tutkimukseen ei vielä mahdollista 5. Tiedon käyttö muuhun tarkoitukseen, kuin oman organisaation potilastyön kehittämiseen, vaatii tutkimusluvan 6. Eri organisaatioissa syntyvän tiedon yhdistäminen haasteellista

7 Päivi Mäki, Susanna Lehtinen-Jacks, Nina Vuorela, Esko Levälahti, Timo Koskela, Antti Saari, Kaisa Mölläri, Raimo Mahkonen, Jarmo Salo, Tiina Laatikainen Tietolähteenä Avohilmo-rekisteri: Lasten ylipainon valtakunnallinen seuranta Suomen Lääkärilehti tikkelit/tietolahteena-avohilmo-rekisteri-lastenylipainon-valtakunnallinen-seuranta/

8 Taustaa perusterveydenhuollon potilastietojen käytölle Käypä Hoito suositukset luovat Suomessa pohjan hoidon laadun indikaattoreiden määrittelylle Suomessa ei ole (vielä) keskeisten kansansairauksien hoidon laadun seurannassa käytössä yhtenäisiä hoidon laadun indikaattoreita tai muunlaista seurantajärjestelmää Laatuindikaattorit ja niiden seuranta tukisi perusterveydenhuollon työn kehittämistä Laatuindikaattoreiden määritteleminen ja niiden seurantajärjestelmän kehittäminen tukisi myös terveydenhuollon ammattilaisten työtä Hoidon laadun lisäksi voidaan tarkastella sairastavuutta, riskinarvioinnin onnistumista, hoitoprosesseja jne.

9 Taustaa Pohjois-Karjalan kokeilulle potilastietojen käytöstä Pohjois-Karjalassa loistava mahdollisuus sekä perusterveydenhuollon että erikoissairaanhoidon tietojen hyödyntämiseen yhden yhtenäisen potilastietojärjestelmän kautta (Mediatri) Alueelle myös yksi yhtenäinen sosiaalihuollon järjestelmä (ProConsona) P-K:ssa käytössä oleva tietojärjestelmä on rakenteinen mahdollistaen standardoidun tietojen kirjaamisen ja hakemisen Hoidon laadun arvioinnin suhteen myös maakunnallisesti melko kattava yhtenäinen laboratoriotoiminta tuo lisäarvoa (ISLAB) Pohjois-Karjalan tietotekniikkakeskuksen (PTTK) toiminta maakunnallisesti mahdollistaa huomattavasti helpomman, osaavamman ja joustavamman tiedonhaun

10 Tyypin 1 ja 2 diabeetikkojen ja koronaaritautipotilaiden hoidon toteutuminen Pohjois-Karjalassa Mediatrista haettu kaikki potilaat, joilta löytyy diabetesdiagnoosi (E10 tai E11) Diagnoosien päällekkäisyydet tarkistettu ja virheellinen diagnoositieto poistettu/jätetty huomioimatta Kaikille varmistetuille diabeetikoille haettu keskeiset laboratoriotutkimukset ja niiden tulokset (kol, LDL, HDL, HbA1c, krea, U-prot jne.) Potilaille haettu myös tiedot muista pysyvistä diagnooseista, mahdollisesta kuolinpäivästä Mediatrista haettu kaikki potilaat, joilla I21 tai I20.0 dg ja/tai tehty ohitusleikkaus tai pallolaajennus Potilasjoukon homogenisoimiseksi poistettu aiemmin infarktin sairastaneet tai toimenpiteessä olleet -> uudet tapaukset Kaikille potilaille haettu Kol, LDL, HDL, SYST VP, DIAST VP, tupakointi, BMI

11 T2D potilaiden ikävakioimaton ja ikävakioitu esiintyvyys kunnittain

12 Sydäninfarktin sairastaneet ja/tai ohitusleikatut/pallolaajennetut, v.

13 Käypä hoito suosituksen mukaan tyypin 2 diabeteksen hoidossa pyritään: HbA1C < 7 % HbA1c seuranta puolen vuoden välein LDL < 2,5 mmol/l Jos koronaaritauti, AVH tai PAD, niin LDL < 1,8 mmol/l Verenpaine <140/80 mmhg Mikroalbuminurian seuranta GFR vuosittain -> Näistä luotavissa laadun seurannan indikaattoreita Huomioitava kuitenkin: taudin diagnoosihetken ja mittausten välinen aika Käytännön työstä aiheutuva vaihtelu esim. seurantojen toteuttamisessa

14 Tyypin 2 diabeetikot, joille ei löydy HbA1c seurantatietoa Kunta 13 Kunta 12 Kunta 11 Kunta 10 Kunta 9 Kunta 8 Kunta 7 Kunta 6 Kunta 5 Kunta 4 Kunta 3 Kunta 2 Kunta 1 Pohjois-Karjala 12,1 10,2 10,9 12,0 11,5 9,1 20,0 16,2 18,4 18,7 17,1 22,4 25,9 29, %

15 Tyypin 2 diabeetikot, joille ei löydy LDL seurantatietoa Kunta 13 Kunta 12 Kunta 11 Kunta 10 Kunta 9 Kunta 8 Kunta 7 Kunta 6 Kunta 5 Kunta 4 Kunta 3 Kunta 2 Kunta 1 Pohjois-Karjala 14,6 17,1 21,6 24,6 20,2 24,5 21,4 23,5 24,9 26,9 27,3 28,3 30,6 32, %

16 Sepelvaltimotautipotilaat, joille ei löydy LDL tietoa LDL akuutin infarkin/sydäntoimenpiteen jälkeen Kunta 14 24,6 Kunta 13 22,1 Kunta 12 27,1 Kunta 11 20,3 Kunta 10 21,8 Kunta 9 13,3 Kunta 8 21,2 Kunta 7 19,9 Kunta 6 24,4 Kunta 5 27,1 Kunta 4 22,5 Kunta 3 26,0 Kunta 2 18,1 Kunta 1 27, %

17 Sepelvaltimotautipotilaat, joille ei löydy tietoa verenpaineesta akuutin infarkin/sydäntoimenpiteen jälkeen Kunta 14 Kunta 13 Kunta 12 Kunta 11 Kunta 10 Kunta 9 Kunta 8 Kunta 7 Kunta 6 Kunta 5 Kunta 4 Kunta 3 Kunta 2 Kunta 1 39,3 40,3 41,7 37,0 39,7 36,2 47,5 50,8 64,4 61,0 58,1 61,8 64,4 55, Kotimittauksia ei voitu huomioida, miksi? %

18 HbA1c tyypin 2 diabetespotilailla Mittaus vähintään 3 kk diagnoosista HbA1c < 7 7 HbA1c < 9 HbA1c 9 Kunta 13 Kunta 12 Kunta 11 Kunta 10 Kunta 9 Kunta 8 Kunta 7 Kunta 6 Kunta 5 Kunta 4 Kunta 3 Kunta 2 Kunta 1 Pohjois-Karjala 70,8 74,8 63,7 75,0 77,7 71,7 75,0 68,3 70,7 68,3 68,3 72,4 63,1 71,5 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %

19 LDL tyypin 2 diabetespotilailla Mittaus vähintään 1 kk diagnoosista LDL < 2,5 mmol/l LDL 2,5 mmol/l Kunta 13 Kunta 12 53,2 57,6 46,8 42,4 Kunta 11 42,3 57,7 Kunta 10 Kunta 9 Kunta 8 61,5 61,6 60,4 38,5 38,4 39,6 Kunta 7 Kunta 6 Kunta 5 Kunta 4 Kunta 3 Kunta 2 Kunta 1 Pohjois-Karjala 49,4 47,9 49,1 50,4 57,6 56,9 51,5 54,6 50,6 52,1 50,9 49,6 42,4 43,1 48,5 45,4 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %

20 Tyypin 2 diabetesta sairastavien HbA1c seuranta OR * * * * * * * Merkitsevä ero vain diabetesta sairastavien ryhmään verrattuna Saifullah ym. Julkaisemattomia tuloksia

21 Millaisia tuloksia saavutetaan tyypin 2 diabetesta sairastavien hoidossa OR * * * * * * * * Merkitsevä ero vain diabetesta sairastavien ryhmään verrattuna Saifullah ym. Julkaisemattomia tuloksia

22 Niiden koronaaripotilaiden osuus kunnittain, joilla hoitotavoite LDL < 1.8 mmol/l saavutettu

23 Akuutin sydäntapahtuman takia P-K keskussairaalassa tai Tampereen sydänyksikössä hoidossa olleiden potilaiden LDL taso 2 vuoden seurannassa Julkaisematon tieto

24 Pohjois-Karjalan T1 diabeetikot v.2015 (yli 20v 1053 diabeetikkoa) PTH perusterveydenhuolto; ESH erikoissairaanhoito Kekäläinen ym. Lääkärilehti 2016;71(40)

25 Tyypin 1 diabeetikoiden HBA1c jakauma (vv ) Kekäläinen ym. Lääkärilehti 2016;71(40)

26 Tyypin 1 diabeetikoiden HBA1c jakauma HBA1c Kekäläinen ym. Lääkärilehti 2016;71(40)

27 HbA 1c tasot hoitopaikan ja hoitomuodon mukaan Valle: T1DM otanta Suomessa v.1993 Mediaani HBA1c 8,6%, v ,4% PTH (n=768) ESH (n=285) ESH ja PTH Keskiarvo Mediaani Keskiarvo Mediaani Keskiarvo Mediaani p-arvo PTH vs. ESH Kaikki (n=1053) HbA 1c (%) 8,17 8,00 8,27 8,07 8,20 8,05 NS Monipistoshoito (n=968) Insuliinipumppu (n=85) 8,17 8,00 8,42 1 8,27 8,23 2 8,05 7,91 1 7,97 7,91 2 7,97 1 Vertailu ESH pumppu vs. monipistoshoito, p=0,007 2 Vertailu ESH+PTH pumppu vs. monipistoshoito, p=0,047 Kekäläinen ym. Lääkärilehti 2016;71(40)

28 Hyvä kirjaaminen parantaa hoidon laadun arviointia ja hoitoa Jokainen puuttuva ja virheellinen tieto hankaloittaa sekä hoidon laadun arviointia että hoidon toteuttamista Tärkeää kirjata tiedot kattavasti Tärkeää kirjata tiedot oikeaan paikkaan Tärkeää kirjata tiedot mahdollisuuksien mukaan rakenteisesti ja noudattaen tietokenttään liittyvää ohjeistusta Potilastyössä olisi hyvä aina miettiä esim. Käypä hoito suositusten kautta mitä tietoja seurantakäynnillä olisi tärkeää kirjata Tietyille potilasryhmille luodut valmiit käyntinäkymät helpottavat tässä työssä

29 Alueellisten sosiodemografisten ja sosioekonomisten erojen tarkastelu Potilaista postinumerotieto Tilastokeskuksen tietokannoista saatavissa postinumeroalueittain kattavasti tietoa erilaisista sosioekonomisista tekijöistä: Keskitulot Työttömyysaste Koulutusaste Eri ammattiryhmissä työskentelevien osuudet Pienituloisten osuus Alueellisten sosioekonomisten tekijöiden yhteydet hoidon laadun indikaattoreihin

30 Alueen sosioekonomisten tekijöiden vaikutus HbA1C mittausaktiivisuuteen ja tasoihin: työttömyys yhteydessä huonompaan mittausaktiivisuuteen, koulutus hoidon tulokseen Variable Is HbA1c measured? (0=no, 1=yes) Gender in total HbA1c level (0=7 % and over, 1=less 7 %) Gender in total Gender (0=male,1=female) 1.15 ( ) 1.17 ( ) Age 1.02 ( ) 0.99 ( ) Educated (%) 1.00 ( ) 1.02 ( ) Mean income (thousands / ) 1.00 ( ) 1.06 ( ) Median income (thousands / ) 1.00 ( ) 1.03 ( ) Lower and upper clerical employee (%) 1.00 ( ) 1.01 ( ) Unemployed (%) 0.94 ( ) 0.98 ( ) Income < (%) 1.00 ( ) 0.99 ( ) Labor force in primary production (%) 1.00 ( ) 1.00 ( ) Labor force in manufacture (%) 1.01 ( ) 0.99 ( ) Labor force in service sector (%) 1.00 ( ) 1.01 ( ) PC 1 (Well-paid knowledge communities) 0.98 ( ) 1.09 ( ) PC 2 (Industrial communities) 0.95 ( ) 1.08 ( ) PC 3 (Idle unemployment communities) 0.92 ( ) 0.96 ( ) Sikiö M et al. Diabetes Research and Clinical Practise, 2014.

31 Potilasjärjestelmästä saatuja tietoja ja paikkatietoja yhdistelemällä voidaan myös mallintaa prosesseja ja kustannuksia Mitä säästöjä tyypin 2 diabetesta sairastavien potilaiden omaseurannan kehittämisellä voitaisiin saavuttaa? Tiedot potilaista: ikä, asuinpaikka, kunta Tiedot potilaiden hoitotasapainosta ja käyntien määrästä Potilaan asuinpaikan sosioekonomiset tiedot: auton omistus, eläkkeellä olevien osuus, työttömien osuus Tieverkosto: etäisyys hoitopaikkaan Julkinen liikenne Hoitokäynnin, etäkonsultaation, laboratoriotutkimusten kustannukset Matkakustannukset, käytetyn ajan kustannukset

32 Omaseurannalla saavutettavat terveydenhuollon ja asiakkaan aika ja kustannussäästöt: HbA1c seuranta Total costs of the T2DM follow-up in baseline and potential self-monitoring-induced cost savings Baseline ( ) Share (%) Self-monitoring scenario ( ) Share (%) Change ( ) Change (%) Annual total costs of T2DM follow-up Annual average total cost per patient Average total cost of one follow-up visit Healthcare costs Direct cost of healthcare and blood glucose tests (scenario includes self-monitoring-related cost) Care time cost (scenario includes self-monitoring-related time cost) Travel costs Direct monetary cost of travel Travel time cost Annual average travel cost per patient Leminen A et al

33 Potilaiden matkoista aiheutuvat kustannukset Leminen A et al

34 Kiitos!