Miten löytää heikot signaalit hoitotyön kirjauksista? 24.10.2008 TtM Heljä Lundgrén-Laine, FT Tapio Pahikkala Hoitotieteen laitos, Lääketieteellinen tdk
Heljä Lundgrén-Laine Esh, TtM, jatko-opiskelijana 2007 alk. Väitöstyön aihe: Päätöksenteontuki teho-osaston päivittäisen toiminnan johtamisessa (vastaavat sairaanhoitajat & tehohoitolääkärit) Hoitotieteen laitos, lääketieteellinen tdk, Turun yliopisto Louhi-projektissa 2006 alkaen
Tapio Pahikkala FT, Tutkija. Tutkimusaihe: Koneoppimismenetelmien kehittäminen ja soveltaminen. IT-laitos, matemaattis-luonnontieteellinen tdk, Turun yliopisto Louhi-projektissa 2006 alkaen hklula@utu.fi 1.11.2008
Mitä koneoppiminen on Tietokoneohjelman kyky parantaa toimivuutta aikaisemman kokemuksen tai datan perusteella automaattisesti Useita yhteisiä tavoitteita tiedon louhinnan, tilastotieteen ja matemaattisen ohjelmoinnin kanssa Tarkastelee lisäksi algoritmien kompleksisuutta ja ohjelmallista toteutusta
Koneoppimismenetelmien sovellukset Koneoppimismenetelmät mahdollistavat sellaisten tietokoneavusteisten menetelmien kehittämisen, joiden ohjelmointi perinteisellä tavalla olisi liian vaikeaa tai työlästä. Luonnollisen kielen prosessointiin liittyvät ohjelmat Lääketieteellinen informatiikka
Koneoppimisongelmia Luokittelu Regressio Järjestysrelaation oppiminen (rankkaus)
Hoitotyön kirjaukset Hoitotyön kirjaamisen tavoitteena on kuvata potilaan hoitoprosessia: suunnittelu toteutus arviointi Hoidon jatkuvuus, kokonaisuus Lainsäädännön säätelemää Kansanterveyslaki, erikoissairaanhoitolaki, laki potilaan asemasta ja oikeuksista, laki terveydenhuollon ammattihenkilöistä, arkistolaki, laki viranomaisten toiminnan julkisuudesta, henkilötietolaki, asetus potilasasiakirjojen laatimisesta ja säilyttämisestä Kirjaaminen on aikaa vievä prosessi, noin 13-28 % kokonaistyöajasta yhden vuoron aikana
Hoitotyön kirjaukset Esimerkkinä tehohoitotyön kirjaukset Vitaali elintoiminnot; lämpö, pulssi, verenpaine, hengitys, (kipu, ICP) Tulovaihe, hoitovaihe ja siirtovaihe Ongelmia: standardin kielen puuttuminen, ei ole käytössä yhtenäistä käsitteistöä oma slangi (pupu, nosturi, norri ), erilaiset vapaamuotoiset lyhenteet (esim. IC), kirjoitusvirheet Prosessin tehokkuus/päätöksenteon tehokkuus: Total value added steps Decision making Efficiency = -------------------------------------= <10 % Total process steps
Miten potilaan vointia kirjataan? Numeerinen tieto Verenpaine, pulssi, hengitysfrekvenssi, infuusionopeudet Hallitsematon määrä Visuaalinen apu Strukturoitu tieto VAS (Visual Analog Scale, ei kipua,lievä, kohtalainen, voimakas, sietämätön) GCS (Glasgow Coma Score, silmien avaaminen, puhevaste, paras liikevaste) Otsikot (esim. Uloskirjaus: aikaisemmat muut sairaudet, anamneesi, hengitys, hemodynamiikka, tajunta ja mieliala, tutkimukset, eritys, ihon kunto ja hoito, kivunhoito, erityishoito, omaiset, mukana ollut omaisuus, muita ohjeita) Narratiivinen tieto Vapaa teksti, ammattilaisen tulkintaa potilaan voinnista Kokonaisuutta vaikea hallita. Esimerkki LOS 58 vrk:tta, 13 000 sanaa, ~48 sivua tekstiä
Mitkä ovat vahvoja/heikkoja signaaleja hoitotyön kirjauksissa? Suorat vihjeet valittaa vatsakipua, johon Oxanest auttaa ei kipua kyljessä, ei ole halunnut kipulääkettä aamun jälkeen Epäsuorat vihjeet (esimerkkinä kipu) imettäessä avaa silmät ja vasemmalla kädellä yrittää mielekkäästi estää imemisen, puree putkea, puree välillä putkea voimakkaasti, saa Oxanestia ja Propofol-stoosseja, uni aloitetaan uudestaan, koska puree putkea ja yskii konetta vastaan kovin levoton, pyöri sängyssä, kovin levoton, sekava, nyppii letkuja, motorisesti erittäin levoton, potkii jaloilla, hakkaa käsillään sängyn laitoja hetkellisesti ollut ahdistusta, sekava ja valittelevainen hemodynamiikka hyvä, ajoittain systoolinen paine nousee ad. 185, korjaantuu itsekseen ja kipulääkkeellä
Luokittelu 6 yleisimmin käytettyä otsikkoa tehohoitotyön narratiiveissa (n = 516): hemodynamiikka, omaiset, tajunta, diureesi, hapetus, hengitys Otsikointi vaihtelee: Hemodynamiikka/ verenpaine ja pulssi/verenkierto Hengitys/hapetus/happeutuminen Diureesi/eritys/munuaisten toiminta Esimerkki LOS 58, narratiiveissä käytetty 407 otsikkoa (27 yhdistettyä) Esimerkkinä Tajunta
Luokittelu Edellisiä esimerkkejä luokittelemaan voidaan kouluttaa ohjattuja luokittelumenetelmiä. Luokittelija voidaan kouluttaa päättelemään minkä otsikon alle teksti kuuluu Tehtäväksi sopii myös asiasanojen liittäminen tekstiin.
Luokittelu Ohjatun luokittelijan opettamiseksi tarvitaan esimerkkejä, joista tiedetään jo etukäteen mihin ne liittyvät. Etukäteen luokiteltuja esimerkkejä tarvitaan myös mittaamaan kuinka hyvin luokittelija toimii. Esimerkit on yleensä annotoitava käsin. Annotaation voidaan myös johtaa rakenteisesta datasta, jossa teksti on jo valmiiksi otsikoitu tai luokiteltu.
Luokittelu Annotointi on hidasta ja työlästä Annotointi voi olla subjektiivista
Järjestäminen relevanttiuden mukaan Esimerkkinä hengitys ja kipu: Yskii silloin tällöin kelt. limaa tulee. Reagoi imuihin: puree intub putkea + yskii. Hapenottokyky ei ok -> o2 2l viikset -> sopeutuu hyvin, pulssi nousee ja laskee, myös hapetus nousee ja laskee parin min välein. ekg aamulla. pyrki sitkeästi hengittämään 'konetta vastaan' lääkityksestä huolimatta pientä liikettä varpaissa kipureaktiolla Todella kivulias, pyytää säännöllisesti kipulääkettä, Oxanestia saanut paljon
Järjestäminen relevanttiuden mukaan Potilaskirjaukset tai niiden osat voidaan laittaa tärkeys- tai kiireellisyysjärjestykseen käyttämällä rankkausmenetelmiä Tekstin osien korostaminen tärkeyden mukaan
Hoitoisuuspisteiden regressio Potilaat luokitellaan hoidon tarvetta kuvaaviin luokkiin Luokituksen avulla voidaan määrittää, paljonko henkilökuntaa tarvitaan vastaamaan potilaiden hoidon tarpeeseen Hoitoisuutta arvioidaan tehohoidossa kolme kertaa vuorokaudessa Voidaanko hoitoisuuden määrittämistä automatisoida hyödyntämällä narratiivien sisältämää tietoa? Tarvitaanko myös numeerista tietoa? Voidaanko tekstin avulla ennakoida resurssien allokointia? Työkyvyttömyys, jäljellä oleva työkyky ja työkyvyttömyyden uhka?
Hoitoisuuspisteiden regressio Regressiomenetelmien käyttö hoitoisuuspisteiden ennustamiseen tekstin ja muun saatavilla olevan datan perusteella Resurssien allokoinnin automatisointi
Todennäköiset kipupotilaat Potilaan tila muuttumassa Potilaan profilointi
Miten ohjelman pitäisi ilmoittaa tunnistamistaan signaaleista? Tulevaisuuteen suuntautuvaa toimintaa, ei peruutuspeiliin katsomista Miten ammattilaisen päätöksentekoa voidaan tukea? Funktionaalinen vaiko prosessinomainen? Löydetäänkö suuresta tietomäärästä syy-seuraussuhteita? Profilointi Voidaanko asioita ennustaa?
MITÄ TÄSTÄ SAADAAN IRTI TULEVAISUUDESSA?
Kiitos! Heljä & Tapio