Yksilön valinnanvapaus omasta hoidostaan - Big data hyötykäytössä Ilkka Kunnamo Dosentti, yleislääketieteen erikoislääkäri 24.10.2017 Sidonnaisuudet: Kehitän päätöksentukea Kustannus Oy Duodecimin palveluksessa Executive Boardin jäsen, DynaMed Plus STM:n genomikeskustyöryhmän jäsen
Teemat Mistä saadaan dataa Big data vai satunnaistetut tutkimukset Terveyshyödyn mittaaminen yksilöllisesti Priorisointi kustannus-vaikuttavuuden perusteella väestö- ja yksilötasolla
Anne, 35 v Kolesteroli 6.8 mmol/l Timo, 55 v Kolesteroli 6.8 mmol/l Tavoite: yksilöllinen hoito Andres Rodriguez Dreamstime Stock Photos Alamar Dreamstime Stock Photos
Anne, 35 v Kolesteroli 6.8 Statiinilääkitys vähentää Annen suhteellista riskiä saada aivohalvaus tai sydäninfarkti 25 % Timo, 55 v Kolesteroli 6.8 Statiinilääkitys vähentää Timon suhteellista riskiä saada aivohalvaus tai sydäninfarkti 25 % Andres Rodriguez Dreamstime Stock Photos Alamar Dreamstime Stock Photos
Aivohalvauksen tai sydäninfarktin absoluuttinen riski arvioidaan 9 tekijän perusteella (USA:n riskilaskuri)
Aivohalvauksen riski arvioidaan henkilön tietojen perusteella Vähemmän kuin yksi 140:stä Annen kaltaisesta henkilöstä saisi sydän- tai aivoverisuonitapahtuman 10 vuoden aikana Vähintään 600 Annen kaltaista henkilöä pitää hoitaa statiinilla 10 vuoden ajan yhden tapahtuman välttämiseksi (NNT = 600)
Useampi kuin joka toinen Timon kaltaisesta henkilöstä saisi sydän- tai aivoverisuonitapahtuman 10 vuoden aikana Kuusi Timon kaltaista henkilöä pitää hoitaa statiinilla 10 vuoden ajan yhden tapahtuman välttämiseksi (NNT = 6)
Mistä data saadaan? Potilastietoj.1 Potilastietoj.2 Terveystaltio2 Terveystaltio1 - Yksi potilas - yksi kertomus Data - Ammattilaisen tallentama - Kansalaisen itsensä tallentama - Automaattisten mittareiden keräämä Laite 1 Laite 2
Miten tietojärjestelmä rakentuu? Kanta ja Omakanta Data - Ammattilaisen tallentama - Kansalaisen itsensä tallentama - Automaattisten mittareiden keräämä Sovellukset PTJ 1 Apotti App 1 Datahistoria Kaikkien ihmisten aikaisemmat terveystiedot Oma terveys - sovellus App 2
Potilas voi itse kirjata Oirehistoria ja oireiden seuranta Suvun sairaudet Verenpaine, paino, pituus Tupakointi PEF Verensokeri Kivun voimakkuus Toimintakyky PEF, EKG, lukuisat muut mittaukset Ravitsemustiedot Sosioekonominen tieto Subjektiivinen elämänlaatutieto ja tarkistaa Lääkityslista, diagnoosilista, toimenpidelista
Puettavat laitteet datan lähteinä
International Consortium for Health Outcomes Measurement
Terveyspalvelujen laatu ja toiminnanohjaus Kliininen toiminnanohjaus Vaikuttavuus (näyttö) Turvallisuus Hoidon/hoivan koordinaatio Asiakaskeskeisyys (yksilöllisyys) Tuotannollinen toiminnanohjaus Saatavuus Oikea-aikaisuus Tehokkuus Infrastruktuurin kyvykkyys Yksilö Väestö
Potilas paras tiedon raportoija? Kliininen toiminnanohjaus Vaikuttavuus (näyttö) Turvallisuus Hoidon/hoivan koordinaatio Asiakaskeskeisyys (yksilöllisyys) Tuotannollinen toiminnanohjaus Saatavuus Oikea-aikaisuus Tehokkuus Infrastruktuurin kyvykkyys Yksilö Väestö
Kuinka monta dataelementtiä on terveydenhuollossa? Tulevaisuudessa: miljoonia (miljardeja?) Nyt: about 100 000 Nigam Shah (Stanford) 2013
GenBank contents: 200 billion = 200 000 000 000 base pairs in August 2015 http://www.ncbi.nlm.nih.gov/genbank/ Human genome sequenced Genomidatan määrä alkoi kasvaa 2000- luvulla 2000 2003 2006 2008 Datan määrä kaksinkertaistuu joka 18. kuukausi
Auttaako big data?
Karel Moons
Karel Moons 1990 2000 2012
Reaalidata ja reaalinäyttö Real World Data (RWD) Raakadata joka kertyy automaattisesti tietojärjestelmistä Real World Evidence (RWE) Raakadataan perustuva tutkimusnäyttö
Tietokanta, johon on kerätty 18 miljoonan englantilaisen potilaan EMIS-potilaskertomukseen tallennetut anonymisoidut tiedot
Qresearchin riskilaskureita, jotka on johdettu potilaskertomusdatasta QRisk QDScore QKidney QIntervention QFracture QThrombosis QCancer QStroke QAdmissions Kardiovaskulaarinen riski Diabetesriski Munuaisten vajaatoiminnan riski Interventioiden vaikutus riskeihin Osteoporoottisen murtuman riski Laskimotukosriski Syöpäriski Aivohalvausriski Sairaalaan joutumisen riski
Yli 60 erilaista koneoppimisalgoritmia v. 2017
60 mustaa laatikkoa
By the end of this year Watson will touch a billion people and be able to address, diagnose, and treat 80 percent of what causes 80 percent of the cancer in the world. Ginny Rommetty, IBM:n pääjohtaja 20.6.2017 tavattuaan presidentti Donald Trumpin
Prediction of In-hospital Mortality in Emergency Department Patients With Sepsis: A Local Big Data-Driven, Machine Learning Approach. Acad Emerg Med. 2016 Mar;23(3):269-78. Koneoppimismalli ennusti kuolemia paremmin kuin muut mallit. Mallin käytön vaikutusta hoitotuloksiin ei ole tutkittu.
Päätöksentuki P Potilaan tiedot (diagnoosit, lääkkeet, tutkimustulokset, mittaukset, toimenpiteet, toimintakyky, geenit) Tietämys Big data I C O Interventiot - Itse- ja omahoito - Ammattilaisten antama hoito Tutkimukset Toimenpiteet Terapiat Tuki Tavoiteltu tulos -Terveydentilan muutos -Toimintakyky - Pärjääminen Interventioiden haitat Komponentit - Tiedonkeruu - Valmistelu - Toimenpide - Seuranta Arvot ja valinnat
Valinnanvapaus P Potilaan tiedot (diagnoosit, lääkkeet, tutkimustulokset, mittaukset, toimenpiteet, toimintakyky, geenit) Yhdessä päättäminen: shared decisionmaking Tietämys Big data I C O Interventiot - Itse- ja omahoito - Ammattilaisten antama hoito Tutkimukset Toimenpiteet Terapiat Tuki Tavoiteltu tulos -Terveydentilan muutos -Toimintakyky - Pärjääminen Interventioiden haitat Komponentit - Tiedonkeruu - Valmistelu - Toimenpide - Seuranta Arvot ja valinnat
Valinnanvapaus Mitä tavoittelen? Millä keinolla pyrin tavoitteeseen? Milloin, miten ja missä asioin? Miltä palveluntuottajalta saan palveluni? Stockmann vai Tokmanni Missä valinnoissa ammattilainen auttaa kansalaista tai potilasta?
Carean alueella sydäntautiriskiä ennustetaan 40 000 geenimuunnosta (SNP) analysoimalla
RWD, RWE ja tekoäly RWD:n laatu epävarma ja kerääminen toistaiseksi vaikeaa Tiedon luottamuksellisuus vaikeuttaa RWD:n keräämistä Hoitosuositusten tekijät eivät pääse käsiksi RWD-varastoihin, jotka ovat yritysten omaisuutta Ei ole ohjeita tai sopimusta siitä, milloin RWD voi ohittaa satunnaistetuista tutkimuksista saadun tiedon Miten määritetään RWE:n näytön aste ja vähennetään tutkimusharhaa (bias)? Tekoälyn hyödystä potilaille ei ole näyttöä
Satunnaistettu tutkimus vai big data - analyysi Jos halutaan varmasti tunnistaa syy-seuraussuhde, kaikki sekoittavat tekijät tulee kontrolloida. Varmasti tämä onnistuu ainoastaan satunnaistetussa tutkimuksessa. Jos reaalidatasta halutaan päätellä, johtiko hoito tiettyyn lopputulokseen, pitää tietää, mihin päätös hoidon antamisesta tai antamatta jättämisestä perustui. Tätä tietoa ei toistaiseksi kirjata minnekään.
Parantaako tsidovudiini HIV-positiivisten miesten eloonjäämistä? Kohorttitutkimus Raakadata: vaarasuhde 3.6 (CI 3.0 4.3) Kovarianssianalyysi: vaarasuhde 2.3 (1.9 2.8) Marginal structural Cox model: vaarasuhde 0.7 (0.6 1.0) joka ottaa huomioon, että CD4-luku vaikuttaa lääkkeen aloitukseen ja lääke vaikuttaa CD4-lukuun
Kuka on hyvä tutkija tulevaisuudessa?
Kuka on hyvä tutkija tulevaisuudessa? Se joka osaa suunnitella RCT:n joko oikean tai big data aineistossa simuloidun
Kuka on hyvä tutkija tulevaisuudessa? Se joka osaa suunnitella RCT:n joko oikean tai big data aineistossa simuloidun Hoitosuositusten pohjana käytetyn RWE:n tulee olla kriittisesti arvioitua
Laadukkaiden RCTtutkimusten rahoitus hiipuu RWE hyväksytään kritiikittömästi Seurauksena katastrofeja Kaksi tulevaisuutta?
Kaksi tulevaisuutta Laadukkaiden RCTtutkimusten rahoitus hiipuu RWE hyväksytään kritiikittömästi Seurauksena katastrofeja vai RCT:n rooli pysyy keskeisenä Niitä täydentää big data analyysi, joka matkii niitä RCT-tutkimuksia jotka haluaisimme tehdä Hoidon valitsemisen syyt kirjataan rutiinisti Jonathan Sterne
Kaksi tulevaisuutta Laadukkaiden RCTtutkimusten rahoitus hiipuu RWE hyväksytään kritiikittömästi Seurauksena katastrofeja Jonathan Sterne vai RCT:n rooli pysyy keskeisenä Niitä täydentää big data analyysi, joka matkii niitä RCT-tutkimuksia jotka haluaisimme tehdä Hoidon valitsemisen syyt kirjataan rutiinisti Laaturekisterit
Terveyshyötyarvio (health benefit analysis) 1. Päätöksentukisääntöjen avulla etsitään henkilöitä, jotka hyötyisivät hoidosta (care gap) 2. Arvioidaan yksilöllisesti, kuinka suuri terveyshyöty kustakin interventiosta saataisiin Terveyshyödyllä tarkoitetaan nettohyötyä (= hyödyt haitat) 3. Laitetaan interventiot paremmuusjärjestykseen Saarikan ja Helsingin hanke, jota Sitra tukee
Sairaalahoidot vähentyivät 22 % Lumeryhmän potilaan riski joutua sairaalaan 22.5 %
Sairaalahoidot vähentyivät 22 % Lumeryhmän potilaan riski joutua sairaalaan 22.5 % Kerrotaan luvut keskenään: 5 % lääkettä saaneista välttää sairaalahoidon
Potilaalta kysytään, kuinka tärkeää on välttää tapahtuma Arvioidaa, kuinka kauan tapahtuma kestää
Kerrotaan luvut keskenään Potilaalta kysytään, kuinka tärkeää on välttää tapahtuma Arvioidaa, kuinka kauan tapahtuma kestää
Kerrotaan vaikutuksen suuruus sen tärkeydellä
Vältettävän tapahtuman tärkeys (LTK-toimitus) Kuolema 9.7 Aivohalvaus 9.0 Sydäninfarkti 6.8 Verenvuoto mahalaukusta 6.3 Sairaalassaolo 6.2 Yösärky nivelessä 4.8 Tyypin 2 diabetes 3.3 Huimaus ylös noustessa 2.0 Kuiva suu 1.9 Insuliinin pistäminen 1.9 Päivittäiset ilmavaivat 1.2
Interaktiivinen terveyshyötyarvio https://dist-kzqyaxssft.now.sh/
Big data terveyshyötyarviossa
Terveyshyöty väestötasolla
Eri interventioiden tuottama terveyshyöty väestössä Interventio Terveysvaikutuksen keskiarvo väestössä (PTB) Interventiosta hyötyvien potilaiden määrä (N) Terveyshyöty väestössä (PTB x N) Intervention hinta Hinta/PTB (kustannusvaikuttavuus) Kaikkien potilaiden hoitamisen hinta (Hinta x N) Tupakkavieroitus 16.2 3000 48 600 500 31 1 500 000 Statiini 29.4 1800 52 920 1000 34 1 800 000 Lonkan tekonivel 144 200 28 800 20 000 139 4 000 000
Value for money -kolmio Hyöty Kolmion pinta-ala kuvaa intervention tuottamaa hyötyä koko väestössä Hoidon hinta Mitä suurempi kolmio, sitä suurempi terveyshyöty väestölle Mitä terävämpi kolmio, sitä kustannus-vaikuttavampi interventio
Value for money -kolmio Lisäbonusta terveyserojen pienentämisestä Mitä suurempi kolmio, sitä suurempi terveyshyöty väestölle Mitä terävämpi kolmio, sitä kustannus-vaikuttavampi interventio
Value for money -kolmio Hyöty Jokainen potilas sijoitetaan oikeaan kolmioon yksilöllisen hyötymismahdollisuuden perusteella Hoidon hinta Mitä suurempi kolmio, sitä suurempi terveyshyöty väestölle Mitä terävämpi kolmio, sitä kustannus-vaikuttavampi interventio
Budjetin raja Laitetaan kolmiot peräkkäin terävyysjärjestyksessä
NICE:n menetelmät
SOTE-kulut Cost-Utility NICE:n menetelmät EQ-5D, QALY PROMs
The EQ-5D comprises 5 dimensions of health: mobility ability to self-care ability to undertake usual activities pain and discomfort anxiety and depression. For each of these dimensions it has 3 levels of severity (no problems, some problems, severe problems).
EQ-5D health states, examples 11111 (no problems) 22222 (moderate problems on all dimensions) 33333 (extreme problems on all dimensions) dead 21111, 12111, 11211, 11121, 11112 (mild)
mobility, ability to self-care, ability to undertake usual activities, pain and discomfort, and anxiety and depression Tanskalaisten value set väestötutkimuksen peusteella
Vältettävän tapahtuman tärkeys vs. utiliteetti Kuolema 9.7 Aivohalvaus 9.0 Sydäninfarkti 6.8 Verenvuoto mahalaukusta 6.3 Sairaalassaolo 6.2 Yösärky nivelessä 4.8 Tyypin 2 diabetes 3.3 Huimaus ylös noustessa 2.0 Kuiva suu 1.9 Insuliinin pistäminen 1.9 Päivittäiset ilmavaivat 1.2 Kysytäänkö kunkin hoidon tuloksen merkitystä suoraan potilaalta? Käytetäänkö väestötasolla mappausta EQ-5L arvojoukkoon, jolloin voitaisiin hyödyntää myös muissa maissa tehtyä työtä?
Kiitos! ilkka.kunnamo@duodecim.fi www.ebmeds.org Twitter: @ilkkakunnamo Tämä esitys: http://bit.ly/2ftbqdu
Lisää aiheesta Terveyshyötyarvio: http://bit.ly/2fuhsrn Global Evidence Summit 2017: Big data sessio https://www.dropbox.com/s/23okw1agdnlilo5/sim_diverse_ Data_GES_2017_final.pptx.pdf?dl=0 https://www.dropbox.com/s/ffxzoycy1das7zs/sterne%20big% 20data%20Cape%20Town%20Sept%202017.pdf?dl=0 https://www.dropbox.com/s/01b163lcv9bsyhq/moons%20div erse%20data%20and%20prognosis%20research.pdf?dl=0
Lääkkeen valinta tulevaisuudessa: päätöksentukisovellus merkitsee listaan automaattisesti diagnoosin ja muiden potilastietojen perusteella lääkkeet jotka ovat jo potilaan käytössä jotka ovat vasta-aiheisia munuaisten vajaatoiminnan takia jotka ovat aikaisemmin aiheuttaneet potilaalle haittavaikutuksen joilla on merkittävä interaktio potilaan jo käyttämän lääkkeen kanssa jotka eivät sovellu poikkeavan laboratoriotuloksen takia jotka ovat vasta-aiheisia vaikean maksan vajaatoiminnan takia joita ei suositella potilaan iän takia jotka eivät sovi siksi, että potilas on raskaana tai imettää jotka eivät sovi potilaalle farmakogeneettisistä syistä jotka merkittävästi lisäävät kokonaislääkityksen haittavaikutusriskiä joiden odotettavissa oleva hyöty on vähäinen tai odotettavissa olevat haitat ovat hyötyyn nähden merkittävät Työkalu auttaa valitsemaan lääkkeitä, jotka sopivat potilaalle parhaiten.
Lisäelementtejä: Ensisijaisuus/toissijaisuus (Käypä hoito) Nettohyöty lääkkeen käytöstä
Tulevaisuuden oppiva terveydenhuoltojärjestelmä Jokainen tietoalkio potilaskertomuksessa ja terveystaltiossa kerryttää lääketieteellistä tietämystä ja tulee osaksi ennustetyökalua. Jokainen toimintojen sarja sähköisessä potilaskertomuksessa ja potilaan polku auttaa ymmärtämään työnkulkuja ja löytämään oikoteitä
Paljon päätettävää ja muistettavaa Tarvitaanko hoitoa? Mikä hoito olisi potilaalle paras? Miten hoitoon pitää valmistautua? Mitä hoidossa pitää ottaa huomioon? Miten hoidon tehoa ja turvallisuutta seurataan? Miten otamme jatkossa huomioon potilaan kokonaisuuden eri tilanteissa? Mitä mieltä potilas on? 75 Jonna Salonen 24.8.2017
NICE:n arviointimenetelmät https://www.nice.org.uk/process/pmg9/chapt er/the-reference-case
Mitkä kustannukset huomioidaan NICE ei huomio tuottavuuden menetyksestä koituvia kuluja tai tuottavuuden lisääntymisestä johtuvia säästöjä Muissa kuin SOTE-palveluissa syntyneet tai säästyneet kustannukset raportoidaan erikseen (esim. rikollisuuden väheneminen huumeiden käyttäjien hoidon ansiosta)
Incremental cost-effectiveness ratio (ICER) The ratio of the difference in the mean costs of a technology compared with the next best alternative to the differences in the mean outcomes.
Time horizon A time horizon shorter than a patient's lifetime could be justified if there is no differential mortality effect between treatment options, and the differences in costs and health-related quality of life relate to a relatively short period (for example, in the case of an acute infection which has no long term sequelae).
Indirect comparisons and network meta-analyses Data from head-to-head RCTs should be presented in the reference-case analysis. When technologies are being compared that have not been evaluated within a single RCT, data from a series of pairwise head-tohead RCTs should be presented together with a network meta-analysis if appropriate. The network meta-analysis must be fully described and presented as additional to the reference-case analysis.
Measuring and valuing health effects The measurement of changes in healthrelated quality of life should be reported directly from patients and the utility of these changes should be based on public preferences using a choice-based method. The EQ-5D is the preferred measure of healthrelated quality of life in adults.
In calculating QALYs, each of the health states experienced within the time horizon of the model is given a utility reflecting the healthrelated quality of life associated with that health state. The duration of time spent in each health state is multiplied by the utility.
Deriving the utility for a particular health state usually comprises 2 elements: measuring health-related quality of life in people who are in the relevant health state and valuing it according to preferences for that health state relative to other states (usually perfect health and death).
The valuation of health-related quality of life measured in patients (or by their carers) should be based on a valuation of public preferences from a representative sample of the UK population using a choice-based method. This valuation leads to the calculation of utility values.
The EQ-5D comprises 5 dimensions of health: mobility, ability to self-care, ability to undertake usual activities, pain and discomfort, and anxiety and depression. For each of these dimensions it has 3 levels of severity (no problems, some problems, severe problems).
The system has been designed so that people can describe their own health-related quality of life using a standardised descriptive system. A set of preference values elicited from a large UK population study using a choice-based method of valuation (the time tradeoff method) is available for the EQ-5D health state descriptions.
EQ-5D health states 11111 (i.e. no problems), 22222 (i.e. moderate problems on all dimensions), 33333 (i.e. extreme problems on all dimensions) and dead two out of 5 mild EQ-5D health states: 21111, 12111, 11211, 11121, 11112 10 other health states (used in earlier EQ-5D studies) of varying severity
NICE policy statement https://www.nice.org.uk/media/default/about /what-we-do/nice-guidance/nice-technologyappraisalguidance/eq5d5l_nice_position_statement.pdf
Tieto on potilaalla ja lääkärillä joilla on pääsy arvioituun tietämykseen Tarvitaan Käypä hoito säännöt tekoälyn käyttöön
Coronary disease risk reduction according to genetic risk Mega et al. Lancet 2015;385:2264-71
Triple aim Vaikuttavuus Asiakastyytyväisyys Kustannusten hallinta
Triple aim Vaikuttavuus Asiakastyytyväisyys Kustannusten hallinta
Quadruple aim
Turvallinen tiedonvälityskanava Palveluväylä Tietämyksen integroiva palvelu Data - Ammattilaisen tallentama - Kansalaisen itsensä tallentama - Automaattisten mittareiden keräämä Anonymisointi Datahistoria - Ammattilaisen tallentama - Kansalaisen itsensä tallentama - Automaattisten mittareiden keräämä PTJ 1 App 1 App 2 Oma terveys PTJ 2 Tietämysvaranto 1 - Käypä hoito - Hoitoketjut - Toiminnanohjaus - Genomitieto Tietämysvaranto 2 - IBM Watson Kaikkien aiempien potilaiden tietojen analysointi