Statistisk dataanalys av produktionsdata från

Statistisk dataanalys av produktionsdata –
Erfarenheter från sjukvården
Alexander Chakhunashvili, PhD ([email protected])
Sektionen för Strategiska Projekt, Analys och Visualisering
Avdelningen för Strategisk Sjukvårdsutveckling och Vårdproduktion
Seminarium Industriell statistik: Analys av service- och tjänsteprocesser
Karolinska Institutet, Stockholm
Den 17 mars, 2015
Sammanfattning
Tack vara den snabba IT utvecklingen finns det idag stora
mängder produktionsdata att tillgå i sjukvården. Det mäts
mycket… Och det lagras mycket. Men…
– Använder vi sjukvårdsdata på ett klokt sätt?
– Hur långt räcker vår datakunskap/statistikkunskap?
– Använder vi den för att förstå variationen och omvandla rådata till något vettigt?
– Eller är det datorkunskapen/programmeringskunskapen som gör skillnaden?
Syftet med denna presentation är att lyfta fram några
utvecklingsområden i samband med användning av
produktionsdata från sjukvården och visa tillämpningar i analys
och uppföljningssyfte.
Kort om organisationen…
Sjukhusdirektör/sjukhusledning
Ekonomi
HR
K&P
Värdebaserad
vård
SSVP
Vårdproduktion
…
Strategiska
Projekt, Analys
och Visualisering
3
Dataanalys: hur ligger vi till?
Komplexitet
T. ex. optimering
Probabilistisk
T. ex. tidsserieanalys,
simulering av
stokastiska flöden
Deterministisk
Semiprobabilistisk
T. ex. EDA, 7QC
Preskriptiv dataanalys
Prediktiv dataanalys
Deskriptiv dataanalys
Utdataarbete
Lägga grund, säkra utdata
Titta framåt
Optimera
Matematik/optimerings
teknik
Utvärdera
Variationskunskap/matematisk statistik
Datavetenskap/programmeringskunskap
G r u n d n i v å (datatillgång, dataskick, mm)
Mognad
Bilden baseras på rapporten från Gartner Business Inteligence & Analytics Summit 2014.
Innehåll
1. Utdataarbete – lägga en stabil grund och
säkra utdata.
2. Deskriptiv dataanalys – utvärdera historiska
utfall. Deterministisk kontra probabilistisk
dataanalys.
3. Prediktiv dataanalys – titta framåt.
Prediktion inom gränser. Modellering och
simulering.
4. Preskriptiv dataanalys – optimera för bästa
resultat.
Innehåll
1. Utdataarbete – lägga en stabil grund och
säkra utdata.
2. Deskriptiv dataanalys – utvärdera historiska
utfall. Deterministisk kontra probabilistisk
dataanalys.
3. Prediktiv dataanalys – titta framåt.
Prediktion inom gränser. Modellering och
simulering.
4. Preskriptiv dataanalys – optimera för bästa
resultat.
Vad mäter vi på ett sjukhus?
• Vårdproduktion (utfall i öppenvård, slutenvård, operation, etc)
• Kö till nybesök, återbesök, operation/behandling, etc
• Vårdplatssituation (disponibla vårdplatser, fastställda
vårdplatser, beläggningsgrad, etc)
• Väntetider/ledtider (på akutmottagningen, till
behandling/operation, etc)
• Läkemedelsordination/administrering
• Och mycket annat…
Dataflödesmodell, ett exempel från Karolinska
Dataflöde
Heroma
Innehåll
1. Utdataarbete – lägga en stabil grund och
säkra utdata.
2. Deskriptiv dataanalys – utvärdera historiska
utfall. Deterministisk kontra probabilistisk
dataanalys.
3. Prediktiv dataanalys – titta framåt.
Prediktion inom gränser. Modellering och
simulering.
4. Preskriptiv dataanalys – optimera för bästa
resultat.
Deterministisk kontra probabilistisk dataanalys
Deterministisk/punktmätning
2013
2014
+3%
1 500
1 294
1 334
1 000
-1%
+5%
678
537
672
562
500
0
Antal utförda op
Patienttid
Knivtid
Probabilistisk/över tid
Veckovis uppföljning av akutkirurgi, Huddinge 2015
Styrdiagram Klinik A
Styrdiagram Klinik B
16
55
50
45
40
35
30
25
20
15
10
14
12
10
8
6
4
2
0
v2
v3
v4
Ant op
v5
LCL
v6
CL
v7
UCL
v8
v9
LWL
v10
v2
UWL
v3
v4
Ant op
Styrdiagram Klinik C
v5
LCL
v6
CL
v7
UCL
v8
v9
LWL
v10
UWL
Styrdiagram Klinik D
32
55
28
45
24
35
20
25
16
15
12
8
5
v2
v3
Ant op
v4
v5
LCL
v6
CL
v7
UCL
v8
LWL
v9
v10
UWL
v2
v3
Ant op
v4
v5
LCL
v6
CL
v7
UCL
v8
LWL
v9
v10
UWL
Variationsmönster i nybesöks- och op/beh:s kö
Väntande till nybesök läkare – köställda totalt (exklusive
framflyttad vård) 2012-2014
År 2012
År 2013
År 2014
År 2015
Väntande till nybesök läkare – köställda > 30 dagar
(exklusive framflyttad vård) 2012-2014
År 2012
År 2013
År 2014
År 2015
Väntande till op/beh – köställda Totalt (exklusive
framflyttad vård) 2012-2014
År 2012
År 2013
År 2014
År 2015
Väntande till op/beh – köställda > 90 dagar (exklusive
framflyttad vård) 2012-2014
År 2012
År 2013
År 2014
År 2015
Kö är en dynamisk process
Nybesökskö till läkare under 2014
Antal köställda
Kö >30 dgr har varierat mellan 9%-35%
Över 30 dgr
21-30 dgr
Kö 21-30 dgr har varierat mellan 7%-34%
11-20 dgr
1-10 dgr
Kö 11-20 dgr har varierat mellan 14%-39%
v49
v50
v51
v52
v42
v43
v44
v45
v46
v47
v48
v34
v35
v36
v37
v38
v39
v40
v41
v27
v28
v29
v30
v31
v32
v33
v20
v21
v22
v23
v24
v25
v26
v12
v13
v14
v15
v16
v17
v18
v19
v5
v6
v7
v8
v9
v10
v11
v1
v2
v3
v4
Kö 1-10 dgr har varierat mellan 15%-47%
Finns det ett annat, bättre, sätt att visualisera och följa upp kön?
Köuppföljning – från ett linjediagram till lexisdiagram
Väntande till nybesök läkare – köställda > 30 dagar (exklusive
framflyttad vård) 2012
Tid (antal timmar)
Ytterligare ett exempel av lexisdiagram från en akutmottagning
Kalendertid
Olika prioriteringar
markeras med olika färger
Mål för olika
prioriteringar kan anges
Färdigt
Pågående
Innehåll
1. Utdataarbete – lägga en stabil grund och
säkra utdata.
2. Deskriptiv dataanalys – utvärdera historiska
utfall. Deterministisk kontra probabilistisk
dataanalys.
3. Prediktiv dataanalys – titta framåt.
Prediktion inom gränser. Modellering och
simulering.
4. Preskriptiv dataanalys – optimera för bästa
resultat.
Nyckeltal A
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
Tidsserieanalys
• Framtagning av en stokastisk modell
• Modellspecifikation och modellverifiering
• Prediktion av tidsserier
• Modellering av dynamiska samband
• Etc
Nyckeltal A
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
Tidsserieanalys
• Framtagning av en stokastisk modell
• Modellspecifikation och modellverifiering
• Prediktion av tidsserier
• Modellering av dynamiska samband
• Etc
Modellering och simulering – några exempel från Karolinska
• Modellering och simulering av en framtida förlossningsavdelning
• Modellering och simulering av en framtida operationsavdelning (CHOPIN)
• Flödessimulering på en opererande klinik inklusive vårdplatssituation
• Simulering av ett nytt arbetssätt med syfte att separera akuta och elektiva
patientflöden och därmed minska utlokaliseringar
Simulering av ett nytt arbetssätt med syfte att separera akuta
och elektiva patientflöden och därmed minska utlokaliseringar
•
Långa väntetider på akuten
•
Överbeläggningar
•
Utlokaliseringar till andra kliniker
•
Få fart på det akuta flödet
•
Freda elektiva platser
•
Separation av akuta och elektiva flöden
•
Klustring av kliniker
22
Innehåll
1. Utdataarbete – lägga en stabil grund och
säkra utdata.
2. Deskriptiv dataanalys – utvärdera historiska
utfall. Deterministisk kontra probabilistisk
dataanalys.
3. Prediktiv dataanalys – titta framåt.
Prediktion inom gränser. Modellering och
simulering.
4. Preskriptiv dataanalys – optimera för bästa
resultat.
Preskriptiv dataanalys – optimera för bästa resultat
• Optimeringstekniken är ingen nyhet för varken
traditionell tillverkningsindustri eller större delar av
tjänstesektorn, men hur är det i sjukvården?
• Är lineär programmering och simplex
metoder/algoritmer något man kan använda även i
sjukvården?