119 20
Episodiasiakkaat, joilla on BDI-tieto (n=
298)
Terveyshyötyasiakkaat, joilla on BDI-tieto (n=68)
BDI
<10 ei masennusta 11-16 lievä 17-29 kohtalainen 30-60 vaikea
CPI (Community Periodontal Index) on suun terveydenhuollon mittari, joka kuvaa ien-taskujen syvyyttä eri osissa suuta. Parodontiitin on arveltu olevan riskitekijä sydäninfark-tille, aivoinfarktille ja valtimonkovettumataudille (Parodontiitti ja sydän- ja verisuonisai-raudet 2015). Tässä analyysissa tarkasteltiin, kuinka suurella osalla mitatuista löytyi in-dikaattorin huonoin arvo eli 4. Tätä vakavinta tilaa kuvaavaa CPI- arvoa löytyi suhteelli-sesti vähän molemmissa asiakasryhmissä. Analyysi oli hyvin karkea eikä ryhmien välillä ole kuin kahden prosentin ero (kuvio 32).
KUVIO 32. Parodontiittiprofiili CPI-indikaattorikirjausten perusteella
Terveysindikaattorien avulla kuvattiin asiakasryhmittäiset profiilit. Profiilit kuvasivat henkilöitä, joiden potilastietoihin tarkasteltavat indikaattoritiedot on kirjattu vuosien 2013-2014 aikana.
8 POHDINTA
8.1 Tutkimuksen eettisyys ja luotettavuus
Potilastietojärjestelmien sisältämä tiedon käsittely on tarkasti lainsäädännön määrittele-mää (STM 2014, 15-18). Tiedot ovat salassa pidettäviä ja arkaluonteisia, siksi yksilön tietosuoja tulee turvata kaikissa tutkimuksen vaiheissa. (STM 2012: 41.) Opinnäytetyön-tekijä on terveydenhuollon ammattilainen, joten potilastietojen huolellinen käsittely on ollut osana ammatillista koulutusta ja työssä edellytettyä osaamista. Tietojen käsittelystä tehtiin tarkka suunnitelma organisaation tutkimuslupaa sekä rekisteriselostetta varten.
Yksilön tietosuojasta huolehdittiin koko tutkimusprosessin ajan. Tutkimusaineiston kä-sittelyssä henkilötunnuksellista tietoa käytettiin vain tietojen yhdistämiseen, jonka jäl-keen ne korvattiin yksilöllisellä rivitunnuksella. Tietojen yhdistämisvaiheessa tietoa kä-siteltiin suurena massana, eikä yksittäisten henkilöiden tietoja ollut tarvetta tarkastella.
Lopullinen tietojen analyysi ja tulosten raportointi tehtiin anonyymiä tietoa käsitellen.
Kvantitatiivisen tutkimuksen perusvaatimuksiin kuuluu validiteetti eli pysyvyys. Validi-teetti voi tarkoittaa karkeasti sitä, että tutkija kykenee kattamaan tutkimustuloksillaan tut-kimuskysymysten vastaukset (Heikkilä 2008, 30-31; Hirsjärvi 2015, 231). Tässä tutki-muksessa haluttiin selvittää, miten potilastietojärjestelmästä saatavan tiedon avulla voi-daan kuvata väestön demografista profiilia, palvelunkäyttöä, kroonista sairastavuutta sekä terveysriskejä indikaattoritietojen valossa. Tutkimuskysymyksen ja validiteetin kannalta on tällöin järkevää tutkia potilastietojärjestelmän sisältämää dataa. Validiteettia tutki-muksessa lisää se, että analyysiin poimitut muuttujat olivat hyvin yksiselitteisiä rakentei-sia tietoja.
Tulosten ja johtopäätösten osalta on syytä pohtia, kuvaavatko etukäteen valitut terveys-indikaattorit sekä diagnoosi- ja käyntisyytiedot tarpeeksi kattavasti väestön monisairas-tuvuutta ja terveysriskejä. Tässä tutkimuksessa rajattiin lääkitystiedot pois, mutta niiden huomioiminen jatkossa olisivat arvokasta lisätietoa. Hoitotyön luokitukset voisivat tarjota paljon arvokasta täydentävää tietoa asiakkaan hoidon tarpeista ja arvioinnista (Liljamo, Kinnunen ja Ensio 2012, 3). Tässä tutkimuksessa nämä tietosisällöt eivät olleet käytettä-vissä, sillä luokituksia ei käytetä organisaation avosairaanhoidon yksiköissä. Asiakkaiden
toimintakykyä kuvaava rakenteinen tieto olisi kokonaiskäsityksen kannalta arvokas, mutta sitäkään ei ollut yksiselitteisesti, eikä kattavasti järjestelmästä saatavissa. Tietojen keruuseen sisältyi monia aika-, tietosisältö- ja toimintaympäristörajauksia, joten ne on otettava huomioon tuloksia ja johtopäätöksiä tehtäessä. Tehtyjä valintoja puoltaa se, että tarkoituksena oli kuvata potilastietojärjestelmästä saatavaa tietoa organisaation tekemien määritysten mukaisesti (Väisänen 2014, 43-46) .
Reliabiliteetti kuvaa luotettavuutta, eli sen avulla voidaan arvioida, miten toistettavasti voidaan saada samat tulokset (Hirsjärvi ym. 2015, 231; Heikkilä 2008, 30). Reliabiliteet-tia lähellä on objektiivisuusvaatimus, joka edellyttää, että tutkimuksen tulokset eivät saa riippua tutkijasta. Tutkimuksen tehokkuus ja taloudellisuus ovat myös hyvän kvantitatii-visen tutkimuksen edellytyksiä. (Heikkilä 2008, 31.) Tämä tutkimuksen aineisto kerättiin olemassa olevista potilasrekisteritiedoista, jolloin aineistoksi saatiin suuri määrä tietoa ja tutkimuksen toteuttaminen oli taloudellista ja tehokasta. Tietojen keruu ja analyysi edel-lytti organisaation kirjaamistapojen ja potilastietojärjestelmän hyvää tuntemusta. Potilas-tietojärjestelmän tietojen raportointi kuuluu opinnäytetyöntekijän työtehtäviin, joten suurten tietoaineostojen käsittelyyn on olemassa hyvät perusvalmiudet. Analyysia sellai-senaan ei voi toteuttaa toisen organisaation tiedoilla, koska kirjaamistavat ja tietosisällöt poikkeavat toisistaan. Tässä tutkimuksessa aineiston keruuseen liittyvät SQL-kyselyt ja käsittely tallentuivat KNIME-ohjelman ”work flow”:na, joten samoja kyselyitä ja ana-lyysimenetelmiä voidaan toistaa ja saada samat tulokset tutkijasta riippumatta samalla aineistolla. Opinnäytetyöntekijä tarkasti tulokset useaan kertaan varmistaakseen tietojen oikeellisuuden. Loppuvaiheessa Excel-ohjelmassa tehty tulosten graafinen viimeistely ei sisältänyt enää varsinaista datan muokkausta.
Uutena työvälineenä tässä tutkimuksessa käytettiin KNIME- ohjelmaa, jonka samanai-kainen käytön opettelu lisäsi riskiä tietojen käsittelyssä tapahtuviin virheisiin. Tämä riski otettiin huomioon hyödyntämällä samassa tiimissä ja samoissa työtehtävissä toimivan kollegan asiantuntemusta tiedon käsittelyn eri vaiheissa. Kollega on tietojenkäsittelytie-teen ammattilainen ja tuntee KNIME-ohjelman hyvin.
Heikkilän (2008, 31-32) mukaan tutkimusta voidaan arvioida myös avoimuuden, tieto-suojan, hyödyllisyyden ja käyttökelpoisuuden sekä aikataulun perusteella. Avoimuus on tässä tutkimuksessa pyritty varmistamaan siten, että tietojen keruu ja analyysitapa on ku-vattu mahdollisimman tarkasti. Tietosuoja asettaa erityisiä vaatimuksia tutkimusaineiston käsittelyyn, koska lähtötilanteessa tietojen yhdistämisessä käytettiin henkilötunnuksel-lista tietoa. Nämä tunnisteelliset tiedot poistettiin kuitenkin mahdollisimman varhaisessa vaiheessa ja sen jälkeen analyysi eteni tunnisteettomana. Tulosten raportointi toteutettiin siten, että yksitäinen henkilö ei erottaudu tunnisteettomanakaan. Tutkimuksen hyödylli-syyttä arvioitaessa voidaan todeta, että tutkimus tuottaa monipuolista tietoa organisaation määrittämistä potilastiedoista, joita ei aikaisemmin tällä tavoin yhdistellen ole tiettävästi tutkittu. Tutkijaa velvoittaa mahdollisen toimeksiantajan asettama aikataulu (Heikkilä 2008, 30-32). Tässä tutkimuksessa tarkkaa aikataulua ei ole sovittu, mutta tutkimuksen loppuun saattaminen on nähty velvoittavana organisaatiota kohtaan.
8.2 Tutkimustulosten tarkastelu
Tutkimus kuvaa yhden perusterveydenhuollon terveysaseman potilastietojärjestelmästä saatavien demografisten-, kontakti- ja terveystietojen sisältöä vuonna 2014. Kontekstina on organisaatio, joka vuonna 2010 sisällytti strategisiin tavoitteisiinsa potilastietojärjes-telmän sisältämän tiedon hyödyntämisen hoidon ja palvelutoiminnan kehittämisessä. Täl-löin tehtiin päätöksiä niistä tietosisällöistä, jotka järjestelmään halutaan kirjata asiakkaista ja jotka halutaan järjestelmästä ulos analysoitavaksi tiedoksi. Tavoitteena oli terveyshyö-dyn tuottaminen erityisesti asiakkaille, joilla esiintyy yhtäaikaisia kroonisia sairauksia ja terveysriskejä. Asiakkaiden omahoidon tukeminen elintapamuutoksissa nähtiin mahdol-lisuutena vaikuttaa ennenaikaisen kuolleisuuden vähenemiseen ja terveiden elinvuosien lisäämiseen. Strategian muut tavoitteet olivat saatavuuden ja tuottavuuden parantaminen.
(Väisänen 2014, 6, 18-19.)
Organisaation kehittämisen vahvana viitekehyksenä on ollut terveyshyötymalli, joka jal-kautettiin käytäntöön Potku-hankkeissa. Näiden lisäksi kehittämiseen on vaikuttanut Triple Aim- malli. (POTKU 2 -hanke 2012-2014; Väisänen 2015, 6-13.) Näissä malleissa keskeiseksi nousi väestön terveydentilan tunteminen ja näin ne olivat vahvasti vaikutta-massa organisaation asettamiin tiedon tarpeisiin (Hämeenlinnan Terveyspalvelut 2014;
Väisänen 2014, 18-19). Tutkimuksen tulokset antavat viitteitä siitä, että koko väestön ter-veydestä ei vielä saada riittävästi tietoa potilastietojärjestelmän kautta. Tällä hetkellä ei ole vielä riittävän selkeitä kansallisia määrityksiä potilastietojärjestelmään kirjattaville tiedoille ja tietojen hyötykäytölle, jotta organisaatiot voisivat vastata terveydenhuoltolais-sakin asetettuihin tehtäviin seurata väestön terveyttä ja suunnitella toimintaa näihin tie-toihin perustaen. Sosiaali- ja terveysministeriön Sote-tieto hyötykäyttöön-strategian ta-voitteet nostavat esiin potilastiedon hyödyntämisen tiedolla johtamisessa (Sote-tieto hyö-tykäyttöön - strategia 2020), mutta edelleen tarvittaisiin yhteisiä kansallisia päätöksiä, miten voidaan tunnistaa asiakkaiden erilaisia palvelutarpeita ja löytää monisairaat tai kor-kean terveysriskin omaavat asiakkaat.
Chronic Care Model pyrkii tavoitteellisesti vaikuttavuuden parantamiseen ja se on laajasti hyödynnetty viitekehys. Siinä keskeistä on voimavarojen tehokkaampi kohdentaminen kroonisiin sairauksiin ja terveysriskeihin. Potilastietojärjestelmän hyödyntäminen on yksi mallin kuudesta kulmakivestä. (Wagner 2004; Potku 2 -hanke 2012-2014.) Terveysase-malla on terveyshyötymallia sovellettu siten, että väestö on jaettu kahteen eri ryhmään:
terveyshyötyasiakasryhmään (monisairaat, korkeassa terveysriskissä olevat ja paljon pal-veluja käyttävät asiakkaat) ja episodiasiakasryhmään (muu väestö oletusarvoisesti) (Hä-meenlinnan Terveyspalvelut 2014; Väisänen 2014, 6-7). Tutkimustulokset osoittavat, että koko terveysaseman väestön kroonisten sairauksien ja terveysriskien kirjaamiskattavuus on niin matala, että asiakassegmentaatiota ei niiden varassa voi tehdä kattavasti. Sen si-jaan terveysasemien terveyshyötyasiakas- ja episodiasiakasryhmiä verrattaessa voitiin to-deta, että terveyshyötyasiakkaiden terveydentila, sairastavuus ja terveysriskit tunnetaan melko hyvin. Interventio eli ryhmän jäsenyys on siis vahvistanut asiakkaiden terveystie-tojen kirjaamiskattavuutta potilastietojärjestelmässä. Tällä voidaan ajatella olevan vaiku-tusta myös intervention vaikuttavuuteen terveyshyödyn osalta, kun terveyteen liittyvät tekijät ovat tarkemman arvioinnin kohteena. Jatkotutkimus terveyshyötyasiakasryhmän hoidon tuloksista ja palvelukäytön muutoksista pitkittäistutkimuksena on mahdollista, koska kirjaamiskattavuus heidän tietojensa osalta oli hyvä.
Terveyshyötyasiakkaiden osalta voitiin todentaa myös kroonisten sairauksien moniesiin-tyvyyden (komorbiditeetti) laaja kirjo. Chronic Care -mallin peruslähtökohtiin kuuluu
kuitenkin ajatus siitä, että terveydentilaa ei arvioida vain diagnoosien valossa, vaan ote-taan huomioon laajalti ne riskitekijät, jotka voivat uhata terveyttä (Wagner 2004). Tässä opinnäytetyössä analyysiä ei kuitenkaan ulotettu yhdistämään terveysriskejä ja diagnoo-seja, vaan tietoja analysoitiin erikseen. Tämä terveysindikaattori-, diagnoosi- ja käynti-syytietojen yhdistäminen olisi tärkeää, sillä se toisi lisäulottuvuuksia korkeassa terveys-riskissä olevien ja monisairaiden asiakkaiden tunnistamiseen. Tiedossa ei ole selvityksiä, joissa suomalaisella aineistolla olisi kuvattu, millaisia erilaisia tauti- ja riskiyhdistelmiä palveluita käyttävistä löytyy. Tutkimustulokset osoittivat, että terveyshyötyasiakkaiden terveyteen vaikuttaa monta yhtäaikaista tekijää ja siksi se haastaa perinteisen sairauskoh-taisen hoitomallin. Tästä aiheesta tarvitaan lisätutkimusta.
Tiedot episodiasiakkaiden sairastavuudesta ja terveysriskeistä ovat huomattavan puut-teelliset. Tämä selittyy osaksi sillä, että suuri osa tästä asiakasryhmästä ei asioi lainkaan avosairaanhoidossa vuositasolla. Silti tiedot olivat huomattavan alhaiset myös asiak-kailla, jotka olivat asioineet avosairaanhoidossa tarkasteluajanjaksona vuonna 2014. Tä-män asiakasryhTä-män hoidon tarpeesta on vaikea tehdä johtopäätöksiä ja myös asiakasseg-mentaatio tietojen perusteella on haasteellista. Huomio kiinnittyy kuitenkin siihen, että episodiasiakkaiden joukosta löytyy yli viisisataa henkilöä, joilla on kolme tai useampi krooninen sairaus yhtäaikaisesti potilaskertomukseen kirjattuna. Nämä asiakkaat voisivat olla potentiaalisia terveyshyötyasiakkaita, jos sairauksien lisäksi heillä olisi lisääntynyt palvelutarve tai huono. Terveyshyötyasiakkaina heidän hoitonsa olisi paremmin koordi-noitua.
Asiakasryhmien osalta tulokset osoittivat, että asiakasryhmät poikkesivat toisistaan eri-tyisesti ikä- ja sukupuolirakenteen, kroonisen sairastavuuden sekä terveysindikaattorien kirjaamiskattavuuden osalta. Ikärakenteen ja sairastavuuden erot selittyvät suurelta osin terveyshyötyasiakkaiden valintakriteerien perusteella: monisairastavuus, huono hoidon tasapaino, terveysriskit sekä lisääntynyt palvelujen tarve liittyvät usein ikääntymiseen.
Terveyshyötyasiakkaiden monisairastavuus näkyy tuloksissa, sillä lähes puolella asiakas-ryhmän jäsenistä on kolme kroonista sairautta potilastiedoissaan. Näiden tulosten perus-teella voidaan todeta, että terveyshyötyasiakkaiden profiili vastaa asiakasryhmän valinta-kriteereitä.
Terveyspalvelujen käyttötavoissa oli eroja asiakasryhmien osalta. Terveyshyötyasiakkai-den kontaktit painottuivat hoitajille, kun taas episodiasiakkaiTerveyshyötyasiakkai-den osalta lähes puolet kon-takteista kohdistui lääkäreille. Tulokset osoittivat eroja myös asiakasryhmien välillä käy-tettyjen kontaktilajien suhteen: terveyshyötyasiakkaille yleisin kontaktilaji oli puhelin-kontakti, kun taas episodiasiakkaiden yleisimpänä kontaktina oli käynti. Tutkimustulok-set tukevat terveyshyöty-yksikön toimintaperiaatetta, jossa hoito on koordinoitua ja hoi-tosuunnitelmaan perustuvaa. Asiakkaan omahoidon tuki valmentavalla otteella korostuu näissä hoitosuhteissa ja tämä voidaan toteuttaa hyvin muilla kuin vastaanottokäynneillä:
ryhmätilaisuudet, sähköinen palvelukanava sekä puhelut. (Väisänen 2014, 8-10.) Epi-sodiasiakkaiden tyypillinen kontakti liittyy akuuttiin oireeseen, jonka tutkiminen usein edellyttää käyntiä vastaanotolla.
Tuloksia tarkasteltaessa on erittäin tärkeä huomioida se, että indikaattorien perusteella tehdyt analyysit eivät mahdollista terveyshyötyryhmän jäsenyyden arvioimista interven-tiona. Tämä johtuu siitä, että terveyshyötyasiakkaiden ryhmän jäsenet on poimittu poik-kileikkauksena yhden päivän osalta, jolloin ryhmään laskettiin kaikki, jolla kyseisenä päi-vänä oli voimassaoleva ryhmän jäsenyys. Tutkimuksessa ei huomioitu, miten kauan asia-kas on ollut terveyshyötyasiaasia-kasryhmän jäsenenä.
Arvioitaessa potilastietojärjestelmän sisältämiä tietojen kattavuutta todettiin, että potilas-tietojärjestelmä sisältää kattavasti väestön demografisia tietoja iän ja sukupuolen osalta, sillä ne siirtyvät järjestelmään väestörekisteristä. Asiakkaiden kontaktitiedot kertyvät po-tilastietojärjestelmän vahvalla tilastointiohjauksella. Tämä tarkoittaa, että kontaktin tilas-tointidialogi avautuu aina, jos asiakkaan potilaskertomuksen lomake on avattu, kirjattu tai tietoja ollaan sulkemassa. Tästä syystä voidaan olettaa, että kontaktitiedot ovatn melko kattavasti kirjattu asiakaskontakteille.
Diagnoosi- ja käyntisyytietojen kirjaaminen on kiinni ammattilaisen toimintapäätöksestä, eikä niihin ole vahvaa tietojärjestelmäohjausta. Organisaation aiemmin tehdyissä arvioin-neissa on todettu, että diagnoosi- ja käyntisyytiedot kirjataan käynneillä miltei 90 pro-senttisesti (Hermiö & Pitkänen 2015). Nämä tietosisällöt olivat organisaation tärkeiksi priorisoimia tietoja. Tutkimuksessa tarkasteltiin vain etukäteen valittuja diagnoosi- ja
käyntisyytietoja, joten analyysiä näiden tietojen kokonaiskirjaamisesta ei voitu tehdä. In-dikaattoritietojen, kuten verenpainearvon tai tupakointitiedon, kirjaaminen perustuu am-mattilaisen toimintapäätökseen, sillä järjestelmä itsessään ei pakota, eikä edes ohjaa tie-tojen kirjaamiseen. Organisaatiossa on pyritty ohjauksen ja kannustamisen keinoin oh-jaamaan indikaattoritietojen kirjaamiseen yhtenäisellä ja rakenteisella tavalla. Tässä tut-kimuksessa osoitettiin, että indikaattoritietojen kirjaamiskattavuus erosi hyvin merkittä-västi asiakasryhmien välillä.
Kansallisia potilastietojärjestelmän tietosisältömäärityksiä, esimerkiksi Terveydenhuol-lon rakenteisen kirjaamisen opas (Lehtovirta ja Vuokko toim. 2014) ei osoita yksiselittei-sesti, miten määriteltyjen tietosisältöjen avulla tunnistettaisiin väestön krooninen moni-sairastavuus ja korkeat terveysriskit. Nämä määritykset olisivat tärkeitä, jotta potilastie-tojärjestelmät kehittyisivät ohjaamaan käyttäjän kirjaamista määritysten mukaisesti. Täl-löin kertyneen tietovaraston avulla voitaisiin löytää ne asiakkaat, joiden terveysriskit ovat suurimpia. Näille asiakkaille olisi mahdollista räätälöidä omahoitoa tukevia palveluita ja heidän osaltaan hoidon vaikuttavuutta voitaisiin arvioida. Tämän tutkimuksen konteks-tina olevassa organisaatiossa tämä on jouduttu tekemään omilla päätöksillä ja teknisillä ratkaisuilla. Tulokset osoittavat, että kehittävää on vielä paljon.
Potilastietojärjestelmät sisältävät erittäin paljon epäyhtenäistä tietoa, jota ei voida hyö-dyntää. Tämä ei motivoi ammattilaisia tietojen kirjaamiseen. Päätöksentuki (EBMeDS) on yksi keino tukea ammattilaisten kirjaamista sovitulla tavalla, sillä se palauttaa järjes-telmään kirjatut tiedot suoraan kliinisessä työssä hyödynnettävään muotoon: potilaskoh-taisiksi muistutteiksi (Duodecim 2015). Kortteisto toteaa väitöskirjassaan, että toimiak-seen päätöksentuki tarvitsee rakenteista potilastietoa niin diagnooseista, lääkityksestä, la-boratoriotutkimuksista sekä terveystottumuksista. Tulosten mukaan vain laboratoriotie-dot täyttivät riittävän rakenteellisuuden edellytykset. Vanhentuneet tielaboratoriotie-dot ja tiedon puut-teet esimerkiksi tupakoinnista haittaavat päätöksentuen toimintaa. (Kortteisto 2015, 61.) Jatkossa ammattilaisen raporttinäkymiä tulee kehittää sellaisiksi, että niiden perusteella voi ajantasaisesti nähdä esimerkiksi hoitamiensa potilaiden hoidon tulokset.
Yksi mielenkiintoinen tulevaisuuden skenaario tulee olemaan, miten asiakkaat tuottavat itse omia terveystietojaan sekä itsensä että terveydenhuollon ammattilaisten käyttöön.
(Vänskä, Vainiomäki, Kaipio, Hyppönen, Reponen ja Lääveri 2014, 3357). Sähköinen terveystarkastus voisi olla ratkaisevassa roolissa terveysriskien löytämisessä sekä yksilön että väestön osalta. Hämeenlinnan terveyspalveluissa tällaisia palveluja on jo käyttöön-otettu maaliskuussa 2015. Palveluissa asiakas voi lähettää omia terveystietojaan osaksi potilastietojärjestelmää. (Hämeenlinnan kaupunki 2015.)
SOTE-uudistuksen tavoitteiksi on asetettu terveyserojen kaventaminen ja kustannusten hallinta. Näiden tavoitteiden arvioimiseksi tarvitaan mittareita väestön terveyden, moni-sairastuvuuden ja korkean terveysriskin mittaamiseksi (STM 2015). Monisairastavuus, suuret terveysriskit sekä suurentunut palvelutarve ovat erittäin keskeisiä tekijöitä sekä väestön terveyserojen että kustannusten hallinnan näkökulmasta. Chronic Care Model, Porterin malli ja Triple Aim tarjoavat sekä mittareita että näkökulmia tiedon tarpeista.
(Porter ym. 2013; Triple Aim –Concept design 2009; Bodenheimer ym. 2002a.)
8.3 Pohdintaa tutkimusmenetelmästä ja tieteenalan paradigmasta
Tutkimuksen tarkoituksena oli kuvata tilastollisin menetelmin, millainen väestön terveys-profiili voidaan muodostaa potilaskertomuksen sisältämien demografisten tietojen, kon-taktitietojen, valikoitujen diagnoosi- ja käyntisyykoodien sekä terveysindikaattorien pe-rusteella. Tutkimuksen tarkoitus yhdessä tutkimuskysymysten kanssa määritteli tutki-muksen metodologisia valintoja. Aineisto kertyi potilastietojärjestelmän tiedoista. Tieto-määrä muodostui varsin suureksi, vaikka tiedon haulle potilastietojärjestelmästä oli tehty jo etukäteen rajauksia esimerkiksi tietosisältöjen ja ajan suhteen. Tietojenlouhinta oli te-hokas menetelmä suurten tietomäärien käsittelyyn ja analyysiin (Ledorter 2013, 1-2).
Tiedonlouhinnan menetelmiä käytettiin tässä tutkimuksessa melko rajallisesti, mutta tut-kimuskysymysten mukaisesti. Analyysimahdollisuudet tarjoavat jatkotutkimusmahdolli-suuksia esimerkiksi ajallisten trendien kuvaamiseen sekä eri muuttujien korrelaatioiden tutkimiseen. Potilastietojen luotettava analyysi edellyttää sekä järjestelmän että organi-saation kirjaamistapojen tuntemusta. Näiden lisäksi on hallittava suurten tietomäärien kä-sittelyssä käytetty menetelmä. Tiedonlouhinta menetelmänä ja KNIME-ohjelman hyö-dyntäminen analyysissä olivat hyvä yhdistelmä. KNIME- ohjelmaan tallentuneet
työnku-lut (work flow) mahdollistivat tutkijaa palaamaan mihin tahansa analyysikohtaan ja tar-kastelemaan ratkaisuja yhä uudelleen. Tiedonlouhinta osoitti, että aineiston suuri määrä ei aiheuta analyysille ongelmia. Tiedonlouhinnan prosessin eri vaiheet tarjosivat hyvän etenemissuunnitelman tutkimuksen tekijälle (Bath 2015,333).
Sosiaali- ja terveydenhuollon tietohallinnon paradigma tarjoaa tieteenalan tutkijalle hy-vän lähtökohdan asemoida oma tutkimuksensa suhteessa siihen. Vaikka tässä tutkimuk-sessa fokuktutkimuk-sessa olikin tieto, tunnistettavissa oli rajapintoja myös muihin paradigman nä-kökulmiin: toimijoihin, toimintaan ja menetelmiin (Saranto & Kuusisto-Niemi 2012, 142). Paradigma auttoi tunnistamaan käsitteellisellä tasolla tutkimuskysymyksiin lähei-sesti liittyviä tekijöitä, jotka tämän oppinäytteen osalta ilmenivät erityilähei-sesti organisaation päätöksentekoprosesseissa (tiedon tarpeiden tunnistaminen ja priorisointi) ja kontekstin kuvauksessa (organisaation palveluprosessit ja ammattilaisten toiminta).
8.4 Johtopäätökset ja jatkotutkimusaiheet
Tulosten perusteella väestön terveyden mittaaminen, asiakkaiden palvelutarpeen tunnis-taminen ja hoitotulosten arviointi edellyttää riittävää tietoa väestöstä. Kansallisesti tulee päättää tarvittavista tietosisällöistä. Myös potilastietojärjestelmiä tulee kehittää siten, että ne varmistavat tietosisältöjen kattavan kirjaamisen.
Tutkimustulosten perusteella voidaan esittää seuraavat johtopäätökset:
1. Potilastietojärjestelmä sisältää runsaasti tietoa asiakkaan terveydentilasta ja ter-veysriskeistä, mutta väestötasolla tietojen kattavuus vaihtelee niin paljon, ettei nii-den avulla voida tehdä väestöä koskevia johtopäätöksiä.
2. Tarvitaan kansallinen tahtotila ja määritykset potilastiedon sisällölle, jolla voi-daan kuvata väestön terveyttä, sairastuvuutta ja terveysriskejä kansanterveyteen vaikuttavista sairauksista.
3. Potilastietojärjestelmiä tulee kehittää niin, että ne ohjaavat käyttäjiä kirjaamaan tarvittavat tiedot kattavasti ja kätevästi.
4. Asiakkaiden itse tallentamien terveystietojen hyödyntäminen ammattilaisten kir-jaamien tietojen rinnalla tulee ottaa huomioon järjestelmiä ja rajapintoja kehitet-täessä.
5. Potilastietojärjestelmistä saatava tieto tulee saattaa siihen muotoon, että se on suo-raan hyödynnettävissä kliinisessä työssä, asiakkaan palvelutarpeen arvioinnissa, hoidon suunnittelussa, hoidon tulosten arvioinnissa sekä johtamisen tukena.
Tutkimustulosten perusteella terveyshyötyasiakkaista on kirjattu melko kattavasti niitä tietoja, joita organisaatio on tavoitteissaan määritellyt. Tästä syystä tämän ryhmän poti-lastiedot tarjoavat mielenkiintoisen aineiston sekä hoidon tulosten että intervention vai-kuttavuuden tutkimiseen pitkittäistutkimuksena.
Toinen kiinnostava jatkotutkimuksen menetelmällinen näkökulma voisi olla potilastieto-jen tekstinlouhinta. Tämä mahdollisuus kannattaa tutkia huolellisesti, sillä puutteet raken-teisen tiedon kattavuudessa hankaloittaa edelleen väestön ja asiakkaiden terveyden arvi-ointia. Narratiivinen tieto voisi rikastaa ja täydentää rakenteista tietoa ja tuoda parempaa kattavuutta väestön terveyden, terveysriskien, monisairastavuuden ja palvelutarpeiden ar-viointiin.
LÄHTEET
Bath Peter 2005. Data Mining in Health and Medical Information. Teoksessa: Annual Review of Information Science and Technology, Volume 38, Issue 1, Article first pub-lished online: 22 SEP (2005) 331-361
Birkhead Gutherie, Klompas Michael, Shah Nirav 2015. Uses of electronic health rec-ords for public health surveillance to advance public health. Annual Review of Public Health [0163-7525] vol:36 pp:345 -359
Bodenheimer Thomas, Wagner Edward, Grumbach Kevin 2002 a. Improving Primary Care for Patients With Chronic Illness. (Reprinted) JAMA, October 9, 2002 –Vol 288, No 14, pp 1775-1779.
Bodenheimer Thomas, Lorig Kate, Holman Halsted & Grumbach Kevin 2002 b. Patient Self-management of Chronic Disease in Primary Care. (Reprinted) JAMA, November 20, 2002—Vol 288, No. 19, pp. 2469-2475.
Coorevits P, Sundgren M, Klein G O, Bahr a, Claerhout B, Daniel C, Dugas M, Dupont D, Schmidt A, Singleton P, De Moor G, Kalra D 2013. Electronic health records: new opportunities for clinical research. Journal of Internal Medicine. 2013, 274; 547–560.
Dahl Deborah, Reisetter Julie, Zismann Nansy. 2014. People, Technology, and Process Meet the Triple Aim. Nursing Admin Q. Vol. 38, No. 1, pp. 13–21.
de Groot Vincent, Beckerman Heleen, Lankhorst, Gustaaf, Bouter Lex 2003. How to measure comorbidity: a critical review of available methods. Journal of Clinical Epide-miology 56 (2003) 221–229.
.
Dorr David, Wilcox Adam, Donnelly Steven, Burns Laurie, Clayton Paul 2005. Impact of Generalist Care Managers on Patients with Diabetes. HSR: Health Services Research 40:5, Part I (October 2005).
Doubovaa Svetlana, Lamadrid-Figueroab Hector, and Perez-Cuevasc Ricardo 2013. Use of electronic health records to evaluate the quality of care for hypertensive patients in Mexican family medicine clinics. Journal of Hypertension. Volume 3, Number 8, Au-gust 2013.
Duodecim 2015. EBMeDS. Verkkosivu. Luettavissa: http://www.eb-meds.org/web/guest/home . Luettu 15.11.2015.
Heikkilä Tarja 2008. Tilastollinen tutkimus. Edita Helsinki. 7. painos Henkilötietolaki (523/1999). Saatavissa: http://www.finlex.fi/fi/laki/ajan-tasa/1999/19990523. Luettu 16.10.2015
Hermiö Elina ja Pitkänen Virpi 2015. pDRG Kehittämisseminaari 30.10.2015. Julkaise-maton diaesitys.
Hirsjärvi Sirkka, Remes Pirkko, Sajavaara Paula 2015. Tutki ja kirjoita. 20. painos.
Kustannusosakeyhtiö Tammi. Helsinki.
Hämeenlinnan kaupunki 2015. Minunterveyteni-palvelut. Palvelukuvaus. Verkkodoku-metti. Saatavissa http://www.hameenlinna.fi/Palvelut/Terveyspalvelut/minunter-veyteni_palvelukuvaus/. Luettu 13.10.2015.
Hämeenlinna Potku II 2012-2014. Verkkosivu. http://www.potkuhanke.fi/fi/osahank-keet-ii/hame-potku/hameenlinna. Luettu 4.10.2015.
Hämeenlinnan Terveyspalvelut 2014. Kanavamallin väliarviointi. Kooste arviointiai-neistosta Hämeenlinnan Terveyspalvelut - arviointi Kanavamallin tavoitteet. Saatavissa:
www.potkuhanke.fi/fi/dokumentit-ja-materiaalit-ii/finish/82-loppuraportit-hame-potku/634-hameenlinnan-kanavamallin-arviointi. Luettu 4.10.2015.
.
Hämäläinen Päivi, Reponen Jarmo, Winblad Ilkka, Kärki Jarmo, Laaksonen Maarit, Hyppönen Hannele, Kangas Maarit. 2013.eHealth and eWelfare of Finland. Checkpoint 2011. Juvenes Print – Finnish University Print Ltd. Tampere. Saatavissa:
http://www.julkari.fi/bitstream/handle/10024/104368/URN_ISBN_978-952-245-835-3.pdf?sequence=1. Luettu 15.1.2014.
IT Business Edge 2015. What is SQL.Verkkosivu. Luettavissa: http://www.sql-course.com/intro.html. Luettu 15.11.2015
Itä-Suomen yliopisto 2015. Potilaskertomustekstiä louhimalla voi kehittää potilashoidon tiedon laatua. Verkkodokumentti.
Itä-Suomen yliopisto 2015. Potilaskertomustekstiä louhimalla voi kehittää potilashoidon tiedon laatua. Verkkodokumentti.