• Ei tuloksia

Big data perusterveydenhuollossa: Mitä tiedolla tehdään?

N/A
N/A
Info
Lataa
Protected

Academic year: 2022

Jaa "Big data perusterveydenhuollossa: Mitä tiedolla tehdään?"

Copied!
59
0
0

Kokoteksti

(1)

BIG DATA PERUSTERVEYDENHUOLLOSSA Mitä tiedolla tehdään?

Marjo Hyvärinen Pro gradu -tutkielma Hoitotiede

Hoitotyön johtaminen Itä-Suomen yliopisto Terveystieteiden tiedekunta Hoitotieteen laitos

Marraskuu 2018

(2)

SISÄLTÖ TIIVISTELMÄ ABSTRACT

JOHDANTO ... 1

TUTKIMUKSEN TEOREETTISET LÄHTÖKOHDAT ... 3

Tiedonhaun toteutus ... 3

2.2 Big data käsitteenä ... 4

2.3 Big datan hyödyntäminen terveydenhuollossa ... 5

2.4 Big datan käytön haasteet ... 6

2.5 Tiedolla johtaminen ... 8

2.6 Yhteenveto tutkimustiedosta ... 10

TUTKIMUKSEN TARKOITUS JA TUTKIMUSKYSYMYKSET ... 12

TUTKIMUSAINEISTO JA MENETELMÄT ... 13

4.1 Tutkimuksen kohderyhmän kuvaus ... 13

4.2 Aineiston keruu teemahaastattelulla ... 14

4.3 Aineiston analyysi ... 15

TUTKIMUKSEN TULOKSET ... 17

5.1 Big datan määritelmä ... 17

5.2 Big datan lähteet ... 17

5.3 Big datan käyttö perusterveydenhuollossa ... 18

5.4 Big datan tuottama arvo ... 23

5.5 Big datan käytön haasteet ja esteet perusterveydenhuollon johtajien mukaan ... 25

5.6 Yhteenveto tuloksista ... 28

POHDINTA ... 30

Päätulokset ja vertailua aikaisempiin tutkimuksiin ... 30

6.2 Tutkimuksen eettisyys ja EU:n yleinen tietosuoja-asetus ... 36

6.3 Tutkimuksen luotettavuus... 37

JOHTOPÄÄTÖKSET ... 38

Tulosten perusteella voidaan todeta seuraavaa: ... 38

LÄHTEET... 39 LIITTEET

Liite 1. Liitetaulukko 1. Tiedonhaun kuvaus.

Liite 2. Liitekuvio 1. Artikkelien valintaprosessi.

Liite 3. Liitetaulukko 3. Valitut artikkelit.

Liite 4. Teemahaastattelukysymykset

Liite 5. Pyyntö osallistua tutkimushaastatteluun Liite 6. Suostumus tutkimushaastatteluun

.

(3)

ITÄ-SUOMEN YLIOPISTO TIIVISTELMÄ Terveystieteiden tiedekunta

Hoitotieteen laitos Hoitotiede

Hoitotyön johtaminen

Hyvärinen, Marjo Big data perusterveydenhuollossa.

Mitä tiedolla tehdään?

Pro gradu -tutkielma, 42 sivua, 6 liitettä (13 sivua) Ohjaajat: Professori, THT Katri Vehviläinen-Julkunen ja

yliopistonlehtori, TtT Pirjo Partanen Marraskuu 2018

Suomessa on käynnissä sosiaali- ja terveydenhuollon rakenteen ja palveluiden uudistus.

Uudistuksen tavoitteena on kaventaa ihmisten hyvinvointi- ja terveyseroja, parantaa palveluiden saatavuutta ja yhdenvertaisuutta sekä hillitä kustannuksia. Terveyspalvelujen arviointi ja kehittäminen voi hyötyä big datasta ja sen edistyneestä analytiikasta. Big datan tuottamaa tietoa voidaan hyödyntää terveydenhuollossa johtamisen tukena toiminnan suunnittelussa ja päätöksenteossa sekä vaikutusten seuraamisessa. Terveydenhuollossa tiedolla johtamisella tarkoitetaan toiminnan suunnittelua ja arviointia parasta mahdollista tietoa hyödyntäen.

Tämän tutkimuksen tarkoituksena oli kuvata perusterveydenhuollon johtajien arviointeja big datan lähteistä, sen käytöstä sekä käytön haasteista. Tutkimuksen aineisto kerättiin puolistrukturoidulla teemahaastattelulla touko–kesäkuussa 2018 johto- tai asiantuntija- asemassa olevilta henkilöiltä (n=12) kuudesta eri perusterveydenhuollon organisaatiosta, Länsi-Suomen, Itä-Suomen ja Etelä-Suomen alueilta. Aineisto analysoitiin induktiivisella sisällönanalyysillä.

Tulosten mukaan perusterveydenhuollon johtajat hyödyntävät big dataa ja sen tuottamaa tietoa toiminnan suunnittelussa, johtamisessa ja kehittämisessä. Tavoitteena on johtaa perusterveydenhuollon toimintaa kustannustehokkaasti ja laadukkaasti sekä tuottaa väestölle terveyttä ja hyvinvointia. Kuitenkin big datan hyödyntäminen on vielä aika perinteistä ja analytiikan hyödyntäminen perusterveydenhuollon johtamisessa vasta alkuvaiheessa. Haastateltujen mukaan big data tuottaa arvoa asiakkaalle, yhteiskunnalle ja perusterveydenhuollon organisaatiolle. Big datan käyttö nähdään osana tiedolla johtamista, mikä on kirjattu jossain muodossa perusterveydenhuollon organisaatioiden strategiaan. Big datan hyödyntämiselle on myös useita haasteita, joista keskeisimpiä ovat puutteelliset datan analysointityökalut, tieto ei ole reaaliaikaisesti saatavilla tai se sijaitsee eri lähteissä.

Johtopäätöksenä voidaan todeta, että perusterveydenhuollon johtajat tarvitsevat työnsä tueksi kehittyneempiä big datan analyysityökaluja, yhtenäisiä mittaristoja ja indikaattoreita.

Jatkotutkimuksissa tulisi selvittää millaista osaamista ja minkälaisia resursseja perusterveydenhuollossa tarvitaan big datan analysointiin. Lisäksi big datan arvoketjua terveydenhuollossa olisi tarpeen tutkia.

Asiasanat: big data, tiedonhallinta, tiedolla johtaminen, terveydenhuolto ja perusterveydenhuolto

(4)

UNIVERSITY OF EASTERN FINLAND ABSTRACT Faculty of Health Sciences

Department of Nursing Science Nursing Science

Nursing Leadership and Management

Hyvärinen Marjo. Big data in primary health care. How the data and information is used?

Master’s Thesis, 42 pages, 6 appendices (13 pages) Supervisors: Professor, PhD Katri Vehviläinen-Julkunen

and University Lecturer, PhD Pirjo Partanen November 2018

The social welfare and health care reform is currently going on in Finland. The aim of the reform is to ensure equal welfare and health care services to the population, to improve the availability of the services, as well as to limit the costs. The health care sector can benefit from big data and advanced analytics methods. The information generated by big data in health care management can be utilised in operational planning and decision making, and during the follow-up of the impact of taken decisions. Knowledge management in health care refers to the planning and evaluation of health services while using the available knowledge.

The aim of this study was to describe the assessments of primary health care managers regarding the sources of big data, its utilization, as well as challenges encountered during its use. The material of the study (n=12) was collected with the half-structured theme interviews in May-July 2018. The interview group consisted of professionals working in leading or expert positions in six different primary healthcare organizations in the regions of Western Finland, Eastern Finland and Southern Finland. The data were analysed using content analysis.

The results revealed that the managers in the primary health care utilise big data and big- data-generated information. Their target is to manage primary health care services cost- effectively while ensuring the high quality of the care, as well as to generate health and well-being to the population. Big data creates value for the clients, society and the primary health care organisations according to the results achieved in this study. The application of big data is considered to be a part of the knowledge management, which has been included in the strategy of the primary healthcare units. The major challenges affecting the utilization of big data were the insufficient data analytics tools, the unavailability of real time data, and the multiple sources for the data storage.

As a conclusion the managers in primary health care need more advanced big data analytics tools, as well as unified measures and indicators for the support of their work.

The further study should focus on what kind of competencies and resources are needed for analysing big data. It would also be necessary to explore the value chain of big data in primary healthcare.

Keywords: big data, knowledge management, management, primary health care and health care

(5)

JOHDANTO

Terveydenhuollon tavoitteena on edistää ja ylläpitää väestön terveyttä, hyvinvointia sekä kaventaa terveyseroja. Onnistumisen edellytyksenä on ennaltaehkäisevä toiminta sekä toimivat ja koko väestön saatavilla olevat terveyspalvelut. (STM 2014.) Perusterveydenhuollon tehtävät on määritelty terveydenhuoltolaissa (1326/2010) ja sillä tarkoitetaan kunnan järjestämää terveydentilan seurantaa, terveyden edistämistä ja erilaisia palveluita. Kuntien terveyspalveluissa työskenteli 2014 vuonna 133 252 henkilöä, joista naisten osuus oli noin 90 % (THL 2014). Sähköinen potilaskertomus on ollut kattavasti käytössä julkisessa terveydenhuollossa Suomessa jo vuodesta 2007. Vuonna 2017 perusterveydenhuollossa 92 %: ssa sen käyttöaste oli yli 90 % (THL 2014).

Suomessa on menossa koko julkisen sosiaali- ja terveydenhuollon palvelurakenteiden uudistus (Sote -uudistus). Uudistuksen on tarkoitus tulla voimaan 1.1.2021 ja siitä alkaen sosiaali- ja terveyspalvelut tuottaa maakunta nykyisten kuntien sijaan (Sote- ja maakuntauudistus 2018). Sote-uudistuksen tavoitteena on tuottaa väestölle yhdenvertaisia, laadukkaita palveluita sekä vähentää väestön hyvinvointi- ja terveyseroja tuottamalla palvelut asiakaslähtöisesti, kustannustehokkaasti ja vaikuttavasti. Uudistukseen liittyy myös digitalisaatio, jolla tarkoitetaan digitaalisen teknologian hyödyntämistä tietoteknisissä ratkaisuissa, sähköisissä palveluissa ja välineissä. Sote-tieto hyötykäyttöön 2020 -strategian mukaan tietoaineistojen avulla voidaan tukea reaaliaikaisesti palvelutuotannon johtamista ja yhteiskunnallista päätöksentekoa sekä tutkimus-, innovaatio- ja elinkeinotoimintaa.

(STM 2014.) Sitran (2014) mukaan sosiaali- ja terveydenhuollon palveluiden johtamisen tukena ei ole ollut käytössä strategista päätöksentekoa tukevaa tietoa. Toiminnan suunnittelun ja päätöksenteon sekä sen vaikutusten ja vaikuttavuuden arvioimiseksi sosiaali- ja terveydenhuollon organisaatioissa tarvitaan sekä sisäisissä että ulkoisissa lähteissä sijaitsevaa tietoa, joiden avulla pystytään tuottamaan tulevaisuuteen katsovaa tietoa. (Sitra 2014.)

Aikaisemman kirjallisuuden mukaan big dataa ja sen tuottamaa tietoa voidaan käyttää hyväksi terveydenhuollon päätöksenteossa, strategisessa johtamisessa sekä operatiivisessa toiminnassa ja lisäksi sen avulla voidaan seurata päätöksenteon vaikutusta (Gastaldi &

Gorso 2012). Aikaisemmissa tutkimuksissa on todettu, että big dataa voidaan hyödyntää kansanterveyden- ja terveyden edistämisessä (Cook & Collins 2015, Kaplan 2016) ja tietoa on myös saatavilla kustannusten hallinnan ja terveydenhuollon laadun näkökulmasta

(6)

(Hansen ym.2014, Raghupathi & Raghupathi 2014). Tutkimukset ovat keskittyneet pääosin erikoissairaanhoitoon. Sen sijaan perusterveydenhuollon näkökulmasta tietoa on saatavilla vähän.

Tämän pro gradu -tutkielman tarkoituksena on kuvata perusterveydenhuollon johtajien ja asiantuntijoiden arviointeja big datan lähteistä, sen tuottaman tiedon käytöstä ja arvosta sekä käytön haasteista. Tutkimuksen tuottaman tiedon avulla saadaan käsitystä tämän hetken tilanteesta, mitä big datan tuottamalla tiedolla tehdään ja mitä haasteita tiedon hyödyntämiselle on perusterveydenhuollossa.

(7)

TUTKIMUKSEN TEOREETTISET LÄHTÖKOHDAT

Tämän pro gradu -opinnäytetyön teoreettisten lähtökohtien tarkoituksena oli kuvata tutkimuksen keskeisempiä käsitteitä big data ja tiedolla johtaminen terveydenhuollossa sekä niiden välisiä suhteita. Kansainvälisessä sekä kotimaisessa kirjallisuudessa ja tutkimuksessa käytetään usein englanninkielisiä käsitteitä, joita kuvattu Taulukossa 1. Big datalla on myös muita nimityksiä, kuten massadata tai suuret tietoaineistot (Salo 2013, Tepa termipankki 2018, Finto Oy, Joos & Nelson 2015, 96, Schaeffer ym. 2017). Tässä opinnäytetyössä käytetään termiä big data.

Tiedonhaulla etsittiin aikaisempaa tutkimustietoa big datasta ja sen käytöstä terveydenhuollossa. Kirjallisuudesta nousi esille seuraavat keskeiset teemat: big data ja sen lähteet, big datan käsittely ja analysointi, tiedon hyödyntäminen, big datan tuottama arvo sekä käytön haasteet.

Taulukko 1. Tiedolla johtamiseen ja big dataan liittyviä käsitteitä.

Käsite englanniksi

Käännös suomeksi Lähde/tutkimus

Data maining datan louhinta,tiedonrikastus 21.7.2018 Pubmed mesh database Medical

records

potilasasiakirjat, potilaskertomus, sairauskertomus, sähköiset sairauskertomukset

21.7.2018 Pubmed mesh database 27.9.2018 Tepa termipankki 27.0.208 Finto

Knowledge tieto, tiedot, tietämys, taito 21.7.2018 Kielikone Oy

Saranto & Kuusisto-Niemi 2012.

27.9.2018 Finto Knowledge

management

tietojohtaminen, tiedolla johtaminen, tietämyksen johtaminen

21.7.2018 Pubmed mesh database 21.7.2018 Kielikone Oy

Huotari & Savolainen 2003 27.9.2018 Finto.fi

Data tieto, tiedot, data, informaatio 21.7.2018 Kielikone Oy 27.9.2018 Finto

27.9.2018Tepa termipankki Data

management

tietojen käsittely, tiedonhallinta 27.9.2018 Finto

27.9.2018 Tepa termipankki Big data massadata, iso data, suuret

tietoaineistot

Salo 2013.

27.9.2018 Tepa termipankki 27.9.2018 Finto

Tiedonhaun toteutus

Tiedonhaut toteutettiin kahdessa erässä, alkuperäinen haku 18.3.2018 ja lisähaku 30.6.2018.

Kesäkuussa suoritetussa tiedonhaussa hyödynnettiin Itä-Suomen yliopiston informaatikon asiantuntemusta hakustrategian laatimisen tukena. Tiedonhaku tietokannoista on kuvattu Liitteessä 1. Aikaisempi saatavilla oleva tutkimustieto aiheesta haettiin sähköisistä

(8)

tietokannoista CINAHL, Scopus ja Pubmed- ja UEF Finna. Ennen tiedonhakua määriteltiin kirjallisuuskatsaukseen liittyvien artikkeleiden hyväksymis- ja poissulkukriteerit, jotka on kuvattu Taulukossa 2.

Taulukko 2. Artikkeleiden hyväksymis- ja poissulkukriteerit kirjallisuuskatsaukseen.

Hyväksymiskriteerit Poissulkukriteerit

1) Tutkimuskysymyksen kannalta relevantti tieteellinen julkaisu.

2) Englannin kielinen julkaisu.

3) Vertaisarvioitu tieteellinen artikkeli.

4) Aikarajaus 2010–2018.

5) Tutkimuksen koko tekstin käytettävyys ilmaiseksi.

1) Tutkimuskysymyksen kannalta epärelevantti julkaisu.

2) Muu kuin englannin kieli.

3) Ei vertaisarvioitu.

4) Julkaistu ennen vuotta 2010.

5) Tutkimuksen koko tekstin käytettävyys maksusta.

Tiedot haettiin systemaattisella tiedonhaulla tietokannoista (Liite 1). Haku tuotti 702 tulosta. Artikkelit käytiin aluksi läpi otsikkotasolla ja abstraktitason tarkasteluun otettiin 261 artikkelia. Tässä vaiheessa näistä suljettiin pois kuusi kaksoiskappaletta, kolme maksullista artikkelia ja 179 artikkelia, joiden sisältö ei vastannut aihetta. 73 artikkelia valikoitui kokotekstin tarkasteluun. Kokotekstien lukemisen jälkeen artikkeleita oli jäljellä 12. Lisäksi kolme artikkelia hyväksyttiin mukaan manuaalisella haulla. Lopulliseen kirjallisuuskatsaukseen valikoitui 15 sisäänottokriteerit täyttävää artikkelia. Artikkelien valintaprosessi on kuvattu Liitteessä 2. Lopulliseen kirjallisuuskatsaukseen valitut artikkelit on taulukoitu Liitteessä 3, jossa kuvataan tutkimuksen tekijät, maa, tutkimuksen tarkoitus, aineisto, otos ja menetelmät. Tietokannoista tehtyjen hakujen lisäksi tämän pro gradu – tutkielman tiedonlähteinä käytettiin kirjallisuutta sekä kansallisia raportteja ja julkaisuja.

Big data käsitteenä

Käsitteelle big data ei ole vakiintunutta suomennosta ja määritelmää (Salo 2013, 10). Big data on saanut viime aikoina runsaasti huomiota tietotekniikan ja terveydenhuollon alalla (Jeong & Khan 2014, Joos & Nelson 2015, 96). Terveydenhuollossa big datalla tarkoitetaan suurta määrää sähköistä dataa, jota kutsutaan myös massadataksi tai suuriksi tietoaineistoksi (Joos & Nelson 2015, 96, Schaeffer ym. 2017). Big dataa kertyy useista eri lähteistä kuten potilastietojärjestelmistä, kliinisistä tutkimuksista, älypuhelinsovelluksista ja valvontalaitteista, diagnostisista testeistä sekä henkilökohtaisen genomiikan palveluista (Joos & Nelson 2015, 96, Schaeffer ym. 2017). Big data jaetaan tavallisimmin strukturoituun, semistrukturoituun ja strukturoimattomaan dataan. Suurin osa

(9)

terveydenhuollon big datasta on strukturoimattomassa muodossa ja sitä tulee analysoida jatkokäyttöä varten. (Salo 2013, 22, 25.)

Käsitteeseen big data liittyy myös muita ominaisuuksia. Useat lähteet ovat tunnistaneet big datan sisältävän kolme pääominaisuutta (3 V:tä), joita ovat määrä (Volume), nopeus (Velocity) ja monimuotoisuus (Variety). (Jee & Kim 2013, Belle ym. 2015, Intezari &

Gressel 2017, Salo 2013, 21.) Jeong ja Khan (2014) sekä myös Raghupathi ja Raghupathi (2014) ovat määritelleet big datan sisältävän keskeistä ominaisuutta (4V:tä). Joengin ja Khanin (2014) mukaan ne ovat Volume (määrä, volyymi), Value (arvo), Variety (vaihtelevuus, monimuotoisuus) ja Velocity (nopeus, vauhti). Raghupathin ja Raghupathin (2014) mukaan Volume, Variety, Velocity ja Veracity (tiedon oikeellisuus).

Big datan keskeisin haaste terveydenhuollossa on löytää keinoja saada siitä merkityksellistä ja arvokasta tietoa (Jeong & Khan 2014, Joos & Nelson 2015, 96). Määrällä tarkoitetaan koneiden ja teknologian avulla tuotettua suurta datan määrää, jota ei perinteisin menetelmin voida tuottaa. Big datan arvo nähdään tiedon arvona ja tiedolla on myös taloudellinen arvo, jonka suuruus voi vaihdella. Nopeudella puolestaan tarkoitetaan datan syntymisen ja käsittelyn nopeutta eli tiedon tuottamisen nopeutta. Vaihtelevuus käsittää erilaisia tiedon lajeja, kuten monipuolisia ja monimuotoisia tietotyyppejä ja lähteitä. (Jeong & Khan 2014, Joos & Nelson 2015, 96.) Tiedon oikeellisuus liittyy tiedon luotettavuuteen ja tarkkuuteen (Raghupathi & Raghupathi 2014).

Big datan hyödyntäminen terveydenhuollossa

Big datasta louhitaan informaatiota, joka jalostetaan tiedoksi. Alkuperäinen data sijaitsee usein eri lähteissä ja sen keräämiseen, louhimiseen ja analysointiin tarvitaan tarkoitukseen soveltuvia ratkaisuja. (Salo 2013 26, 63.) Tiedon louhinnan tarkoituksena on löytää terveydenhuoltoon aiemmin tuntemattomia malleja ja suuntauksia, joita hyödyntämällä voidaan kohdentaa terveydenhuollon resursseja, sekä tuottaa laadukasta terveydenhuoltoa kustannustehokkaasti ja tarjota parempia hoitovaihtoehtoja (Joos & Nelson 2015, 97).

Tavallisin hyöty on terveydenhuollon kustannusten aleneminen, jonka taustalla ovat esimerkiksi onnistuneemmat interventiot, turhien testien poisjääminen tai paljon palveluita käyttävien tehokkaampi hoitaminen (Schaeffer ym. 2017).

(10)

Suurten tietomassojen etuna on niiden kattavuus, joka mahdollistaa terveydenhuollon palvelun tuottajien vertailun (Cook & Collins 2015). Yhdistämällä terveydenhuollon eri lähteiden tietoja ja kehittämällä ennakoivia malleja, voidaan niiden avulla ymmärtää paremmin hoidon tehokkuutta, asiakkaiden terveyttä ja ongelmia sekä terveydenhuollon organisaatioiden ja järjestelmien vaikutuksia (Milton 2017). Potilasvirran hoitokäytäntöjä seuraamalla ja arvioimalla saadaan tietoa väestöstä sekä alueesta (Cook & Collins 2015).

Terveydenhuollon kustannuksia voidaan vähentää ja sen tehokkuutta parantaa käyttämällä näitä tietoja hyväksi (Hansen ym. 2014).

Terveydenhuollossa big datan analytiikka on kehittymässä. Analysointi mahdollistaa kustannustehokkaan ja kliinisesti paremman hoidon sekä sen ennustettavuuden ja vaikuttavuuden (Belle ym. 2015, Raghupathi & Raghupathi 2014). Big dataa voidaan käyttää hyödyksi myös strategisessa johtamisessa sairaalassa ja sen avulla voidaan tukea parempaa suorituskykyä, mikä parantaa kustannusrakennetta ja laatua (Gastaldi ja Corso 2012). Bellen ym. (2015) mukaan big datan analysointia on hyödynnetty erilaisten tautien etsinnässä sekä terveydenhuollon prosessien parantamisessa. Sähköiset terveystiedot ja – tietoverkot tarjoavat kansanterveydellistä tietoa, jota voidaan käyttää hyödyksi myös potilaan hoidossa. Big data edistää sekä terveyden että terveydenhuollon kehitystä (Kaplan 2016).

Potilastietoja yhdistämällä voidaan tuottaa tietoa myös kolmannelle osapuolelle, mikä mahdollistaa innovaatioiden kehittämisen. Nämä innovaatiot puolestaan edelleen parantavat laatua ja kustannustehokkuutta (Raghupathi & Raghupathi 2014). Big datan tuottamaa tietoa voidaan hyödyntää tiettyjen potilasryhmien tunnistamisessa ja sairauksien ennaltaehkäisyssä. Tiedon avulla voidaan myös määritellä ne, jotka ovat riskissä sairastua, ja kohdentaa näille ryhmille preventiota terveyskäyttäytymisen muutokseen (Raghupathi &

Raghupathi 2014, Hansen ym. 2014).

Big datan käytön haasteet

Digitaalisen tiedon kerääminen ja analysointi tuottavat henkilötason tietoa, joka on erityisesti terveyteen liittyvänä arkaluonteista (Ritvanen & Sinipuro 2013, 40). Digitaalisen tiedon hyödyntäminen nostaa esille myös eettiset kysymykset ja huolen yksityisyyden ja tietojen luottamuksellisuuden suojauksesta (Kaplan 2016). Tietosuojasta onkin sosiaali- ja terveydenhuollon johtamisen näkökulmasta tullut yksi tiedolla johtamisen haaste. Eri

(11)

lähteissä sijaitsevia tietoja tulisi voida yhdistää siten, että asiakkaista ja asiakkuuksista saadaan kokonaiskuva, jotta voidaan tarjota riittävän kattavat kokonaisvaltaiset palvelut (Ritvanen & Sinipuro 2013, 40).

Digitaalinen tieto jakautuu eri tahoille, kuten terveydenhuoltoalan organisaatioille, valtion eri virastoille ja yrityksille, jolloin tietojärjestelmien yhteentoimivuudesta muodostuu haaste (Jee & Kim 2013). Lisäksi yhtenäisten tietojärjestelmien puuttuminen tekee big datan hyödyntämisestä haasteellista (Belle ym. 2015). Viiveet datan keräämisen ja analysoinnin välillä tulisi minimoida, jotta tieto olisi käytössä mahdollisimman nopeasti ja tehokkaasti (Raghupathi & Raghupathi 2014). Terveydenhuollon toimialalla tietotekniikan käyttö on usein jäljessä muita toimialoja (Wang ym 2018).

Tutkimusta tehdessä on huomioitava tietojen oikeellisuus sekä luotettavuus ja käytettävä tutkimukseen soveltuvaa metodologiaa (Cook & Collins 2015). Vaikka tietokoneilla on kyky käsitellä vapaasti kirjoitettua tekstiä, suurin osa terveydenhuollon tietojärjestelmien välisestä viestinnästä pohjautuu jäsenneltyjen sanastojen, termien, koodi- ja kirjausluokittelujärjestelmien käyttöön (Sensimeier 2015, 105). Tietojen syöttövirheitä tulee jossain määrin väistämättä (Cook & Collins 2015), myös erot tietojen kirjaamisissa eri organisaatioissa aiheuttavat haasteita erityisesti tiedon laajamittaisessa hyödyntämisessä (Belle ym. 2015). Vertailtaessa tietoja esimerkiksi eri väestö ryhmien välillä, on kiinnitettävä huomiota datan validiuteen, koska useiden eri tietojärjestelmien taustatiedoissa voi olla eroja ja kirjaamisessa tapahtua virheitä, vaikka käytössä olisi yhtenäiset standardit sairauksien luokitteluun (Cook & Collins 2015).

Birginshawn ja Guptan (2013) mukaan tiedon käsittely ja hyväksikäyttö vaatii uudenlaista osaamista, eikä sitä voi hallita ja käsitellä perinteisin menetelmin. Monipuolisen ja rakenteettoman tiedon käsittelyyn tarvitaan nykyistä kehittyneempiä analyyttisiä tekniikoita (Wang 2018). Useat sairaalat ovat tunnistaneet big datan hyödyntämisen haasteeksi sen analysoinnin taidon puutteen (Schaeffer ym. 2017). Terveydenhuollossa on vaikeuksia löytää ammattitaitoista henkilökuntaa big datan analysointiin ja uusien työkalujen käyttöön ottamiseen (Jee ja Kim 2013). Hansenin ym. (2014) mukaan tarvitaan lisää tutkittua tietoa big datan haasteista, kuten terveyspolitiikan rajoituksista, epäjohdonmukaisista standardeista ja rakenteellisten tietokantojen aukoista.

(12)

Big datan hallinnan tarkoituksena on ymmärtää paremmin ongelmia, tavoitella arvoa ja haasteita. Sen käyttö on kuitenkin erilaista yritysten liiketoiminnassa ja terveydenhuollossa.

Liiketoiminnassa yritykset luovat innovatiivisia palveluita ja tuotteita asiakkaiden käyttäytymiseen ja tarpeisiin perustuen. Sen sijaan terveydenhuolto käyttää big dataa ja ennustavia analyysejä väestön terveyden seurantaan, parantamaan terveydenhuollon laatua ja turvallisuutta sekä edistämään terveydenhuollon vastuullisuutta. (Jee & Kim 2013.)

Tiedolla johtaminen

Tiedolla johtamisesta (knowledge management) käytetään erilaisia käsitteitä kuten tiedonhallinta, tietämyksen hallinta ja tietojohtaminen. Tiedolla johtaminen on määritelty systemaattiseksi prosessiksi; tiedon luomiseksi, jakamiseksi ja toteuttamiseksi (Intezari &

Gressel 2017). Tiedolla johtamiseen liittyy myös, että tieto saadaan oikealle henkilölle oikeaan aikaan (Barnes & Milton 2016, 107). Yhtenä organisaatioiden haasteista on koota ja jakaa tietoa tehokkaasti. Muuttuvassa terveydenhuollossa suurten tietomassojen kokonaisuus sisältää johtamisen kannalta merkityksellistä tietoa ja johtamisen tavoitteena on uuden tiedon soveltaminen käytäntöön. (Saranto & Kuusisto-Niemi, 2011 217, 221.) Tiedolla johtamisessa painopiste on tiedossa, joka on aineeton hyödyke, kuten data tai informaatio. Se on myös tiedon hyödyntämistä ja analysoidun tiedon saattamista osaksi päätöksentekoa. Tiedolla johtamisella on tunnistettu olevan yhteyttä dataan, tietoon ja tietämykseen. (Erickson & Rothberg 2017.) Sosiaali- ja terveydenhuollossa strategian avulla pyritään tunnistamaan mahdollisuuksia ja tavoitellaan toiminnalle selkeää suuntaa.

Tavoitteiden asettaminen on strategian keskeinen tehtävä ja ne ovat muuttuvia sekä sidoksissa toimintaympäristöön. (Lammintakanen & Rissanen 2011, 43.)

Sosiaali- ja terveydenhuollon tiedonhallinta koostuu neljästä keskeisestä käsitteestä, joita ovat toiminta, menetelmät, toimijat ja tieto. Tieto ymmärretään hierarkkisena jatkumona datasta viisauteen. Se on tiedon arvoketju, jossa kompleksisuus ja verkostomaisuus lisääntyvät yhä jalostetumpaan tietomuotoon. Kuviossa 1 on kuvattu sosiaali- ja terveydenhuollon tiedonhallinnan käsitteiden väliset suhteet Kuusisto-Niemen ja Sarannon (2009) mukaan.

(13)

Kuvio 1. Tiedonhallinnan paradigma sosiaali- ja terveydenhuollossa (Kuusisto-Niemi &

Saranto 2009).

Ritvasen ja Sinipuron (2012) mukaan tiedolla johtaminen on tosiasioihin pohjautuvaa päätöksentekoa ja toiminnanohjausta, johon liittyy liiketoimintatiedon hallinta ja analytiikka. Johtamistyössä on keskeistä ymmärtää organisaation kokonaisuus ja erilaisten käyttäjien tarpeet, miten, milloin ja minkälaisilla välineillä sekä resursseilla henkilöstö työskentelee. Eri ammattiryhmillä on erilaisia tarpeita työvälineistön suhteen. (Barnes &

Milton 2016, 105.)

Big datan ja kehittyneiden analyyttisten lähestymistapojen avulla voidaan auttaa organisaatioita parantamaan strategista, taktista ja operatiivista päätöksentekoa (Intezari &

Gressel 2017). Tiedolla johtamista on pääsääntöisesti tehty organisaation ylätasolla ja kiinnitetty vähemmän huomiota mikrotason prosesseihin, kuten rutiineihin ja alemman tason toimintaan (Khan & Vorley 2017). Tiedolla johtamisen mittarit ovat oleellinen osa onnistunutta johtamista. On osattava määritellä mitattavat tarpeet sekä tiedettävä, mihin strategisen ja operatiivisen johtamisen kysymyksiin tiedolla johtamisella haetaan vastauksia. Tuloksellisen tiedolla johtamisen edellytyksenä on, että tiedolla johtaminen saa organisaation tuen ja, että se on määritelty selkeästi yrityksen strategiaan. (Barnes & Milton 2016, 104.) Strateginen suunnittelu vaatii kattavien aineistojen keräämisen, tallentamisen ja analysoinnin, minkä seurauksena tietoa muodostuu (Husman & Johansson 2018).

Sosiaali- ja terveydenhuollon konteksti

Tiedonhallinnan perusta

Toiminta

Menetelmät Toimijat

Tieto

(14)

Tiedolla johtamisella on useita positiivisia vaikutuksia, joiden avulla organisaatioiden on mahdollista parantaa suorituskykyään, mutta se vaatii kurinalaisuutta (Khan & Vorley 2017, Erickson & Rotberg 2017). Tietomassojen suuri nopeus ja määrä sekä tiedon monimuotoisuus tekevät organisaatioiden päätöksentekoprosessit monimutkaiseksi.

Hajanaista tietoa voi kertyä organisaatioon eri ajankohtina ja eri lähteistä, mikä lisää strategisen päätöksenteon vaikeutta. Onnistunut tiedolla johtaminen ei välttämättä edellytä, että eri lähteissä ja eri muodoissa oleva data on tallennettu yhteen tietoaltaaseen. Tiedolla johtamisessa tulee pystyä yhdistämään eri tiedot ja ymmärtää, mistä ne tulevat. Onnistuneen tiedolla johtamisen tueksi tarvitaan kuitenkin kehittyneitä tiedonhallinnan työkaluja, jotka ovat ketteriä, ymmärrettäviä ja yksinkertaisia. (Intezari & Gressel 2017.) Käyttämällä big datan tekstianalytiikkatyökaluja tietojen käsittely ja analysointi nopeutuu verrattuna perinteisiin tiedolla johtamisen työkaluihin (Khan & Vorley 2017).

Yhteenveto tutkimustiedosta

Big datasta käytetään myös käsitteitä massadata ja suuret tietoaineistot. Terveydenhuollossa big dataa kertyy useista eri lähteistä, joista potilastietojärjestelmät toimivat suurimpina big datan lähteinä. Kirjallisuuden perusteella big datasta on tunnistettu seuraavat ominaispiirteet: määrä, nopeus, arvo, vaihtelevuus ja oikeellisuus.

Big datasta voidaan louhia informaatioita, joka jalostetaan tiedoksi. Big datalla ja tiedolla johtamisella nähdään olevan yhteyttä ja tiedolla johtaminen painottuu aineettomaan hyödykkeeseen, kuten dataan tai informaatioon. Oleellista tiedolla johtamisessa on tiedon hyödyntäminen, jossa päätöksenteko sekä toiminnanohjaus pohjautuvat tosiasioihin.

Terveydenhuollossa big datan arvo nähdään tiedon arvona, jolla on myös taloudellinen arvo.

Big dataa on tutkittu terveydenhuollossa ja aikaisemman kirjallisuuden mukaan sen tuottamaa tietoa voidaan käyttää hyväksi terveydenhuollon strategisessa johtamisessa, operatiivisessa toiminnassa ja päätöksenteossa sekä niiden vaikutusten seuraamisessa. Big dataa voidaan hyödyntää kansanterveyden- ja terveyden edistämisessä ja tietoa on myös saatavilla kustannusten hallinnan ja terveydenhuollon laadun näkökulmasta

Aikaisempi tutkimustieto tunnistaa big datan hyödyntämiselle useita eri haasteita, kuten tiedon hajautumisen eri tahoille ja yhtenäisten tietojärjestelmien puuttumisen. Lisäksi

(15)

tiedon oikeellisuus, puutteelliset taidot tietojen käsittelyssä ja tietosuojaan liittyvät säädökset tekevät big datan käytön haasteelliseksi.

Big datan ja kehittyneiden analyyttisten lähestymistapojen avulla voidaan auttaa terveydenhuollon organisaatioita parantamaan strategista, taktista ja operatiivista päätöksentekoa. Perusterveydenhuollon johtajien näkemyksiä big datan käytöstä on saatavilla vähän, sillä aikaisemmat tutkimukset ovat painottuneet erikoissairaanhoitoon.

(16)

TUTKIMUKSEN TARKOITUS JA TUTKIMUSKYSYMYKSET

Tämän tutkimuksen tarkoituksena oli kuvata perusterveydenhuollon johtajien näkemyksiä big datan lähteistä, sen käytöstä sekä käytön haasteista. Käsitteellä johtajalla tarkoitettiin johtajaa tai asiantuntijaa.

Tutkimuksen tavoitteena oli tuottaa tietoa, jonka avulla saadaan käsitys tämän hetken tilanteesta, mitä big datan tuottamalla tiedolla tehdään ja mitä haasteita tiedon hyödyntämiselle on perusterveydenhuollossa.

Tutkimuskysymykset:

1) Miten terveydenhuollon johtajat ymmärtävät big datan?

2) Minkälainen tieto muodostaa big datan perusterveydenhuollon organisaatioissa?

3) Miten terveydenhuollon organisaation johtajat kuvaavat big datan käyttöä perusterveydenhuollossa?

4) Millaisia haasteita big datan tuottaman tiedon hyödyntämiselle on?

(17)

TUTKIMUSAINEISTO JA MENETELMÄT Tutkimuksen kohderyhmän kuvaus

Tutkimus kohdennettiin perusterveydenhuoltoon ja siihen osallistuneet organisaatiot (n=6) sijaitsivat maantieteellisesti, Länsi-Suomen, Itä-Suomen, ja Etelä-Suomen alueella.

Organisaatioista kaksi oli Sote-organisaatiota, jotka sisälsivät perusterveydenhuollon sekä erikoissairaanhoidon henkilöstön. Tässä tutkimuksessa perusterveydenhuollolla tarkoitettiin yhden kunnan itsenäistä terveyskeskusta tai kuntaliittoa tai Sote-organisaation perusterveydenhuoltoa. Väestöpohja vaihteli tutkimukseen osallistuneiden organisaatioiden alueilla noin 25 000:n ja 200 000:n välillä. Organisaatioiden henkilöstön määrä vaihteli 150:n ja 1 500:n välillä.

Tutkimuksen otantamenetelmänä käytettiin harkinnanvaraista näytettä. Tutkimukseen haastateltaviksi pyrittiin löytämään henkilöt, joilta oletettiin saatavan parhaimmat tiedot ja joilla oli kokemusta tutkittavasta ilmiöstä. (Tuomi & Sarajärvi 2018, 98–99.) Kattavan tutkimusaineiston saamiseksi haettiin haastateltavaksi johtavassa asemassa olevia lääketieteen ja hoitotieteen/hoitotyön edustajia sekä digitalisaatiosta tai kehitystyöstä vastaavia johtajia. Tutkija lähetti sähköpostia touko-kesäkuussa 2018 26:lle perusterveydenhuollon ja yksityisen terveydenhuollon organisaatiolle, maantieteellisesti Lapin läänistä Uudenmaan läänin alueelle. Riittävän aineiston saamiseksi lähetettiin uusintaviesti organisaatioihin, joista ei oltu saatu vastausta. Tutkimukseen otettiin ilmoittautumisjärjestyksessä kuusi julkisen perusterveydenhuollon organisaatioita, joista haettiin tutkimuslupa.

Tutkimuksen aineisto (n=12) koostuu johtavassa tai asiantuntija asemassa olevien henkilöiden haastatteluista, kuudesta eri perusterveydenhuollon organisaatiosta.

Haastateltavia oli yhdestä kolmeen per organisaatio. Haastattelut toteutettiin kesäkuun 2018 aikana. Haastateltavien koulutustaustana oli yliopistotutkinto kahdeksalla, ylempi ammattikorkeakoulututkinto yhdellä, ammattikorkeakoulututkinto yhdellä ja alempi keskiasteen tutkinto kahdella. Haastateltavista naisia oli kymmenen ja miehiä kaksi.

Kahdeksan haastateltavaa työskenteli johtavassa asemassa, joista seitsemällä oli yliopistotutkinto ja yhdellä ylempi ammattikorkeakoulututkinto. Työkokemus johtamistehtävissä vaihteli 1,5 vuodesta 35 vuoteen, keskiarvo oli noin 17,5 vuotta kokemusta johtamistehtävistä. Neljä haastateltavaa työskenteli erilaisissa

(18)

asiantuntijatehtävissä. Näistä yliopistotutkinto oli yhdellä, ammattikorkeakoulututkinto yhdellä ja alempi keskiasteen ammattitutkinto kahdella.

Aineiston keruu teemahaastattelulla

Tämä tutkimus toteutettiin laadullisena tutkimuksena, koska tutkimuksen kohteena olevasta ilmiöstä on vähän tutkimustietoa (Hirsjäjärvi & Hurme 2011, 23) ja haastattelemalla saadaan monitahoisia vastauksia ja saatuja tietoja voidaan syventää (Kankkunen &

Vehviläinen-Julkunen 2017, 128). Tutkimuksessa haluttiin kuvata terveydenhuollon johtajien arviointeja big datasta, sen käytöstä ja käytön haasteista. Aiheesta on saatavilla vähän tietoa perusterveydenhuollon kontekstissa. Aineiston keruumenetelmänä käytettiin puolistrukturoitua teemahaastattelua, joka toteutettiin yksilöhaastatteluina.

Haastattelujen teemoja oli neljä ja ne perustuivat tutkimuksen teoreettiseen viitekehykseen (Tuomi & Sarajärvi 2018, 84, 89, 98). Lisäksi teemahaastattelulomakkeessa kysyttiin haastateltavista taustatietoja kuten työkokemusta, koulutusta, ikää ja sukupuolta sekä tietoja työnantajaorganisaatiosta (Liite 4). Laadullisessa tutkimuksessa ei pyritä yleistettävyyteen ja haastattelun etuna oli, että voitiin selventää vastauksia esittämällä lisäkysymyksiä ja haastatteluteemojen järjestystä oli mahdollista säädellä (Tuomi & Sarajärvi 2018, 87, 98, Hirsjärvi & Hurme 2011, 34–35, 47–48). Haastattelut etenivät yksityiskohtaisten kysymysten sijaan keskeisten teemojen varassa.

Teemahaastattelulomake esitestattiin terveystieteiden maisteriopiskelijalla toukokuussa 2018 (Hirsjärvi & Hurme 2000, 72). Teemoja ei ollut tarpeen muuttaa, mutta teemahaastattelulomakkeen teemat järjestettiin loogisempaan järjestykseen ja apukysymyksiä täsmennettiin helpommin ymmärrettävään muotoon.

Organisaatioiden myönnettyä tutkimusluvan haettiin haastateltavia. Haastateltavat saatiin joko organisaation yhteyshenkilön välityksellä tai tutkijan oman yhteydenoton kautta.

Haastateltavia haettiin yhdestä kolmeen jokaisesta tutkimukseen osallistuvasta terveydenhuollon organisaatiosta. Tavoitteena oli saada 15–20 haastateltavaa tai kunnes aineisto saturoituisi, kuitenkin niin, että tutkimukseen saatiin mukaan vähintään viisi eri terveydenhuollon organisaatiota. Haastateltavia oli kuudesta eri perusterveydenhuollon organisaatiosta ja asetettuun tavoitteeseen haastateltavien määrässä ei päästy, koska yksi haastattelu peruuntui sairastumisen vuoksi ja kaksi haastateltavaa perui osallistumisensa työkiireiden vuoksi.

(19)

Haastateltavien kanssa sovittiin edeltävästi sähköpostitse tai puhelimitse haastatteluaika ja -paikka. Tutkimukseen osallistuville lähetettiin sähköpostilla ennakkoon tiedote tutkimuksesta ja haastattelun teemat. Tutkimusaineisto kerättiin yksilöhaastatteluilla ja ennen haastattelun alkamista tutkija kävi suullisesti lävitse haastattelun kulun, haastattelun nauhoittamisen sekä kerrattiin tutkimuksen tarkoitus ja luottamuksellisuus (Liite 5). Lisäksi haastateltaville annettiin teemahaastattelukysymykset (Liite 4) ja taustatiedot kerättiin kyselylomakkeelle (Liite 4). Haastateltavat allekirjoittivat kahtena kappaleena kirjallisen suostumuksen tutkimukseen (Liite 6), joista toinen jäi haastateltavalle ja toinen tutkijalle.

Tutkija kertoi myös, mistä valmis pro gradu –tutkielma on saatavissa. Haastattelut tapahtuivat rauhallisessa paikassa, terveydenhuollon organisaatioiden tiloissa, joko työ- tai kokoushuoneissa, yksi haastatteluista toteutettiin kahvilassa.

Haastatteluihin oli varattu aikaa tunti ja niiden kesto vaihteli 41 minuutista 62 minuuttiin.

Haastattelu nauhoitettiin äänentallentimella litterointia ja analyysintekoa varten.

Tallennettua haastattelua kertyi yhdeksän tuntia ja 36 minuuttia. Keskimäärin haastattelut olivat 48 minuutin pituisia. Haastateltavat koodattiin tunnistetietojen poistamiseksi ja litteroinnin jälkeen tallenteet tuhottiin nauhurilta.

Aineiston analyysi

Aineisto analysoitiin induktiivisella sisällönanalyysillä, joka aloitettiin lukemalla aineisto lävitse kahteen kertaan ja tekemällä muistiinpanoja. Tämän jälkeen aineistosta haettiin tutkimuskysymyksiin vastaavia alkuperäisilmauksia. Kaikki merkitykselliset alkuperäisilmaukset kirjattiin pelkistetyssä muodossa sähköiseen muotoon Exceliin, kuitenkin niin, ettei oleellista informaatiota kadonnut. Tärkeät asiat kerättiin yhteen ja luokiteltiin, näin jäsennettiin tutkittavaa ilmiötä ja aineisto järjestettiin eri teemojen mukaan. (Hirsjärvi & Hurme 2011, 147, Latvala & Vanhanen-Nuutinen 2001, 21–23.) Tämän jälkeen yhdistettiin pelkistetyt ilmaukset samaan kategoriaan ja kategorioille annettiin sisältöä kuvaava nimi. Analyysia jatkettiin yhdistämällä saman sisältöisiä alakategorioita, joista muodostui yläkategorioita, jotka nimettiin sisällön mukaan.

Synteesivaiheessa kategoriat yhdistettiin yhdeksi kuvaavaksi kategoriaksi ja näin vastattiin tutkimustehtävään. (Tuomi & Sarajärvi 2018, 114–115, 123.) Taulukossa 3 on kuvattu erimerkki aineiston analyysistä. Aineiston tulosten raportoinnissa käytettiin alkuperäisilmauksia tekstin rikastuttamiseksi (Elo & Kyngäs 2008).

(20)

Taulukko 3. Esimerkki aineiston analyysin etenemisestä.

Alkuperäisilmaus Pelkistetty ilmaus

Alaluokka Yläluokka

”tieto on meillä vaikeasti

saatavilla, puuttuu työkaluja”

Tieto vaikeasti saatavilla puuttuvien työkalujen vuoksi.

Puute raportointi- /analyysityökaluista

Este/haaste big datan tuottaman tiedon

hyödyntämiselle.

” ei semmoista päivittäiseen johtamiseen tarvittavaa, ne pitää itse sieltä hankkia, se on semmoinen puute meillä, että kun me ei saada valmiina tietoa"

päivittäiseen johtamiseen tarvittavan tiedon tuottamisen raportointi ohjelman puute

Puute raportointi- /analyysityökaluista

”automatiikkaa pitäisi olla

enemmän, edelleen jonkun täytyy kerätä ja tehdä raportti

johtopäätöksiksi ja se on edelleen käsityötä”,

Tarve

raportointiohjelm alle

Puute raportointi- /analyysityökaluista

(21)

TUTKIMUKSEN TULOKSET Big datan määritelmä

Haastateltavat määrittelivät big dataa käsittein massadata, raakadata ja suuret tietoaineistot.

Tunnusomaista oli, että big datan määriteltiin sijaitsevan eri lähteissä sekä järjestelmissä.

Haastateltavat kuvasivat big dataa kertyvän suuria määriä ja se voi olla jäsenneltyä tai jäsentelemätöntä. Big datan kuvattiin antavan ja tuottavan tietoa sosiaali- ja terveyspalveluista, ihmisistä, hyvinvoinnista, terveydestä, sairauksista ja elämäntavoista.

Big datan käyttö nähtiin osana tiedolla johtamista ja tiedolla johtaminen oli kirjattu jossain muodossa organisaation strategiaan.

”Massatietoa, on saatavilla eri lähteistä isoja tietomassoja. Tietovarasto, josta voi ammentaa tietoa.” H10

”Eri järjestelmistä tulevaa tietoo.” H7

”Se on niiku koko raakadataa, jota ei ole vielä työstetty.” H5

Big datan lähteet

Perusterveydenhuollon big data muodostui useista eri lähteistä (Kuvio 2). Sitä kertyi terveydenhuollon organisaatioiden sisäisistä laitteista ja järjestelmistä sekä ulkoisista kansallisista lähteistä. Näiden lisäksi big dataa tuottivat perusterveydenhuollon asiakkaat henkilökohtaisista terveydestä. Kuvioissa 2 kuvatut lähteet muodostavat perusterveydenhuollon big datan.

Kuvio 2. Big datan lähteet perusterveydenhuollossa.

Big data

Asiakkaiden /potilaiden tuottama "my data"

Sähköiset palvelut, sovellukset, terveysseurantalaitteet

Kansalliset lähteet THL, Kela, Tilastokeskus

Terveydenhuollon organisaation lähteet

Potilastietojärjestelmät, ajanvarausohjelmistot, HaiPro,

talousohjelmat, henkilöstöohjelmat

(22)

Haastateltavat nimesivät potilastietojärjestelmän suurimmaksi big datan tuottajaksi. Muita sisäisiä big datan lähteitä olivat perusterveydenhuollon organisaatioiden erilaiset ohjelmistot, jotka tuottivat tietoa henkilöstöstä, taloudesta, laadusta, kustannuksista, palveluiden saatavuudesta ja asiakkaista.

Haastateltavien mukaan asiakkaat tuottivat big dataa erilaisten sähköisten terveydenhuoltopalveluiden kautta. Asiakkaiden käyttämät erilaiset terveysseurantalaitteet tuottivat dataa terveydenhuollon organisaatioiden käyttöön. Suurimpana datan tuottajana oli diabeteksen seurantaan liittyvät laitteistot. Tämän lisäksi käytössä oli sähköinen äitiysneuvolakortti, sähköiset esitietolomakkeet, sähköinen hoidon tarpeenarviointi sekä erilaisia asiakaskyselyitä ja -palautteita.

Haastateltavat nimesivät terveydenhuollon organisaatioiden ulkopuolisiksi big datan lähteiksi kansalliset tietokannat. Terveyden ja hyvinvoinnin laitoksen TEAviisari, Avohilmo ja Sotkanet olivat eniten käytettyjä. Lisäksi big datan lähteinä oli Tilastokeskus ja Kela.

Big datan käyttö perusterveydenhuollossa

Terveydenhuollon johtajat käyttivät big datan tuottamaa tietoa hyväksi eri tavoin terveyspalveluiden johtamisessa (Kuvio 3). Haastateltavat kuvasivat, että big datan käytön tarkoituksena oli tuottaa väestölle terveyttä ja hyvinvointia. Lisäksi perusterveydenhuollon palveluita pyrittiin tuottamaan kustannustehokkaasti ja laadukkaasti. Haastateltavat kuvasivat big datalla ja tiedolla johtamisella olevan yhteyttä. Big datan tuottama tieto yhdistettiin muuhun tutkittu tietoon, kuten erilaisiin kansallisiin suosituksiin, valtakunnallisiin kyselyihin ja näyttöön perustuviin hoitokäytänteisiin.

(23)

Kuvio 3. Big datan tuottaman tiedon käyttö johtajien kuvaamana.

Haastateltavat kuvasivat käyttävänsä big datan tuottamaa tietoa säännöllisesti hyväksi organisaation johtamisessa, keskeisimmiksi kokonaisuuksiksi muodostuivat talousarvioiden ja henkilöstöresurssien suunnittelu sekä toiminnan kehittäminen, arviointi ja seuranta. Perusterveydenhuollon johtajat tuottivat tietoa ja erilaisia raportteja sosiaali- ja terveyslautakuntien päätöksenteon tueksi sekä organisaatioiden alemmalle johdolle.

Haastateltavien mukaan big datan käytön ja tiedolla johtamisen edellytyksenä on hyvä tuntemus terveydenhuollon kokonaisuudesta ja organisaatiosta. Johtamisen sekä päätöksenteon tueksi tarvittiin big datan tuottamaa tietoa, jota voitiin tarvittaessa vertailla aikaisempaan tietoon sekä tarvittaessa toisten kuntien tuloksiin.

”Tän kokoisessa väestössä se on kallis investointi. Niin tuotetaan sitä tietoa sinne lautakunnalle, millä aikavälillä, mitä hyötyä siitä on, ennusteita ja mihin rahaa tarvitaan kohdentaa.” H11

”Tilinpäätökset ja hyvinvointikertomukset ja hyvinvointityö, se on tuonut näkyväksi, mitä kaikkea on ja miten se vaikuttaa. Faktaa ja lukuja pitää olla päätöksen tekoon.” H6

”Jos vaikka uusi toimintamalli on otettu käyttöön, niin sitä kyllä seurataan. Ei yksin mittari tai tulos, vaan mitä mitä tapahtui.”H2

Big data ja tiedolla johtaminen

Kansanterveys

Terveyden ja hyvinvoinnin tuottaminen Krooniset sairaudet

kansantaudit Korkean kustannusten

potilaat/palveluiden suurkuluttajat

Organisaation johtaminen

Toiminnan kehittäminen ja uuden toiminnan

luominen Toiminnan suunnittelu

ja johtaminen

Talouden johtaminen

Henkilöstöjohtaminen

(24)

”Jos en olisi koskaan ollu hoitotyössä, en pystyisi johtamaan tai ymmärtämään niitä asioita, mitä milloinkin pyydetään. Näen että täytyy olla terveydenhuollon vahva osaamistausta.” H3.

“Meillä on raportointijärjestelmä, siellä on monen vuoden takainen tieto ja ajatus on, että johtaminen tapahtuu raporttien pohjalta ja johtajilla ja esimiehillä on valmiudet ottaa raportteja... Sinne on yhdistetty talous, toiminta ja henkilöstö.

Tarvittaessa pystytään vakka päiväkohtaisesti ajamaan raportteja.” H1

Haastateltavien mukaan big datan tuottamaa tietoa käytettiin hyväksi talouden johtamisessa, jota käytettiin hyväksi ennakoivasti.

”Talousarviosuunnittelussa se big data ja ennakointi on tärkeää.

Perusterveydenhuollon toiminnan suunnittelussa se tiedon yhdistäminen, ennakointi ja siis tulevaisuuden suunnittelu.” H8

“Pitää taloutta seurata reaaliaikaisesti, siis vuoden mittaan jatkuvasti.” H10

Haastateltavat hyödynsivät perusterveydenhuollon toiminnan johtamisessa useista eri lähteistä saatavaa tietoa ja tekivät seulontaa väestön ikärakenteesta ja palveluiden käytöstä, kustannuksista ja tiedon avulla tehostettiin prosesseja ja kohdennettiin palveluita.

Haastateltavien mukaan toiminnan suunnittelussa, arvioinnissa ja seuraamisessa hyödynnettiin alueen asukkaita kuvaavina indikaattoreina THL:n kouluterveyskyselyjen tuloksia sekä sairastavuusindeksejä ja näitä vertailtiin myös alueittain.

”Se tiedon yhdistäminen, että tulee yksittäisiä indikaattoritietoja ja niiden luominen ilmiöiksi ja trendeiksi eli se on juuri, että ne tulee eri tietolähteistä.”

H8

”Jos on epäilyä jostain paljon kustannuksia tuottavasta toimintatavasta, niin työkalun avulla voidaan päästä sen jäljille ja erilaisia tarkastelukulmia, väestöalueittain, ikäryhmittäin, terveysasema-alueittain tai ammattikohtaisesti.”

H11

”Meillä on se ymmärrys minkälainen väestö meillä on, se tieto ja ymmärtäminen potilaista. Kyllähän se on oleellinen asia, et tieto tuodaan osaksi johtamista.”

H12

”Minkälaisia diagnooseja alueittain, minkälaisia asiakasprofiileja ja kävijöitä, joilla on paljon käyntejä ja muuta.” H6

Haastateltavat kuvasivat käyttävänsä big datan tuottamaa tietoa uusien toimintamallien ja prosessien kehittämisessä sekä käyttöönotossa. Yleisimmin toiminnan kehittämisen tai toimintatapojen muutosten tarve perustui big datasta tuotettuun tietoon ja muuhun ajantasaiseen tietoon. Toiminnan muutoksen tarpeen taustalla saattoi lisäksi vaikuttaa esimerkiksi laki, säädös tai muu ohjeistus. Haastateltavat kuvasivat toiminnan pohjautuvan

(25)

näyttöön perustuvaan toimintaan. Johtajat seurasivat prosessien ja uusien toimintatapojen käyttöönoton vaikutusta big datan tuottaman tiedon sekä mahdollisten mittareiden avulla.

Esimerkkinä mainittiin puhelinpalveluiden ja ajanvarausprosessien kehittäminen, johon liittyi sähköinen hoidon tarpeen arviointi. Siinä ohjelmisto tuotti organisaatiolle muun muassa palvelua käyttäneen asiakkaan iän, yhteydenottoajan ja viikonpäivän.

”Isyydentunnustus oli yksi mitä haluttiin selvittää, paljonko niitä on tehty ja miten se on lähtenyt käyntiin, kun sehän siirtyi neuvoloihin terveydenhoitajien tekemäksi.” H6

“Asiakas antaa tietoja sähköisessä palvelussa ja keinoäly analysoi ja antaa jatko- ohjeet ja arvioi esimerkiksi hoidon kiireellisyyden. Tämä on säästää resursseja ja mahdollistaa myös joustavat palveluajat 24/7. ”H9

”Se on aivan oleellinen asia, että saadaan numeerista tietoa ja hoidon laatua ja asiakaskokemuksia voidaan arvioida.” H11

”Tiedon pohjalta pyritään uuden kehittämiseen, kuten palveluiden ratkaisuja ja kehittämistä, että se tieto pystyis vastaamaan kysymykseen.” H10

Johtajat käyttivät big datan tuottamaa tietoa hyväksi (Kuvio 4) systemaattisesti henkilöstöjohtamisessa, sen suunnitellussa ja arvioinnissa sekä seuraamisessa. Useat eri lähteet tuottivat tietoa henkilöstöjohtamisen tueksi ja niitä yhdistettiin muuhun tietoon, joko tutkittuun tietoon tai big datan tuottamaan tietoon.

Henkilöstöjohtaminen

Työhyvinvointi

Lomien seuranta

Työvuorojen suunnittelu

Sairauspoissaolojen seuranta

Työntekijöiden ammattitaito ja sen

parantaminen

Hoitoisuusluokitukset

Henkilöstökustannukset Resurssien kohdentaminen

(26)

Kuvio 4. Big data henkilöstöjohtamisessa.

“Tietoa käytetään systemaattisesti hyväksi esimerkiksi henkilöstöjohtamisessa, henkilöstötilinpäätöksessä tai esimerkiksi uuden toiminnan tai prosessin käyttöönoton ja sen vaikutusten seurannassa. “H2

”Henkilöstöjohtamisessa saadaan seurattua henkilöstömäärän kehittymistä, jossa seurataan rinnalla toiminnan muuttumista. Suoritetiedot, lähetteiden määrä, toiminta määrittelee henkilöstötarpeen ja sitten näkyy henkilöstöpoissaolo, vuosilomat ja tottakai on seurattava sairauspoissaoloja.”H4

Big datan tuottamaa tietoa, erilaisia analyysiohjelmistoja, järjestelmistä saatavia raportteja ja terveysseurantalaitteita hyödynnettiin eniten kansantautien osalta. Tiedon avulla pyrittiin tunnistamaan paljon palveluita käyttäviä potilasryhmiä ja korkean kustannusten sairauksia. Johtajat kuvasivat seuraavansa väestön sairastavuutta sekä alueiden väestöryhmien välisiä eroja, lisäksi sairastavuustietoja verrattiin valtakunnallisiin tilastoihin.

Haastateltavien mukaan perusterveydenhuollon johtamisessa käytettiin erilaisia asiakasanalyyseja, joissa hyödynnettiin big dataa ja sen tuottamaa tietoa. Näiden analyysien avulla pyrittiin löytämään ja tunnistamaan erilaisia palveluiden käyttäjiä ja potilasryhmiä väestöstä. Tulosten mukaan asiakkaita segmentoitiin erilaisten tautiryhmien, iän ja palveluiden käytön perusteella.

Haastateltavien mukaan big dataa hyödynnettiin perusterveydenhuollossa diabeteksen, tuki- ja liikuntaelintensairauksien, valtimosairauksien ja mielenterveyden osalta.

Diabeteksen osalta big datan tuottamaa tietoa käytettiin parhaiten hyväksi ja tähän oli yhdistetty asikkaiden käytössä olevien henkilökohtaisten seurantalaitteiden tietoja. Johtajat kuvasivat, että korkean hoidon kustannusten potilaita pyrittiin tunnistamaan ja datan tuottamaa tietoa hyödyntämään heidän hoidossaan, esimerkkinä mainittiin haavanhoitopotilaat, reumasairaudet tai MS -tauti. Asiakasanalyysejä hyödynnettiin sekä organisaation toiminnan että asiakkaiden terveyden ja hyvinvoinnin näkökulmasta.

”Ollaan kerätty ne suurkuluttajat, niin sanotut kalliit potilaat ja sinne on laitettu hintatiedot, paljoko meillä on diagnoosin mukaan ja käyntimäärät. ”H9.

”On rakennettu diagnoosiryhmittely, jolla voidaan katsoa esimerkiksi diabetekseen liittyviä tautiryhmiä, niitä pystytiin ryhmitteleen ja voitiin ottaa tietyltä ajalta näitä diagnooseja ja nähtiin paljonko meillä hoidetaan.” H6

(27)

Huonossa hoitotasapainossa tai sairastumisriskissä olevia asiakkaita pyrittiin tunnistamaan ja segmentoimaan tutkitun- ja datan tuottaman tiedon sekä erilaisten analyysiohjelmien avulla. Näille ryhmille pyrittiin tarjoamaan enemmän tukea.

“Pitkäaikaissairauksista kertyy koko ajan dataa tietoa niin kun heidän kolesteroliarvoista, verensokeriarvoista ja se järjestelmä tutkii niitä ja me päästään kattomaan sieltä, kuinka paljon siitä populasta on hyvässä, kohtalaisessa ja huonossa hoitotasapainossa. “H11

“Potilastietojärjestelmästä saadaan louhittua tieto niin, että asemakohtaisesti ja väestökohtaisesti hoidon laatu suhteessa, miten asema pärjää toisen aseman alueessa ja siitä voidaan johtaa potilaitten hoitamista” H12

”Syttyy valo, keltainen tai punainen ja nyt pitää ottaa yhteyttä. Omahoitaja tai lääkäri voi ottaa yhteyttä tai reagoida siihen.” H9

Big datan tuottama arvo

Haastateltavat kuvasivat big datan tuottavan arvoa, yhteiskunnalle, asiakkaalle ja terveydenhuollon organisaatiolle (Kuvio 5). Arvo nähtiin olevan tuotettua terveyttä ja hyvinvointia yksilölle ja väestölle, laadukkaampia ja kustannustehokkaista palveluita sekä asiakaslähtöisiä prosesseja.

(28)

Kuvio 5. Big datan tuottama arvo perusterveydenhuollon johtajien mukaan.

Haastateltavien mukaan asiakkaille tuoma arvo sisälsi monipuolisemmat palvelut ja niiden parempi saatavuus. Big datan tuottaman tiedon avulla voitiin arvioida ja seurata hoitoprosessien vaikutusta, joka paransi hoidon laatua, saatavuutta ja säästi kustannuksia.

”Etäasiointi on mahdollista, jos tarvetta sellaiseen lääkäripalveluun niin sitten hoidetaan etäpalveluna.” H1

”digitaalista ja ympärivuorokautista palvelua, parantaa palvelua ja saatavuutta”H7

” Mietitään sitä asiakkaan prosesseja, käydään läpi hukkaa, kauanko potilas on vastaanotolla, se tuo lisäarvoa asiakkaalle.” H4

Yhteiskunnalle big datan tuottama arvo oli kustannustehokas toiminta, joka säästi yhteiskunnan rahoja sekä väestön terveyden ja hyvinvoinnin lisääminen. Big datan tuottamalla tiedolla oli arvoa perusterveydenhuollon organisaatiolle ja sen henkilöstölle.

Haastateltavien mukaan big datan tuottamaa tietoa käytettiin perusterveydenhuollon johtamisen ja päätöksenteon tukena, joka mahdollisti paremman tiedolla johtamisen.

“Ajatellen niitä kansasairauksia, mitä enemmän meillä on hyvässä hoitotasapainossa olevia ihmisiä, siksi ne on suuressa tarkastelussa ne huonossa

Big datan tuottama arvo

Yhteiskunta

Väestön terveyden ja hyvinvoinnin lisääntyminen

Kustannustehokas toiminta

Asiakas

Monipuolisemmat palvelut ja niiden saatavuus

Parempi hoidon laatu ja potilasturvallisuus

Asiakaslähtöiset prosessit Vaikutusmahdollisuus

Terveydenhuollon organisaatio

Laatu

Toiminnan kehittäminen

Kustannukset

(29)

hoitotasapainossa olevat, että joukkoa pitää pienentää, että voidaan säästää kustannuksissa, niissä lisäsairauksissa ja komplikaatioissa.” H11

“Data tuo sellaista tietoa, että laatutaso on korkea ja hoidetaan hyvin. Tää data tuo sellaista arvoa, että ei pelkkä tekeminen Käypä hoito –suositusten mukaan riitä.” H9

”Se tieto tuottaa arvoa organisaatiolle niin, et me pystytään kohdentamaan toimintaa järkevästi ja tuottamaan tehokkaasti ja vaikuttavasti.” H10.

”Tuottaa ehdottomasti lisäarvoa, sehän on fakta, se on kovaa dataa. Laatu ja kustannukset menee samassa linjassa. ” H4

Big datan käytön haasteet ja esteet perusterveydenhuollon johtajien mukaan

Haastateltavat nimesivät useita haasteita big datan tuottaman tiedon hyödyntämiselle, jotka ilmenivät yksilön, perusterveydenhuollon organisaation ja yhteiskunnan tasolla. Big datan käytön haasteet kuvattu Kuviossa 6.

Kuvio 6. Big datan käytön haasteet ja esteet perusterveydenhuollon johtajien mukaan.

Haastateltavien mukaan keskeisimpinä big datan hyödyntämisen haasteena oli tiedon hajanaisuus sekä yhteisten mittareiden puuttumisen sekä puutteelliset datan analysointityökalut. Tieto sijaitsi useissa eri järjestelmissä sekä lähteissä, eikä se ollut reaaliaikaista. Tiedon yhdistäminen sekä analysointi koettiin haasteelliseksi

Haasteet/esteet

Lainsäädäntö

Puutteelliset työkalut

Tiedon hajanaisuus

Osaamattomuus/taidon puute

Tieto ei ole reaaliaiakaista

Muutosvastarinta/

sitoutumattomuus

Datan luottettavuus

(30)

puutteellisten työkalujen ja tiedon analysointiin käytettävissä olevien resurssien vuoksi.

Haastateltavat nimesivät yhtenäisten mittaristojen puuttumisen, minkä vuoksi big datan tuottama tieto ei ollut vertailukelpoista.

”Iso tarve siihen ajantasaiseen helppokäyttöiseen tiedon saamiseen, ja jos se saatais jostain järjestelmästä.” H8

”Meillä isona haasteena on, että oikeesti ei järjestelmät ei taivu siihen, et saatais niistä ajantasaista tietoa.” H4

“Ite piirrellään graafeja, jos pystytään, aikaahan siinä menee, se on sellaista käsityötä.” H6

Lainsäädännölliset esteet rajoittivat tiedon hyödyntämistä eniten sosiaali- terveydenhuollon yhteistyössä. Haastateltavat kuvasivat haasteita esiintyvän lisäksi tietojohtamisessa, kuten raportoinnissa, toiminnan kehittämisessä ja päätöksenteossa.

Lainsäädäntö rajoitti myös erilaisten sähköisten terveydenhuoltopalveluiden ja niiden tuottaman tiedon yhdistämistä muuhun tietoon. Esimerkkinä mainittiin EU:n tietosuoja- asetus ja laki potilaan asemasta ja oikeuksista lainsäädännöllisinä haasteina. Toisaalta johtajat kuvasivat käyttävänsä perusterveydenhuollon johtamisessa big datan tuottamaa tietoa väestötasolla, ei yksilötasolla.

“Täytyy olla tarkkana, kun ajaa raportteja ja lukuja. Joudun aina miettimään, annanko tietoa ja mitä annan ja millä oikeudella joku pyytää tietoa minulta.” H1

”EU:n tietosuojasäännös, joka tekee käytännössä kaiken datan hyödyntämisen käytön mahdottomaksi.” H3

Haastateltavat tunnistivat tarvitsevansa toimivampia big datan analysointityökaluja, että saatavilla olevaa dataa voidaan hyödyntää paremmin. Haasteena koettiin myös tiedon luotettavuus, sillä strukturoitua ja systemaattisesti kirjattua dataa ei ole vielä kertynyt riittävän pitkiä aikoja potilastietojärjestelmiin. Virheellinen kirjaaminen kuvattiin yhdeksi big datan tuottaman tiedon käytön haasteeksi. Haastateltavat kuvasivat kirjaamiseen olevan hyvät ohjeistukset, mutta ne jättävät liikaa tulkinnan varaa kirjaajalle lisäten kirjaamisen virheitä. Lisäksi erilaiset ohjelmistot sekä yksiköiden toimintatavat ja tilastoitavan tiedon suuri määrä lisäsivät myös virheitä kirjaamisessa.

”Siihen liittyy ihan hirveesti kirjaamisongelmia, se data ei ole relevanttia, ei ole, tiedän sen valitettavasti. ” H5.

(31)

”Ensinnäkin tieto mitä kirjataan on sekavaa eri yksiköissä. Se on iso haaste, miten sen tiedon voi hyödyntää. Laatu, kustannukset tai muuta se voisi olla, jos ei ole yhtenäisesti kirjattu.” H3

Big datan analysointiin tarvittavien toimivien työkalujen puuttuminen tarkoitti muun muassa sitä, että raportit sisälsivät paljon raakadataa ja niiden saattaminen luettavaan muotoon työllisti johtajia. Tämä vaati johtajilta ymmärrystä datan taustatiedoista ja Excel - osaamista ristiintaulukoinnissa tai diagrammien tuottamisessa. Toisaalta osa haastateltavista kuvasi, että saatavilla oli hyviä big datasta tuotettuja raportteja, jotka olivat valmiiksi luettavassa muodossa ja reaaliaikaisia, mutta niistä puuttui ennustava tieto.

Haastateltavat arvioivat tarvitsevansa ennustavaa tietoa tuottavia työkaluja ja näiden puuttuminen oli yksi haaste big datan hyödyntämiselle.

“Että tieto tulisi oikeeseen käyttöön, vaatii se datan muuttamisen luettavaan muotoon ja reaaliaikaisuuden. Ja kyllä, se on meillä erittäin luettavaa ja reaaliaikaista. Ennustavaa tietoa ei ole käytössä, se tulee sitten tulevaisuuden pakettien mukana, kuten genomitietokin.” H11

“Pitäis pystyä kattomaan trendejä, tätä hetkeä, mennyttä ja sitten se tulevaisuus, ennakointi ja ennustettavuus” H8

Tiedot sijaisivat eri lähteissä sekä sisäisissä että ulkoisissa lähteissä. Haastateltavat kuvasivat haasteeksi, että käytettävissä oleva tieto ei ollut reaaliaikaista. Kelan ja THL:n tuottamat raportit tulivat pitkällä viiveellä. Haasteena oli myös tietojen kulkemattomuus esimerkiksi erikoissairaanhoidon ja perusterveydenhuollon välillä. Osa tiedoista kulkeutui erikoissairaanhoidosta THL:lle ja sieltä perusterveydenhuolto sai tilastotietoa oman kunnan väestöstä ja tiedon saamisessa oli pitkä viive. Toisaalta osa haastateltavista raportoi, että tieto kulki saumattomasti perusterveydenhuollon ja erikoissairaanhoidon välillä, mikä oli tuonut taloudellista säästöä perusterveydenhuoltoon.

”Sehän on sellainen tieto, mitä Sotkanetistä löytyy, mutta ne tiedot tulee sinne varmaan sairaanhoitopiiristä.” H6

”Et saatais toimivat työkalut, että tietoa voitais käyttää reaaliaikaisesti johtamisessa.”H9

Haastateltavat kuvasivat big datan hyödyntämisen haasteeksi osaaminen puutteen omissa tai organisaation taidoissa. Myös muutosvastarinta ja henkilöstön sitoutumattomuus olivat esteinä big datan hyödyntämiselle ja tiedolla johtamiselle. Muutosvastarintaa oli organisaatioiden jokaisella tasolla, myös ylemmässä johdossa, jossa se ilmeni haluttomuutena käyttää big datan tuottamaa tietoa hyväksi toiminnan johtamisessa.

(32)

”Mutta, kun sitä tulkitaan, niin sitä luetaan liian mustavalkoisesti, se ei ole siis data totta sellaisenaan. Ja sitten osaaminen, terveydenhuollossa pitäisi osata hakea eri osaamista, ICT- osaamista.”H8

”Mun mielestä se ei ole nykyisessäkään järjestelmässä ongelmana se järjestelmä, vaan se, et sitä ei ole käytetty. Kyllä sitä tietoa on ja tiedämme, että sitä ei ole kukaan edes kattonut.” H5

”He käyttävät miten käyttävät tietoa, toiset enemmän, toiset ei yhtään. Toiset ymmärtää, toiset ei juurikaan. Hirveän isot erot on.” H4

Yhteenveto tuloksista

Tulosten mukaan big datasta käytettiin myös käsitteitä massadata, raakadata ja suuret tietoaineistot. Big data on yhteydessä tiedolla johtamiseen. Johtajien käyttämä big data sijaitsi useissa eri lähteissä, suurimpana big datan lähteenä toimii potilastietojärjestelmä.

Big data tuotti tietoa sosiaali- ja terveyspalveluista, ihmisistä, hyvinvoinnista, terveydestä, sairauksista ja elämäntavoista. Big datan tuottamalla tiedolla oli arvoa perusterveydenhuollon organisaatiolle, asiakkaalle ja yhteiskunnalle.

Big datalla oli useita hyötyjä. Sen tuottaman tiedon avulla voitiin suunnitella ja johtaa terveydenhuollon toimintaa, tuottaa laadukkaita kustannustehokkaita perusterveydenhuollon palveluita sekä tuottaa väestölle terveyttä ja hyvinvointia.

Johtamisen tukena käytettiin erilaisia hyvinvointi-indikaattoreita ja mittareita, jotka tuottivat tietoa väestöstä, henkilöstöstä, asiakkaista, palveluiden saatavuudesta ja kustannuksista.

Tulosten perusteella muodostettiin terveydenhuollon johtajien big datan tuottaman tiedon käytöstä kokonaisuus, joka esitetty Kuviossa 7.

(33)

Kuvio 7. Big datan käyttö perusterveydenhuollon johtajien arvioimana.

Tulosten mukaan terveydenhuollon prosessien kehittämisessä oli asiakas-, henkilöstö-, organisaatio- ja yhteiskunnallinen näkökulma. Prosessien kehittämisessä huomioitiin hoidon ja palveluiden laatu ja saatavuus, kustannukset, työntekijöiden ammattitaidon paraneminen ja henkilöstöresurssien tehokas kohdentaminen. Toiminnan kehittämisen tavoitteena oli tuottaa laadukkaita ja kustannustehokkaita sekä terveyttä ja hyvinvointia tuottavia perusterveydenhuollon palveluita. Toiminnan kehittäminen oli yhteydessä henkilöstön ammattitaitoon, työhyvinvointiin, asiakaslähtöisiin prosesseihin, laadukkaaseen hoitoon, kustannustehokkaaseen toimintaan, joiden vaikutuksia voitiin mitata.

Tulosten mukaan talouden johtaminen ja big datan tuottama tieto olivat yhteydessä useisiin eri ulottuvuuksiin, organisaation ja henkilöstön johtamiseen, kansantauteihin ja paljon palveluita käyttäviin potilaisiin.

Big datan hyödyntämiselle oli useita haasteita, joista keskeisimpiä oli puutteelliset datan analysointityökalut, yhtenäisten mittaristojen puuttuminen, tieto ei ole reaaliaikaisesti saatavilla, henkilöstön sitoutumattomuus tiedolla johtamiseen, tiedon luotettavuus ja lainsäädännölliset haasteet.

Big data,sen analysointi ja

tiedoksi muuttaminen ja tiedolla johtaminen

Potilas- ja asiakasnäkö-

kulma

Toiminnan suunnittelu

ja johtaminen

Kehittäminen seuranta ja

arviointi Muu tieto

Henkilöstönä kökulma Yhteiskunnan

näkökulma

Terveys ja hyvinvointi

Viittaukset

LIITTYVÄT TIEDOSTOT

Keskustelijat päätyivät argumentoimaan, että kyse on paitsi yliopistopolitiikasta myös siitä, miten eri historian oppiaineet aivan tekstin tasolla

Kaiken kaikkiaan viitteitä on yli 40 000, ja suhteellinen osuus näyttää erityisen korkealta tilanteessa, jossa suurmiehelle puuhattiin patsasta Turkuun 1860- luvulla,

Vaaditut laitteistovaatimukset ohjelmiston natiiviasennukselle, joka sisältää IBM Open Platform with Apache Hadoopin sekä Quick Start Edition for the IBM BigIn- sights Data

Generally, the strategic switching is applied to customers who switch their allegiance to other suppliers to pursuit better deals. In this case, most companies will launch dif-

Big data tarkoittaa kaikkea maailmassa saatavilla olevaa tietoa, jota voidaan jalostaa eteenpäin analysoimalla sitä. Sen avulla voidaan saada tietoa asiakkaiden asenteista,

Tiedolla johtaminen vaatii sekä datan keräämistä että sen hyödyntämistä, jotta tietoa voi- daan hyödyntää ja tehdä päätöksiä sen avulla, tulee organisaation analysoida

(2016) määrittelevät “terveyden big datan” suureksi määräksi hyvin monimuotoista biologista, kliinistä sekä ympäristötekijöihin ja elintapoihin liittyvää tietoa, jota

By minimizing the information risks the consumers perceive, follow- ing regulations set by local authority and succeeding in implementing big data technologies and techniques