Kausaalimallit ohjaavat Tays Silmäkeskusta tekemään tarkoituksenmukaisia päätöksiä

Asiakas: Tays Silmäkeskus, aces-rwm-tutkimustiimi, Pirkanmaan hyvinvointialue.

Ratkaistava ongelma: silmäsairaanhoidossa tarvittavien resurssien kehittymisen ennakointi.

Lähtötilanne

Terveyspalvelujen kysyntä Suomessa kasvaa väestön ikääntyessä.  Silmäsairaanhoitoa koskevat samat haasteet kuin koko suomalaista terveydenhuoltojärjestelmää. Niin sanotut neljä suurta ikään liittyvää silmäsairautta kattavat noin 70 prosenttia kaikista silmäsairaanhoidon resursseista. Pirkanmaan hyvinvointialueella silmäpalveluiden järjestämisestä vastaa Tampereen yliopistollisen keskussairaalan Tays Silmäkeskus.

– Kun toimin 1990-luvulla Oulun yliopistollisen sairaalan silmäklinikan ylilääkärinä, perehdyin johtamisoppeihin, ja minulla heräsi erityinen kiinnostus systeemidynamiikkaan. Ryhdyin hakemaan Suomesta tahoa, joka tekee menetelmään perustuvaa mallintamista, kertoo silmätautiopin professori, emerita Anja Tuulonen.

– STE Analyticsin edeltäjä Systems Thinking Europe löytyi lehti-ilmoituksen kautta, ja siitä alkoi tämä edelleen jatkuva yhteistyö.

Tuulosta kiinnosti ja kiinnostaa edelleen hahmottaa ja hakea ratkaisuja silmäsairaanhoidon ja koko terveydenhuollon rakenteellisiin haasteisiin, kuten pitkät hoitojonot ja lääkäripula.

– Huolimatta Oysin silmäklinikan vuonna 2000 saamasta Lääkäriliiton laatupalkinnosta, oikeilta vaikuttaneet kehitystoimenpiteet eivät heijastuneet odotetulla tavalla hoitotuloksiin. Esimerkiksi yleisiin palkankorotuksiin verrattuna varsin reilu palkitsemisjärjestelmä ei olennaisesti korjannut tilannetta, Tuulonen sanoo.

–  Meillä on myös tietoa siitä, että eniten näkövammaisuutta aiheuttavan taudin, silmänpohjan ikärappeuman, lääkehoidon kustannuksissa on kuusin-seitsenkertaisia eroja ilman tietoa riittävän hoidon tasosta. Kyseisen taudin hoidot ovat vuoden 2008 jälkeen kaksikymmenkertaistuneet.

Ratkaisut

Ensimmäinen mallinnusprojekti alkoi keräämällä dataa vuosilta 1984–2000 sekä yksityiseltä että julkiselta sektorilta 36 eri lähteestä ja haastattelemalla silmälääkäreitä. Näiden pohjalta luotiin kausaalimalli, joka ennakoi tulevaa kehitystä hoitojonojen ja jonotusaikojen suhteen. Anja Tuulonen oli vetämässä silmäylilääkäreiden työryhmää, joka määritteli kansalliset hoitoon pääsyn kriteerit  vuonna 2004.

– Ensimmäinen kausaalimalli ajettiin ensin toistamaan historiadataa. Sen jälkeen mallin avulla simuloitiin eri toimenpiteiden vaikutuksia, mukaan lukien että jatkettaisiin entiseen tapaan ilman muutoksia, Tuulonen kertoo.

– Vuonna 2001 luotu malli ja sen perusteella laaditut toimenpide-ehdotukset ennakoivat hämmästyttävän tarkasti sekä silmälääkärivajeen että esimerkiksi vuoteen 2007 mennessä kaihileikkausjonossa olevien potilaiden määrän puolittumisen, hän jatkaa.

Seuraava kausaalimalli suunniteltiin vuonna 2004 ennakoimaan neljän suuren silmäsairauden, eli silmänpohjan ikärappeuman, glaukooman, diabeettisen silmäsairauden ja kaihin hoitojen voimavarojen tarvetta.

– Tarkastelimme vuoden 2004 kausaalimallin ennustetta glaukoomapotilaiden lukumäärän toteumasta vuoden 2023 loppuun saakka. Totesimme tutkijakollegoideni kanssa, että malli oli ennakoinut myös glaukooman esiintymistä 18 vuoden aikajänteellä uskomattoman tarkasti, Tuulonen kertoo.

– Mallit ovat osaltaan ohjanneet meidät kehittämään arkikustannusvaikuttavuutta.

Vuonna 2009 Tuulonen aloitti Tampereen yliopistollisen sairaalan tuolloin perustetun Silmäkeskuksen johtajana. Eläköidyttyään vuonna 2019 hän aloitti silmätautien hoidon arkikustannusvaikuttavuuden arvioinnissa tarvittavien IT-työkalujen kehityshankkeen, jota Business Finland rahoitti.

Hankkeessa on kehitetty työkalut arkidatan keräämiseksi ja arvioimiseksi kaikista neljästä suuresta silmäsairaudesta yhteistyössä kaikkien yliopistollisten silmäklinikoiden kanssa.

– STE Analyticsin kanssa jatkoimme glaukoomaan liittyvän kausaalimallin kanssa työskentelyä, ja päivitimme jo tarkaksi todettua mallia uudella datalla. Kausaalimalli ulottuu nyt vuoteen 2060 ja auttaa ymmärtämään väestömuutosten vaikutuksia terveydenhuoltojärjestelmään, Tuulonen sanoo.

Silmä, jonka päällä on kolmiulotteinen pyöreä heijastus mittauslaitteesta.

Lopputulos

STE Analyticsin mallintamistyö lisää ymmärrystä terveydenhuollon resursointitarpeista ja rakenteista. Kausaalimallit ovat osoittautuneet erittäin tarkoiksi ennakoimaan sekä potilaiden määrän että hoitoon tarvittavien voimavarojen kehittymistä useampien vuosien, jopa vuosikymmenien aikavälillä.

Pitkän aikavälin hyödyt mallintamisesta näkyvät erityisesti terveydenhuollon resurssien allokoimisessa tarkoituksenmukaisimmalla tavalla, paitsi silmätaudeissa, myös jokaisella terveydenhuollon tasolla erikoisalasta riippumatta. 

Kyky ennakoida sairaanhoidon kehitystarpeita on jatkuva haaste, ja kausaalimallit tarjoavat ratkaisuja päätöksenteon kehittämiseksi.

– Yhteistyö systeemidynamiikan asiantuntijoiden kanssa on ollut erittäin proaktiivista ja ajattelua avartavaa. He hallitsevat mallintamisen, ja me tuomme mukaan terveydenhuoltojärjestelmän tuntemuksen. Tämä on johtanut innovatiivisiin keskusteluihin ja varmistanut, että mallit on rakennettu kuvaamaan järjestelmän toimintaa. Tuloksena on parempi ymmärrys kokonaiskuvasta ja päätöksenteon vaikuttavuudesta, sanoo Anja Tuulonen.

– On ollut tärkeää ymmärtää, että vaikka teemme hyvässä uskossa oikeilta vaikuttavia asioita, ne eivät aina tuota odotettuja tuloksia. Ja että päätöksenteon vaikutukset, sekä hyvät että huonot, tyypillisesti näkyvät vasta vuosien viiveellä, Tuulonen jatkaa.

Sosiaali- ja terveysministeriö sekä valtiovarainministeriö ovat osoittaneet kiinnostusta silmäsairauksien arkikustannusvaikuttavuusmallin hyödyntämiseen ja laajentamiseen.

“Kausaalimalli auttaa ymmärtämään, minkälaisia muutoksia suurten ikäluokkien ikääntyminen tuo terveydenhuoltojärjestelmään ja miten niiden suhteen on tarkoituksenmukaisinta toimia.”
– Anja Tuulonen, silmätautiopin professori, emerita

Käytetyt menetelmät
• matemaattinen mallintaminen
• data-analyysi
• systeemiajattelu
• syy-seuraussuhteiden ja aikaviiveiden tunnistaminen.

Saavutetut hyödyt
• parempi ymmärrys kokonaiskuvasta ja päätösten vaikuttavuudesta
• resurssitarpeen kehittymisen tarkka ennakointi
• muutosjohtamisen mahdollistaminen
• tulosten raportoiminen lääketieteellisissä julkaisuissa.

Heräsikö kiinnostuksesi?

Ota meihin yhteyttä
Osmo Salonen, senior consultant at STE Analytics, and co-founder.

Osmo Salonen

Vanhempi konsultti, perustaja
Pekka Aarnisalo, CEO and co-founder of STE Analytics.

Pekka Aarnisalo

Toimitusjohtaja, perustaja
© 2024 STE Analytics Oy