ENGAGERA MEDARBETARNA I PREDIKTIV ANALYS INOM SJUKVÅRD

ENGAGERA MEDARBETARNA I PREDIKTIV ANALYS INOM SJUKVÅRD Öka värdet

Att metoderna inte tillämpas beror inte på tekniken.
pdf Engagera medarbetarna i prediktiv analys inom sjukvård (.pdf)

Att metoderna inte tillämpas beror inte på tekniken.
Av Meetali Kakad, med. dr., Ronen Rozenblum och David Westfall Bates, med. dr.
20 juni 2017

468KB

Harvard Business Review

Enligt National Academy of Medicine (tidigare Institute of Medicine) går nästan en tredjedel av USA:s vårdbudget – 750 miljarder dollar om året – till onödiga tjänster och ineffektiv vård. Nya verktyg för förutseende analys kan minska slöseriet och förbättra vården genom att beräkna sannolikheten för en händelse – till exempel att en patient läggs in på sjukhus igen eller utvecklar en livshotande infektion – så att vårdgivarna kan anpassa behandlingarna och tjänsterna därefter. Dessa verktyg används nu i hela vårdförloppet, från sjukdomsövervakning till förebyggande av kroniska sjukdomar och identifiering av patienter som riskerar att försämras.

Men trots att dessa verktyg kan förbättra vården, används de ännu inte av de flesta vårdgivare. Ett av hindren är det stora utbudet av alternativ för vårdgivare, från mobilappar till webbaserade verktyg och program som är integrerade med elektroniska vårdregister. För att förbättra vår förståelse för vad som står i vägen för användningen och vad som utgör en lyckad implementering har vi intervjuat 34 nyckelpersoner från ledande hälsosystem, beslutsfattare och leverantörer av förutseende analys. Bland våra viktigaste slutsatser: Framgången beror mindre på verktyget i sig än på att medarbetarna engagerar sig på alla nivåer från början.

Här är tre erfarenheter:

Koppla in rätt människor från början

Oavsett om en leverantör utvecklar förutseende analys internt, som många stora akademiska sjukhus har gjort, eller om färdiga verktyg köps in, måste ledningen se till att involvera rätt personer i hela processen. Internt utvecklade verktyg kräver särskild utvecklingskompetens och båda dessa och kommersiella verktyg kräver validering, implementering, utvärdering och ständig förbättring. Det krävs ett tvärvetenskapligt team med klinisk, analytisk, datavetenskaplig, informationsteknisk och beteendevetenskaplig kompetens från början till slut.

Ett vanligt skäl till att dessa verktyg är underutnyttjade är att medarbetare med patientkontakt inte riktigt förstår deras värde. Därför måste framgångsrika program börja med ett problem där prediktiv analys kan göra en stor skillnad. Till exempel dör 50 % av alla nyfödda med obehandlad sepsis (blodförgiftning). Därför får friska barn ofta antibiotika presumtivt – ”för säkerhets skull” – vilket kan leda till komplikationer och ökad antibiotikaresistens. Det skulle förstås vara önskvärt att identifiera nyfödda med låg risk för infektion och bespara dem den presumtiva antibiotikan. Det är precis vad Kaiser Permanente i norra Kalifornien har gjort. Med hjälp av ett prediktivt verktyg har de minskat användningen av antibiotika till hälften utan att antalet sepsisrelaterade komplikationer har ökat.

Genom att visa den kliniska effekten av ett prediktivt verktyg går det att engagera just de personer som ska använda det. Detta är särskilt viktigt för klinisk personal som annars kan vara skeptisk mot ”dolda algoritmer” som de inte kan se hur de fungerar. Genom att involvera klinisk personal tidigt kan teamet påverka vilka prediktiva verktyg som ska implementeras och hur, och se resultatet på ett tidigt stadium. Detta kan vara tidsödande men fördelarna kan inte nog understrykas. Detta gäller både kommersiella och egenutvecklade verktyg. Kommersiella leverantörer kan behöva arbeta ännu hårdare med personalen för att utveckla förtroende för deras produkter.

Förändrare och kliniska förespråkare är avgörande

Utan en tydlig plan för implementering och personal med kompetens inom beteendeförändring kan implementeringen av ett prediktivt verktyg gå trögt. Vi har funnit att vårdgivare som regelbundet använder sig av implementeringsexperter för att stötta förändring och förbättra kvaliteten i IT-projekt och andra projekt fick ett försprång i implementeringen av prediktiv analys. Sådana personer arbetar sida vid sida med klinisk personal för att kartlägga arbetsflöden och identifiera vad som kan behöva förändras när en ny process eller ett nytt verktyg ska införas. De kan ha klinisk bakgrund eller bakgrund i tjänstförändring eller kvalitetsförbättring.

Kliniska förespråkare har ofta visat sig nödvändiga för en lyckad implementering av prediktiv analys – och för IT-implementering inom vården i allmänhet. En grupp förändrare bör alltid innehålla respekterade läkare eller andra ledande personer inom organisationen. Dessa personer ska aktivt hjälpa dig att främja verktyget, visa hur det används och utbilda personalen om de förväntade fördelarna. Vid ett ledande offentligt finansierat sjukhus i södra USA har ett litet antal läkare bidragit till att främja användningen av prediktiva modeller på hela sjukhuset. Deras arbete gav upphov till ett centrum för prediktiv analys och idag använder institutionen dessa verktyg på flera olika sätt, inklusive för att minska återinskrivningarna och för att identifiera patienter som riskerar sepsis eller att återgå till en intensivvårdsavdelning.

Ledningen måste satsa

Precis lika viktigt som tidigt engagemang i verksamheten är att ledningen, och särskilt vd, engagerar sig. Organisationens ledare känner ofta inte till avancerad analysteknik och dess tillämpning. Att ledningen undervisas om de förväntade fördelarna med ett verktyg är ofta avgörande för att få rätt stöd. Ett stort universitetssjukhus i USA gjorde detta genom att ta med mätvärden för verktygets prestanda i översikten för ledningen så att de tydligt kunde se fördelarna. Ett verktygs värde kan kvantifieras i termer av kvalitetsförbättring, förbättrad patient- eller personalnöjdhet eller förbättrad effektivitet.

Ett mätvärde som ledningen sannolikt uppskattar är den minskade återinskrivningen bland Medicare-patienter, eftersom återinskrivningar är ekonomiskt missgynnande för sjukhusen. Modeller som syftar till att minska återinskrivningen bland högriskpatienter är förstås populära. En modell visades till exempel minska risken för återinskrivning av patienter med hjärtsvikt med 26 %.

Kontinuerlig uppmärksamhet från högsta ledningen är avgörande för att prediktiva verktyg ska fungera i längden. Modellerna måste kalibreras om regelbundet. Framgångsrika organisationer ser hanteringen och underhållet av dessa verktyg som en livscykel, vilket kräver budgetering för långsiktiga resursbehov, inklusive investeringar i förbättrad datakvalitet och infrastruktur, omkalibrering och intern kapacitet för datavetenskap och teknik. Kommersiella verktyg kan köpas, men kostnader som programlicenser, konsulttjänster och andra leverantörsrelaterade avgifter måste också räknas in i långsiktig budget.

Att implementera prediktiva analysverktyg inom vården är en väg till ett mål. Målet ska vara en förbättring i vården eller vårdresultaten, inklusive lägre kostnader. För att utnyttja ett visst verktyg fullt ut krävs en strukturerad och genomtänkt metod där rätt personer med rätt kompetens involveras i rätt tid. Som vi har som visat beror framgångsrik implementering inte så mycket på modellen i sig. Framgången beror på hur mycket tid, arbete och resurser som avsatts för kommunikation, ändringshantering och för att göra verktyget till en integrerad del av arbetsflödet. Tydligt, engagerat ledarskap och en kultur som stöttar förändring och lärande är också avgörande faktorer. Om det görs bra kan resultatet bli en ökning av vård med högt värde – det vill säga rätt vård till rätt patienter.

Meetali Kakad, med. dr.
Meetali Kakad, med. dr., är offentliganställd läkare och tills nyligen chef för e-hälsa (CMIO) på en stor norsk regional vårdmyndighet.  2015–2016 var dr. Kakad Norwegian Harkness Fellow för vårdpolicy och vårdpraktik med bas i Brigham and Women’s Hospital & Harvard Medical School. Hon är för närvarande forskare vid centret för vårdtjänster på Akershus universitetssjukhus i Norge.

Ronen Rozenblum
Ronen Rozenblum, med. dr., MPH, är chef, forskare, föreläsare och entreprenör inom sjukvård. Han är biträdande professor vid Harvard Medical School och  en av grundarna och chef för Unit for Innovative Healthcare Practice & Technology och Director of Business Development på Center for Patient Safety Research and Practice vid Brigham and Women’s Hospital in Boston. Han är expert på patientcentrerad vård, patientupplevelse och patientengagemang, samt informationsteknik inom vården.

David West Bates, med. dr.
David West Bates, med. dr., är medicinsk chef på Clinical and Quality Analysis, Information Systems på Partners HealthCare System, Inc. Dr. Bates är chef för avdelningen för allmän internmedicin och primärvård inom på Brigham and Women's Hospital. Han är professor i medicin vid Harvard Medical School och professor i vårdpolicy och vårdadministration vid Harvard School of Public Health, där han också är chef för programmet i klinisk effektivitet. Han har varit extern programledare för WHO:s Global Alliance on Patient Safety och styrelseordförande för American Medical Informatics Association.

Referenced path does not exist