{"id":16367,"date":"2024-08-22T10:54:13","date_gmt":"2024-08-22T07:54:13","guid":{"rendered":"https:\/\/atostek.com\/?p=16367"},"modified":"2024-08-22T10:54:13","modified_gmt":"2024-08-22T07:54:13","slug":"terveydenhuollon-data-hyotykayttoon-ennaltaehkaisevalla-hoidolla-kohti-saastoja","status":"publish","type":"post","link":"https:\/\/atostek.com\/terveydenhuollon-data-hyotykayttoon-ennaltaehkaisevalla-hoidolla-kohti-saastoja\/","title":{"rendered":"Terveydenhuollon data hy\u00f6tyk\u00e4ytt\u00f6\u00f6n \u2013 ennaltaehk\u00e4isev\u00e4ll\u00e4 hoidolla kohti s\u00e4\u00e4st\u00f6j\u00e4"},"content":{"rendered":"<p><strong>Suurin osa suomalaisten potilastiedoista tallennetaan Kansanel\u00e4kelaitoksen tarjoamiin Kanta-palveluihin kuuluvaan Potilastietovarantoon. N\u00e4it\u00e4 potilastietoja ker\u00e4t\u00e4\u00e4n ja k\u00e4ytet\u00e4\u00e4n t\u00e4ll\u00e4 hetkell\u00e4 ensisijaisesti terveydenhuollon tarpeisiin, mutta niit\u00e4 voitaisiin hy\u00f6dynt\u00e4\u00e4 my\u00f6s esimerkiksi erilaisten sairauksien riskien ennustamisessa ja riskialttiiden henkil\u00f6iden tunnistamisessa. V\u00e4est\u00f6tutkimuksiin perustuvia riskilaskureita k\u00e4ytet\u00e4\u00e4n jo t\u00e4ll\u00e4 hetkell\u00e4 terveydenhuollossa, joten niiden automatisointi olisi keino tehostaa nykyist\u00e4 toimintaa.<\/strong><\/p>\n<p>Suomessa kaikki julkisen terveydenhuollon ja valtaosa yksityisen terveydenhuollon toimijoista tallettaa potilastietoja kansalliseen Potilastietovarantoon. Tietoja kirjataan sek\u00e4 vapaana tekstin\u00e4 ett\u00e4 rakenteisessa muodossa. Rakenteisessa muodossa voidaan kirjata esimerkiksi diagnoosikoodeja, laboratoriotutkimustuloksia ja riskitietoja.<\/p>\n<p>Varhaisella sairauksien ennaltaehk\u00e4isyll\u00e4 ja ennakoivalla hoidolla on keskeinen rooli terveydenhuollon kustannusten leikkaamisessa. Kun sairaudet estet\u00e4\u00e4n jo ennen niiden puhkeamista, voidaan saavuttaa huomattavia taloudellisia s\u00e4\u00e4st\u00f6j\u00e4.<\/p>\n<h2 id='datan-m\u00e4\u00e4r\u00e4-kasvussa'  id=\"boomdevs_1\" >Datan m\u00e4\u00e4r\u00e4 kasvussa<\/h2>\n<p>Potilastietovarantoon tallennetun datan m\u00e4\u00e4r\u00e4 on kasvanut viime vuosina tasaiseen tahtiin ja sen my\u00f6t\u00e4 my\u00f6s rakenteisessa muodossa olevaa dataa l\u00f6ytyy yh\u00e4 enemm\u00e4n. Rakenteinen data on kiinnostavaa automatisoidun riskilaskennan n\u00e4k\u00f6kulmasta, sill\u00e4 riskilaskurien sy\u00f6tearvoja voisi olla mahdollista poimia tietokentist\u00e4 suoraan. T\u00e4ll\u00e4 hetkell\u00e4 terveydenhuollon ammattilaisten tulee sy\u00f6tt\u00e4\u00e4 riskilaskurin vaatimat tiedot potilaasta manuaalisesti, mik\u00e4 vie arvokasta ty\u00f6aikaa.<\/p>\n<h2 id='automatisoidun-riskilaskennan-mahdollisuudet'  id=\"boomdevs_2\" >Automatisoidun riskilaskennan mahdollisuudet<\/h2>\n<p>Automatisoitu riskilaskenta voisi mahdollistaa eri sairauksien ennaltaehk\u00e4isemisen, jos kohonneen sairastumisriskin omaavia henkil\u00f6it\u00e4 pystytt\u00e4isiin tunnistamaan jo varhaisessa vaiheessa. Esimerkiksi syd\u00e4n- ja verisuonisairauksien ja aikuisi\u00e4n diabeteksen riskien ennustamiseen on jo kehitetty riskilaskureita, joita voitaisiin hy\u00f6dynt\u00e4\u00e4. Terveydenhuollon resurssit ovat tiukilla, joten hoidon tarpeen arvioiminen henkil\u00f6iden riskitason mukaan olisi hy\u00f6dyllinen tapa tehostaa resurssien k\u00e4ytt\u00f6\u00e4 ja v\u00e4hent\u00e4\u00e4 sairauksien hoidosta aiheutuvia kustannuksia.<\/p>\n<p>T\u00e4ll\u00e4 hetkell\u00e4 Potilastietovarantoon perustuvan automatisoidun riskilaskennan haasteita ovat rakenteisessa muodossa kirjattujen riskilaskurien sy\u00f6tearvojen puutteellisuus, potilashistorioiden lyhyt ajallinen pituus ja terveydenhuollon toimijoiden erilaiset tavat kirjata potilastietoja. Sy\u00f6tearvojen poimiminen vapaasta tekstist\u00e4 voisi olla yksi mahdollinen tapa parantaa riskilaskennan edellytyksi\u00e4, mutta t\u00e4t\u00e4 varten suomenkielisen l\u00e4\u00e4ketieteellisen tekstin prosessointiin kykenevien analyysimenetelmien tulee viel\u00e4 kehitty\u00e4 lis\u00e4\u00e4.<\/p>\n<p>Rakenteisessa muodossa kirjattujen potilastietojen m\u00e4\u00e4r\u00e4n kasvu antaa syyt\u00e4 uskoa siihen, ett\u00e4 eri sairauksien riskiennusteita voitaisiin tulevaisuudessa laatia potilaille nykyist\u00e4 tehokkaammin. Kehittyneemm\u00e4t kirjaamisk\u00e4yt\u00e4nn\u00f6t ja l\u00e4\u00e4ketieteellisen tekstin analyysimenetelm\u00e4t voivat pian mahdollistaa sen, ett\u00e4 Potilastietovarannon datasta saadaan entist\u00e4 suurempi hy\u00f6ty.<\/p>\n<hr \/>\n<div style=\"padding: 1%; width: 780px; margin: 1%;\">\n<div style=\"float: left; width: 30%;\"><img decoding=\"async\" class=\"alignnone\" style=\"max-width: 80%;\" src=\"https:\/\/atostek.com\/wp-content\/uploads\/2024\/08\/atostek_hk_300px.jpg\" alt=\"\" width=\"300\" height=\"300\" \/><\/div>\n<div style=\"float: right; width: 70%;\">\n<p style=\"font-size: 18px;\"><strong>Henna Kujanen<\/strong><br \/>\n<em>Ohjelmistosuunnittelija<\/em><\/p>\n<p class=\"biography\">Aloitin Atostekilla ohjelmistosuunnittelijana vuoden 2023 alussa. Valmistuin Tampereen yliopistosta bioteknologian tutkinto-ohjelmasta maisteriksi kev\u00e4\u00e4ll\u00e4 2022 ja tietojohtamisen diplomi-insin\u00f6\u00f6riksi kev\u00e4\u00e4ll\u00e4 2024. Atostekilla olen ty\u00f6skennellyt data-analyytikkona terveysdataa k\u00e4sitteleviss\u00e4 tutkimusprojekteissa sek\u00e4 tehnyt ohjelmistokehityst\u00e4 ja -testausta. Kirjoitin diplomity\u00f6ni Potilastietovarannon soveltuvuudesta syd\u00e4n- ja verisuonisairauksien riskien ennustamiseen.<\/p>\n<\/div>\n<div style=\"clear: both;\"><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Suurin osa suomalaisten potilastiedoista tallennetaan Kansanel\u00e4kelaitoksen tarjoamiin Kanta-palveluihin kuuluvaan Potilastietovarantoon. N\u00e4it\u00e4 potilastietoja ker\u00e4t\u00e4\u00e4n ja k\u00e4ytet\u00e4\u00e4n t\u00e4ll\u00e4 hetkell\u00e4 ensisijaisesti terveydenhuollon tarpeisiin, mutta niit\u00e4 voitaisiin hy\u00f6dynt\u00e4\u00e4 my\u00f6s esimerkiksi erilaisten sairauksien riskien ennustamisessa ja riskialttiiden henkil\u00f6iden tunnistamisessa. V\u00e4est\u00f6tutkimuksiin perustuvia riskilaskureita k\u00e4ytet\u00e4\u00e4n jo t\u00e4ll\u00e4 hetkell\u00e4 terveydenhuollossa, joten niiden automatisointi olisi keino tehostaa nykyist\u00e4 toimintaa. Suomessa kaikki julkisen terveydenhuollon ja&hellip;<\/p>\n","protected":false},"author":24,"featured_media":16368,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"rank_math_lock_modified_date":false,"inline_featured_image":false,"footnotes":""},"categories":[104],"tags":[633,634,106],"class_list":["post-16367","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blogi","tag-ennakoiva-hoito","tag-riskilaskenta","tag-terveydenhuolto","entry","has-media"],"_links":{"self":[{"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/posts\/16367"}],"collection":[{"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/users\/24"}],"replies":[{"embeddable":true,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/comments?post=16367"}],"version-history":[{"count":1,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/posts\/16367\/revisions"}],"predecessor-version":[{"id":16372,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/posts\/16367\/revisions\/16372"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/media\/16368"}],"wp:attachment":[{"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/media?parent=16367"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/categories?post=16367"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/atostek.com\/wp-json\/wp\/v2\/tags?post=16367"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}