Datatyökalun hyödyntäminen etävastaanoton kehittämisessä ja tiedolla johtamisen työvälineenä

Abstract

Tahdistinpotilaiden määrä kasvaa jatkuvasti väestön ikääntyessä. Potilasmäärän kasvu lisää tarvetta tehostaa potilaiden seurantaa ja resurssien hallintaa. Etäseuranta on osoittautunut tehokkaaksi keinoksi seurata tahdistinpotilaita tiiviimmin ja parantaa potilasturvallisuutta. Noin 85 % etäseurannassa olevista potilaista ei tuota lainkaan hälytyksiä etäseurantajärjestelmään, mikä osoittaa, että heidän tahdistimensa toimii normaalisti ilman kliinisesti merkittäviä rytmihäiriöitä tai laitteen toimintaan liittyviä teknisiä poikkeamia.

Tämän opinnäytetyön tavoitteena oli kehittää datatyökalu, jonka avulla Sydänsairaalassa voidaan tunnistaa etävastaanotolle soveltuvat tahdistinpotilaat ja kohdentaa resurssit tehokkaammin niille potilaille, jotka hyötyvät perinteisestä poliklinikkakäynnistä. Opinnäytetyössä etsittiin vastausta siihen, miten datatyökalun avulla voidaan tunnistaa etävastaanotolle soveltuvat tahdistinpotilaat ja miten sen käyttö tukee resurssien kohdentamista ja tiedolla johtamista Tampereen Sydänsairaalassa. Työ toteutettiin laadullisena tapaustutkimuksena ja tutkimuksellisena kehittämistyönä. Aineisto kerättiin yhdistämällä laitevalmistajan etäseurantajärjestelmästä saatu tahdistindata Sydänsairaalan tietoaltaaseen sekä täydentämällä sitä potilastietojärjestelmästä saadulla datalla. Työkalu rakennettiin Tableau-raportointialustalle ja sen toimivuutta arvioitiin pilotoinnin avulla.

Tulokset osoittavat, että datatyökalun avulla potilaat, jotka eivät tuota hälytyksiä etäseurantajärjestelmään, voidaan tunnistaa luotettavasti ilman manuaalista työtä. Tämä mahdollistaa kontrollikäyntien tarkemman kohdentamisen ja vapauttaa henkilöstöresursseja. Etävastaanotot ovat potilaille merkittävästi edullisempia, ja niiden avulla hoitohenkilökunnan työaikaa voidaan hyödyntää muihin kliinisiin tehtäviin. Datatyökalun käyttö lisää myös päätöksenteon läpinäkyvyyttä ja tukee tiedolla johtamista, kun eri lähteistä kerätty tieto kootaan ja yhdistetään yhdelle alustalle.

Johtopäätöksenä voidaan todeta, että tietoaltaaseen perustuva datatyökalu tarjoaa konkreettisen välineen tahdistinpotilaiden etävastaanottojen kehittämiseen ja resurssien kohdentamiseen. Vaikka tulokset ovat kontekstisidonnaisia, työkalun kehittämisprosessi ja periaatteet ovat sovellettavissa myös muihin sairaaloihin ja hyvinvointialueille. Työkalulla on siten potentiaalia tukea kansallista kehittämistyötä terveydenhuollon tiedolla johtamisen välineenä.

The number of Cardiovascular Implantable Electronic Devices (CIED) patients continues to increase as the population ages. This growth places greater demands on patient monitoring and resource management. Remote monitoring has proven to be an effective method for closer follow-up of CIED patients and for improving patient safety. Approximately 85% of CIEDs in remote monitoring generate no alerts, indicating that their devices function normally without clinically significant arrhythmias or technical malfunctions.

The aim of this thesis was to develop a data tool that helps the Heart Hospital identify CIED patients suitable for a remote outpatient clinic and allocate resources more effectively to those who require traditional outpatient visits. The study sought to answer how the data tool can be used to identify CIED patients suitable for a remote outpatient clinic and how its use supports resource allocation and data-driven management at the Heart Hospital. The study was carried out as a qualitative case study and research-based development project. Data were collected by combining CIEDs information from the manufacturer’s remote monitoring system with the Heart Hospital’s data lake and by supplementing it with patient record data. The tool was built on the Tableau reporting platform, and its functionality was evaluated through a pilot phase.

The results show that the data tool can reliably identify patients whose CIEDs does not generate alerts in the remote monitoring system. This enables more precise targeting of follow-up visits and frees staff resources as no manual work is needed to identify patients. Remote outpatient clinics are significantly more cost-effective for patients and allow healthcare professionals to allocate their time to other clinical tasks. The data tool also improves transparency in decision-making and supports data-driven management by combining information from multiple sources into a single platform. In conclusion, the data lake-based tool provides a practical solution for developing remote outpatient clinics for pacemaker patients and optimizing resource allocation. Although the results are context-specific, the development process and principles can be applied in other hospitals and Wellbeing services counties. The tool has the potential to support national initiatives in data-driven healthcare management.