Introduction toIntroduction to Mobile Generations Mobile Generations
SweAlert: Nästa generations Pandemiövervakning - IBM Smarter Business 2013
-
Upload
ibm-sverige -
Category
Documents
-
view
315 -
download
5
description
Transcript of SweAlert: Nästa generations Pandemiövervakning - IBM Smarter Business 2013
© 2011 Tieto Corporation© 2013 IBM Corporation
SweAlertNästa generations pandemiövervakning
Lisa Brouwers, Smittskyddsinstitutet Christian ElmehagenTieto Healthcare & Welfare AB
© 2
011
Tie
to C
orp
orat
ion
SweAlertNästa generations pandemiövervakningIBM Smarter Business Days17 Oktober 2013Lisa Brouwers (Smittskyddsinstitutet) och Christian Elmehagen (Tieto Healthcare & Welfare AB)
SweAlert – system för övervakning och detektion
Lisa BrouwersSMI - Enheten för epidemiologi och biostatistik
SweAlert - introduktion
• Samverkanspartner: Tieto och IBM
• Pandemivarning och övervakning
• Influensa
• Finansiering 2012 – 2014 MSB
Två delar – övervakning & detektion (i)
Övervakning - säsongsinfluensa
Asymptomatiskt sjuka
Symptom – ev. hemma från jobbet
Symptom – söker vård
Prov tas - labbverifikation
Intensivvård
Dödsfall
Hälso- och sjukvården
Idag: frivilligrapportering av läkare som träffar på patienter med ILS = Influensaliknande symptom. Sentinelrapportering.Problem: dålig täckning (antal och geografisk spridning), resurskrävande (tid och pengar)
Idé: eftersom behandlande läkare anger diagnoskod i patientjournalen vid vårdbesöket, borde dessa kunna extraheras automatisktPotentiella vinster: hög täckning (antal och geografisk spridning), resurseffektivt
Två delar – övervakning & detektion (ii)
Detektion – pandemi (bakgrund)• Timing - den enskilt viktigaste faktorn för att en
pandemiintervention ska vara framgångsrik!
• Smittsamhet beskrivs med R0. R0 = 2 betyder att varje infekterad person i genomsnitt infekterar två andra personer.
1 2 4 8 16... Generationer
Dvs. exponentiell tillväxt
Två delar – övervakning & detektion (ii) [forts.]• När det gäller detektion finns det två viktiga delar som automatisk
övervakning av vårddata kan bidra med:
1. Upptäcka att något onormalt är på gång • automatiska larm
2. Datainsamling i tidigt skede under pandemi – för att skräddarsy motåtgärder• Information om åldersgrupper som drabbas, geografiskt mönster,
riskgrupper för svår sjukdom
SweAlert - introduktion
Aggregerade och avidentifierade datafrån vårdsystemen
SweAlert – verksamhetsstöd SMInationellt perspektiv
Övervakning
Detektion
SweAlert varningsalgoritm
Moving Epidemics Method (MEM):
• Baseras på historiska säsonger
• Ger en varning när epidemisk period startar
• Ger en varning när epidemisk period slutar
SweAlert larm (MEM - exempel)
StartStopp
Epidemisk period
(Örebro)
SweAlert i framtiden
• Bättre anslutning, fler landsting
• Implementering av fler utbrottsalgoritmer (MEM jämförs med andra)
• Inkludera andra sjukdomar och andra data (läkemedel, labbsvar etc.)
• Komplettera eller ersätta Sentinel övervakningen
© 2
011
Tie
to C
orp
orat
ion
Vad är SweAlert?&
Nytta med SweAlert regionalt?
Christian Elmehagen
Business Manager e-Health ScandinaviaTieto, Healthcare & Welfare [email protected]+46 (0)70 3456563
© 2011 Tieto Corporation
- Möjligt att komma åt informationen?
Utmaningar med "Smarta tjänster” i Hälso- och Sjukvården
Lega
lt?
Kvalita
tiv In
form
atio
n?
Mer
värd
eska
pand
e tjä
nste
r?
- Ej spårbart data- Säkerhet
- Loggfunktion/-analys
- Tillförlitlig information- Jämförbar information- Accepterad information- Informationsdemokrati
- Verksamhetsefterfrågan?- Förändringsbenägen organisation?- Ekonomiskt möjligt?
© 2011 Tieto Corporation
BI/BA Plattform
SweAlert en vidareutveckling av befintliga tjänster!
Tjänstegränssnitt
Detaljdata:1. Man/Kvinna2. Ålder3. Vårdenhet4. Postnummer (3 siffror) -----------------------------------------VårdkontaktLabbsvarLäkemedelDiagnoskoder/ICD10.koder
Analysdata
Prediktiv Analys(SPSS)
Analys av stora mängder data för att möjliggöra larm och
prediktion
Business Intelligence(Cognos)
Analys, Rapporter, Styrkort, Instrumentpanel/Dashboard
Regionalt Datalager
Journal System
Tjänste-kontrakt
Regional Integrationsplattform
NPÖ
NPÖ Integrationsplattform
Datawarehouse
ExempelArkitekturLandsting
© 2011 Tieto Corporation 10/22/13
© 2011 Tieto Corporation
Larmrapport och prediktion• En larmrapport som larmar för utbrott
• Detektion = MEM algoritmen (Förankrad World-Wide)• Avvikelseanalys = Förväntat antal (medelvärdesberäkning minimum 3
föregående år)
10/22/13
© 2011 Tieto Corporation
Exempel på analys av åldersgrupper
10/22/13
• Analyser• Sedan Örebro läns landsting anslöt sig till SweAlert får SMI ett större
underlag av diagnoser (ILS) än vad den traditionella Sentinel övervakningen ger nationellt för ett helt år
• ”Droplister” för förenklad och jämförbar hantering
© 2011 Tieto Corporation
Prediktiv övervakning och detektion av pandemier
• Prediktion möjliggör att man kan göra förberedelser och inte alltid tvingas till ”brandsläckning”
• Utbrott kan detekteras ”live” vilket möjliggör en aktiv regional styrning utifrån fakta.
• Möjligt att följa smittspridning ”live” nationellt, regionalt och lokalt!
10/22/13
© 2011 Tieto Corporation
Möjlighet att använda levande styrdata för ledning i det regionala arbetet, exempelvis:
• Motåtgärder för begränsning av smittspridning (ex. preventiv lokal vaccinering av riskpatienter)
• SweAlert kan vara en delmängd vid Produktionsplanering (ex. bemanningsplanering) på sjukhus och primärvårdsmottagningar
• Startskott för öppnande av avskilda akutmottagningar för influensa patienter
10/22/13
© 2011 Tieto Corporation
Beredskap och aktiv logistikhantering av läkemedel och utrustning
• Vid limiterad tillgång av läkemedel och/eller utrustning skulle SweAlert framgent kunna stötta med logistik för att maximera effekten av befintliga resurser
• Unik data kan göras tillgänglig för forskning
10/22/13
© 2011 Tieto Corporation
Vad jobbar vi nu vidare med?• Ansluta samtliga landsting till
SweAlert!• Utöver Influensa arbetar vi
tillsammans med att etablera nya användningsområden!
• Addera nya data för att förfina resultatet, ex. labbrapporter och läkemedel
• Gå ifrån veckorapportering till dagrapportering eller på sikt helt ”live” utifrån tekniska möjligheter!
• Löpande lägga till och förfina algoritmer!
10/22/13
© 2
010
Tie
to C
orp
orat
ion
Tack!
Christian Elmehagen & Lisa Brouwers
Business Manager e-Health Scandinavia Head of UnitTieto, Healthcare & Welfare AB [email protected] [email protected]+46 (0)70 3456563 +46 (0)8 4572394