Operaatiotutkimuksen (OR) menetelm\u00e4t sopivat hyvin moniin sairaanhoidon- ja terveydenhuollon kysymyksiin. Niill\u00e4 pystyt\u00e4\u00e4n tuottamaan tietoa p\u00e4\u00e4t\u00f6sten tueksi niin populaatiotason suurissa linjauksissa kuin yksitt\u00e4isen hoitop\u00e4\u00e4t\u00f6ksenkin kohdalla arvioimalla sit\u00e4, mik\u00e4 vaihtoehto, tai kokoelma vaihtoehdoista olisi mihinkin tilanteeseen paras. <\/p>\n\n\n\n
Parannukset saatuun terveyshy\u00f6tyyn per k\u00e4ytetty euro voivat my\u00f6s nopeasti osoittautua hyvin tuottaviksi kansantaloudellisesti. Sairaanhoidon ja terveydenhuollon osuus BKT:sta on Suomessa n 7%, rahassa yli 15 mrd\u20ac. Yksi s\u00e4\u00e4stetty % siis vastaa 150m\u20ac vuosittain. N\u00e4it\u00e4 prosentteja l\u00f6ytyy mm. diabeteksen ja syd\u00e4n- ja verisuonitautien ym. isojen kansantautien kuluista – ja nyt my\u00f6s kiusallisen ilmiselv\u00e4sti koronaviruksen kaltaisten pandemioidenhillitsemisest\u00e4 . Haaste ei ole kuitenkaan helppo. <\/p>\n\n\n\n
Operaatiotutkijalle t\u00e4m\u00e4 on huomattavan haastava ja palkitseva ongelmakentt\u00e4. Olen itse p\u00e4\u00e4ssyt tutkimaan useita eri optimointi- ja simulaatiotekniikoita, laskennan tehostamista, rinnakkaislaskentaa, useita eri sairauksia ja niihin liittyvi\u00e4 hoito ja testausmenetelmi\u00e4 ja ylip\u00e4t\u00e4\u00e4n ymm\u00e4rt\u00e4m\u00e4\u00e4n paremmin, mink\u00e4laisia haasteita terveydenhuollon p\u00e4\u00e4t\u00f6ksentekij\u00e4t p\u00e4ivitt\u00e4in kohtaavat.<\/p>\n\n\n\n
T\u00e4ss\u00e4 kirjoituksessa yrit\u00e4n kuvata OR:n ongelmakentt\u00e4\u00e4 terveydenhuoltoon sovellettuna. N\u00e4k\u00f6kulma on omasta ty\u00f6st\u00e4ni johtuen optimointipainotteinen.<\/p>\n\n\n\n
Hieman karrikoiden:<\/p>\n\n\n\n Terveydenhuollon OR on monimutkaisten dynaamisten prosessien monitavoitteista optimointia resurssirajoitteella ja arvolatauksella. <\/p> <\/cite><\/blockquote><\/figure>\n\n\n\n Terveydenhuollon yksi peruskipupisteist\u00e4 on rajatut resurssit. Jos valitsemme esimerkiksi yhdelle potilasryhm\u00e4lle terveyden kannalta parhaan ja samalla eniten l\u00e4\u00e4k\u00e4rien aikaa kuluttavan vaihtoehdon, muiden kohdalla voimmekin joutua valitsemaan nopeamman mutta terveyden kannalta huonomman vaihtoehdon. “Parhaan ratkaisun” n\u00e4k\u00f6kulmasta nimenomaan resurssirajoite usein pakottaakin meid\u00e4t valitsemaan hoitostrategian \u2018kaikille ryhmille samalla kertaa\u2019, mik\u00e4 johtaa hyvin moneen erilaiseen strategiavaihtoehtoon. Esimerkiksi 5 ik\u00e4ryhm\u00e4\u00e4, 2 sukupuolta ja 5 vaihtoehtoa jokaiselle tuottaakin jo l\u00e4hemm\u00e4s 10 miljoona mahdollista tapaa valita yksi vaihtoehto kullekin 10:lle ryhm\u00e4lle!<\/p>\n\n\n\n Toinen terveydenhuollossa usein eteen tuleva haaste on se, ett\u00e4 tavoitteita on yht\u00e4 aikaa monia: esimerkkin\u00e4 toimikoon tavoiteltavien terveyshy\u00f6tyjen maksimointi ja kustannusten minimointi samalla kertaa. <\/p>\n\n\n\n N\u00e4iss\u00e4 haasteissa OR tarjoaa avuksi mm. optimointimalleja, joiden avulla hyvin muotoiltu ongelma ratkeaa l\u00e4hes nappia painamalla. Tuloksena on joko yksi (mallin mielest\u00e4) parhaimmaksi tunnistettu vaihtoehto tai joukko tehokkaita vaihtoehtoja, joiden v\u00e4lill\u00e4 ei selk\u00e4\u00e4 paremmuusj\u00e4rjestyst\u00e4 ole. <\/p>\n\n\n\n Potilastietokannat ovat t\u00e4ynn\u00e4 dataa, joka kertoo mm. mik\u00e4 hoito yleens\u00e4 toimii, ja jota voidaan k\u00e4ytt\u00e4\u00e4 mallien parametrien estimointiin. Miksi nappia ei siis painella koko ajan? Piru lymy\u00e4\u00e4 yksityiskohdissa, ja sanoissa \u2018hyvin muotoiltu ongelma\u2019. <\/p>\n\n\n\n Ihmisten terveys on monimutkainen prosessi, jossa eri sairaudet kehittyv\u00e4t eri tahtiin, vaikuttavat toisiinsa ja reagoivat hoitoihin mm. genetiikasta riippuen. Systeemien monimutkaisuus onkin johtanut monessa tapauksessa simulointimallien k\u00e4ytt\u00f6\u00f6n optimoinnin sijaan. Optimointipuolella usein k\u00e4ytettyj\u00e4 mallinnustekniikoita ovat Markov-p\u00e4\u00e4t\u00f6smallit (MDP, POMDP), joiden avulla voidaan mallintaa terveydentilan muutoksia ja terveystiedon ep\u00e4t\u00e4sm\u00e4llisyytt\u00e4.<\/p>\n\n\n\n Systeemien monimutkaisuuden lis\u00e4ksi sairaanhoidon ja terveydenhuollon kysymyksiin liittyy usein huomattava m\u00e4\u00e4r\u00e4 erilaisia kimurantteja n\u00e4k\u00f6kulmia, kuten terveyshy\u00f6tyjen mittaaminen, niiden vertailu kustannuksiin, datan sovellettavuus juuri k\u00e4sill\u00e4 olevaan ongelmaan, p\u00e4\u00e4t\u00f6ksentekij\u00f6iden (mm. l\u00e4\u00e4k\u00e4rit, poliitikot) erilaiset tavoitteet ja reunaehdot, joita ei viel\u00e4 olla mietitty kovin yksityiskohtaisesti. <\/p>\n\n\n\n Suurin haaste ei siis v\u00e4ltt\u00e4m\u00e4tt\u00e4 ole matemaattinen, laskennallinen tai tulosten tulkinta vaan kysymyksen asettelu ja muotoilu tarpeeksi t\u00e4sm\u00e4llisesti. T\u00e4m\u00e4 vaatii v\u00e4ist\u00e4m\u00e4tt\u00e4 terveydenhuollon ammattilaisten ja OR-asiantuntijoiden yhteisty\u00f6t\u00e4. Teknisi\u00e4 haasteita riitt\u00e4\u00e4 my\u00f6s: miten esimerkiksi yhdist\u00e4\u00e4 monimutkaiset simulaatiomallit optimointialgoritmeihin niin, ett\u00e4 teht\u00e4v\u00e4 s\u00e4ilyy laskennallisesti ratkaistavana?<\/p>\n\n\n\n Entist\u00e4 parempien testaus-, hoito- ja resurssiallokaatiostrategioiden lis\u00e4ksi n\u00e4iden ongelmien ratkominen voi olla hyvin opettavaista henkil\u00f6tasolla. Operaatiotutkijan ongelmien monimuotoisuus pakottaa kehitt\u00e4m\u00e4\u00e4n mallinnusajatteluaan, terveydenhuollon ammattilainen puolestaan joutuu purkaamaan oman tai kollegoidensa toiminnan osiin, pohtimaan miksi he mit\u00e4kin tekev\u00e4t ja kohtaamaan my\u00f6s omat oletuksensa ja mahdollisen t\u00e4sm\u00e4llisen tiedon puutteen omasta ongelmastaan.<\/p>\n\n\n\n Terveydenhuollon kokoluokka ja suorat vaikutukset ihmisten hyvinvointiin tekev\u00e4t siit\u00e4 yhden potentiaalisesti merkitt\u00e4vimmist\u00e4 ja samalla haastavimmista hy\u00f6dynt\u00e4miskohteista. OR-mallien ja algoritmien antamat tulokset eiv\u00e4t kuitenkaan usein ole lopullinen vastaus p\u00e4\u00e4t\u00f6ksentekij\u00e4n haasteisiin.\u00a0Yll\u00e4 kuvatut ominaisuudet johtavat usein siihen, ett\u00e4 tehokkaita tai yht\u00e4 hyvi\u00e4 vaihtoehtoja on useita, ja ne t\u00e4ytyy asettaa jonkinlaiseen j\u00e4rjestykseen mallin ulkopuolisin kriteerein. Miten esimerkiksi toimimme tilanteessa, jossa mallii antaa kaksi tehokasta vaihtoehtoa, joista toisessa ryhm\u00e4 1 saa paremmat palvelut, ja toisessa ryhm\u00e4 2? Edess\u00e4 on arvovalinta, joka on p\u00e4\u00e4t\u00f6ksentekij\u00e4n teht\u00e4v\u00e4, eik\u00e4 malli ota siihen kantaa. <\/p>\n\n\n\n Eksaktin ja selke\u00e4n vastauksen puute ei tarkoita, ett\u00e4 malli olisi ollut hy\u00f6dyt\u00f6n. Se on voinut tehd\u00e4 n\u00e4kyv\u00e4ksi hankalan priorisointiongelman, johon vastaus t\u00e4ytyy kaivaa loppuviimein p\u00e4\u00e4t\u00f6ksentekij\u00e4n arvoista tai mallin ulkopuolisista preferensseist\u00e4. Mallin avulla on my\u00f6s mahdollisesti saatu karsittua vaihtoehdoista tehottomat pois, joten p\u00e4\u00e4t\u00f6ksentekij\u00e4n teht\u00e4v\u00e4 on t\u00e4ss\u00e4 mieless\u00e4 selke\u00e4mpi. Ilman malliakin priorisointi olisi tehty, tai ehk\u00e4 oikeammin tapahtunut huomaamatta – mallin ansiosta se voidaan tehd\u00e4 tietoisesti ja seuraukset ymm\u00e4rt\u00e4en.<\/strong> T\u00e4ll\u00f6in my\u00f6s p\u00e4\u00e4t\u00f6sten perustelu on l\u00e4pin\u00e4kyv\u00e4mp\u00e4\u00e4 ja kest\u00e4v\u00e4mm\u00e4ll\u00e4 pohjalla.<\/p>\n\n\n\n Aihepiirin t\u00e4rkeys huomioiden n\u00e4kisin mielell\u00e4ni mahdollisimman paljon OR:n soveltamista terveydenhuollon k\u00e4yt\u00e4nn\u00f6n p\u00e4\u00e4t\u00f6ksentekoty\u00f6ss\u00e4!<\/p>\n","protected":false},"excerpt":{"rendered":" Operaatiotutkimuksen (OR) menetelm\u00e4t sopivat hyvin moniin sairaanhoidon- ja terveydenhuollon kysymyksiin. Niill\u00e4 pystyt\u00e4\u00e4n tuottamaan tietoa p\u00e4\u00e4t\u00f6sten tueksi niin populaatiotason suurissa linjauksissa<\/p>\nOR:n haasteet terveydenhuollossa<\/h3>\n\n\n\n
OR:n hy\u00f6dyt terveydenhuollossa<\/h3>\n\n\n\n