©2019 kratt@mkm.ee

Haigekassa kratt riskipõhiseks ravijuhtimiseks

2015. aastal alustas Eesti Haigekassa koostööd Maailmapangaga, et töötada välja ja piloteerida riskipõhise ravijuhtimise mudelit, mis aitaks suurendada tervishoiuteenuste integreeritust. Riskipõhise ravijuhtimisega on võimalik perearstidel tuvastada oma nimistus mitme kroonilise haigusega patsiendid, kelle puhul täiendav ennetus, nõustamine ja jälgimine tooks enim kasu nende tervisele ja elukvaliteedi paranemisele. Juhul kui perearsti meeskonnad need patsiendid tähelepanuta jätavad, võib see põhjustada tõsiseid probleeme, sealhulgas tarbetut tervise halvenemist, mis tekitab lisaks tervisekahjule ka tarbetuid kulusid tervishoiusüsteemis (välditavad hospitaliseerimised, uuringute dubleerimine jm).

 

Krati põhinev lahendus

 

2016 – 2017.aastal viisid Eesti Haigekassa ja Maailmapank läbi Eesti ravi juhtimise pilootprojekti, millise esimene samm oli riskipatsientide tuvastamise kliinilise algoritmi koostamine koostöös Eesti perearstidega. Algoritmi koostamisel kombineeriti haigekassa raviarvete andmed perearstide kliinilise intuitsiooniga.

 

Masinõppe projekti eesmärgiks oli täiustada riskipatsientide pilootprojekti käigus välja töötatud n.ö mehaaniliselt koostatud algoritmi selleks, et tuvastada täpsemalt patsiente, keda perearstid saaksid riskipatsientide programmi kaasata.

 

Patsientide täpsem tuvastamine aitab perearstidel ennetada kardiovaskulaarsete, hingamisteede haiguste või vaimsete  häiretega patsientide tervise halvenemist ning tõsta/hoida nende elukvaliteeti. Tervishoiusüsteemis suurendab see ravikvaliteeti ning tervishoiusüsteemi efektiivsust, hoides ära välditavad erakorralised hospitaliseerimised, uuringute dubleerimise jms. Lahendus aitab kaasa esmatasandi arstiabi võimestamisele.


Tulemus
 

Loodud lahendusega leitakse parim algoritm ennustamaks, millistel valitud diagnoosidega patsientidel on tõenäosus sattuda haiglasse. Lahenduses leitakse haigekassa raviarvete andmebaasis esmalt teatud haigusseisundid/diagnoosid, millised algoritmi kaasata.  Erinevatel mudelitel on oma tugevused, kuid erinevused ei tohiks olla suured.

 

Lahenduse tulemused on võrreldavad kirjanduses esitatud uurimistööde tulemustega: John Hopkins Adjusted Clinical Groups (the leading proprietary risk stratification tool) - Haas et al.; Risk-Stratification Methods for Identifying Patients for Care Coordination; The American Journal of Managed Care (September 2013).

 

Masinõppe mudel on riskipatsientide leidmisel parem kui vana mehaaniline mudel.

Lahendusega on võimalik luua perearstikeskustele praktiline mudel, ennustamaks millistel patsientidel on suurem tõenäosus sattuda haiglasse või muuks terviseriskiks.

 

Teostaja

 

Eesti Haigekassal teeb Maailmapangaga koostööd 2015.aastast alates. Kratt loodi Maailmapanga poolt, kaasates projekti Eesti Haigekassa. Lisaks on projekti kaasatud Costa Rica, et sealset raviarvete andmebaasi kasutades lisada projekti lisandväärtust (vaadata juurde kliinilisi/sotsiaalmajanduslikke andmeid, millised Eesti Haigekassa andmebaasid ei sisalda).