Kai ataskaitos valgo laiką, o ne padeda dirbti
Sveikatos biuruose, poliklinikose ir ligoninėse ataskaitos dažnai gimsta ne iš noro geriau suprasti situaciją, o iš būtinybės „priduoti iki penktadienio“. Vienas darbuotojas traukia duomenis iš registracijos sistemos, kitas tikrina Excel lentelę, trečias bando iš kelių failų sudėti mėnesio vaizdą vadovui. Rezultatas pažįstamas: daug rankinio darbo, daug kopijavimo ir mažai laiko pačiai analizei.
Čia DI sveikatos įstaigoms naudingas ne dėl skambių pažadų, o dėl labai žemiško dalyko — jis gali perimti pasikartojančią ataskaitų ruošimo dalį. Ne spręsti už gydytoją. Ne vertinti paciento būklę. O surinkti duomenis, juos sugrupuoti, parodyti pokyčius ir parengti aiškų mėnesio pjūvį ten, kur šiandien darbuotojas praleidžia pusdienį.
Pavyzdys iš praktikos paprastas. Savivaldybės visuomenės sveikatos biuras kiekvieno mėnesio pradžioje rengia suvestinę apie konsultacijas, edukacijas mokyklose, prevencines veiklas ir gyventojų dalyvavimą programose. Jei duomenys laikomi keliuose šaltiniuose, vien tokios suvestinės parengimas gali užimti visą darbo dieną ar net daugiau. Kai duomenų surinkimas ir teksto juodraštis automatizuojami, žmogui lieka peržiūrėti išimtis, pakoreguoti komentarą ir pateikti ataskaitą vadovybei.
Kur automatizuotos ataskaitos duoda daugiausia naudos
Automatizuotos ataskaitos labiausiai pasiteisina ten, kur duomenys kartojasi kas mėnesį, o klausimai iš vadovų ir steigėjų iš esmės tie patys. Kiek buvo apsilankymų? Kuriose paslaugose srautas augo? Kur mažėjo dalyvavimas prevencinėse veiklose? Kiek žmonių grįžo pakartotinei konsultacijai? Jei įstaiga šiuos klausimus atsakinėja nuolat, vadinasi, dalį darbo galima perduoti sistemai.
Poliklinikoje tai gali būti šeimos gydytojų, odontologų ar skiepų kabinetų lankomumo suvestinės. Ligoninėje — ambulatorinių paslaugų srautai, planinių tyrimų dinamika, registracijos kanalų palyginimas. Sveikatos biure — mokymų, prevencinių paskaitų, psichikos sveikatos konsultacijų ir fizinio aktyvumo programų dalyvių statistika pagal mėnesį, seniūniją ar amžiaus grupę.
Svarbu viena: sistema turi ne tik parodyti skaičius, bet ir padėti juos perskaityti. Jei lankytojų sumažėjo, ataskaita gali pažymėti, kad kritimas sutapo su mokyklų atostogomis, gydytojo nedarbingumu ar pasikeitusiu registracijos grafiku. Jei prevencinėje programoje dalyvių skaičius auga trečią mėnesį iš eilės, verta tai iškelti į santrauką, o ne palikti 14-oje lentelės eilutėje.
Kaip tai atrodo praktikoje sveikatos biure
Įsivaizduokime savivaldybės visuomenės sveikatos biurą, kuris vykdo kelias nuolatines veiklas: mokinių sveikatos stiprinimo užsiėmimus, priklausomybių prevenciją, visuomenės informavimą apie skiepus, individualias konsultacijas ir bendruomenės fizinio aktyvumo programas. Mėnesio pabaigoje reikia parengti ataskaitą administracijai: kiek veiklų įvyko, kiek žmonių dalyvavo, kurios temos sulaukė didžiausio susidomėjimo, kur mažėja įsitraukimas.
Iki automatizavimo darbuotoja renka duomenis iš registracijos formų, dalyvių sąrašų, atskirų specialistų suvestinių ir kelių ranka pildomų lentelių. Tada ji sulygina datas, šalina pasikartojančius įrašus, skaičiuoja bendrus dalyvių skaičius ir rašo trumpą tekstinį komentarą. Viena tokia mėnesio ataskaita užima apie 10 valandų per mėnesį. Ne todėl, kad ataskaita sudėtinga. Todėl, kad duomenys išmėtyti.
Įdiegus automatizuotą srautą, sistema kiekvieną savaitę surenka naujus įrašus iš naudojamų šaltinių, suvienodina pavadinimus, sugrupuoja veiklas pagal temas ir parengia juodraštį. Mėnesio pradžioje darbuotoja atsidaro jau sugeneruotą ataskaitą: mato bendrą dalyvių skaičių, veiklų pasiskirstymą, pokytį nuo praėjusio mėnesio ir trumpą santrauką apie ryškiausias tendencijas. Jai lieka patikrinti kelias išimtis ir pridėti kontekstą, kurio sistema nežino, pavyzdžiui, kad viena paskaita neįvyko dėl lektoriaus ligos.
Tas sutaupytas laikas nėra „gražus bonusas“. Tai realios 10 valandų per mėnesį, kurias galima skirti darbui su mokyklomis, gyventojų informavimui ar prevencinių veiklų planavimui. Kitaip tariant, mažiau lentelių, daugiau tikro visuomenės sveikatos darbo.
Ką gali analizuoti dirbtinis intelektas medicinai, kai kalbame apie ataskaitas
Dirbtinis intelektas medicinai dažnai siejamas su diagnostika, vaizdų analize ar klinikiniais modeliais. Tačiau daugeliui viešojo sektoriaus sveikatos įstaigų naudingiausias startas yra gerokai paprastesnis — duomenų analizė ir ataskaitų tekstų generavimas iš jau turimos informacijos.
Pavyzdžiui, poliklinika gali automatiškai matyti, kuriomis savaitės dienomis registracijos apkrova didžiausia, kokiose paslaugose daugėja neatvykimų, kiek pacientų renkasi registraciją internetu, o kiek vis dar skambina telefonu. Tokia analizė padeda ne „spėti ateitį“, o priimti labai praktiškus sprendimus: kada stiprinti registratūrą, kur verta priminimus siųsti anksčiau, kokioms paslaugoms reikia aiškesnės informacijos svetainėje.
Ligoninėje sistema gali sugeneruoti mėnesio suvestinę skyrių vadovams: pacientų srautų pokyčiai, pakartotinių apsilankymų dinamika, tyrimų apimčių svyravimai, sezoniniai šuoliai. Jei tam tikroje paslaugoje laukimo laikas ilgėja jau antrą mėnesį, ataskaita gali tai pažymėti kaip rizikos tašką. Ne priimti sprendimą už administraciją, o laiku parodyti, kur verta pasižiūrėti atidžiau.
Sveikatos biure DI gali padėti stebėti prevencijos programų efektyvumą. Tarkime, vykdoma programa apie vaikų fizinį aktyvumą skirtingose mokyklose. Sistema gali palyginti dalyvavimo rodiklius pagal mokyklą, klasės amžių, mėnesį ar veiklos tipą ir parodyti, kur įsitraukimas nuosekliai krenta. Tuomet specialistai gali ne spėlioti, o remtis duomenimis: gal vienoje mokykloje veiklos vyksta nepatogiu metu, gal tema pateikiama per sausai, gal reikia kitokio formato.
Tendencijų identifikavimas: ne tik kas buvo, bet ir ką verta pastebėti
Didžiausia problema su įprastomis ataskaitomis ta, kad jos dažnai tik sukrauna skaičius. Lentelėse viskas yra, bet esmė pasimeta. Žmogus mato 12 stulpelių ir 40 eilučių, tačiau ne visada iškart pamato, kas iš tiesų pasikeitė.
Būtent čia automatika duoda apčiuopiamą naudą. Sistema gali pažymėti neįprastus pokyčius: staigų kritimą, nuoseklų augimą, pasikartojantį sezoniškumą ar netikėtą šuolį konkrečioje amžiaus grupėje. Jei psichikos sveikatos konsultacijų poreikis tarp jaunimo auga tris mėnesius iš eilės, vadovas tai pamato santraukoje, o ne atsitiktinai po savaitės, kai kas nors „užmeta akį“ į lentelę.
Kitas scenarijus — prevencinių programų lankomumas. Tarkime, sveikatos biuras vykdo užsiėmimus apie mitybą, emocinę sveikatą ir priklausomybių prevenciją. Ataskaita gali parodyti, kad mitybos tema surenka daug dalyvių pradinėse klasėse, bet vyresnių klasių mokiniams ji beveik nebeaktuali. Tuo metu emocinės sveikatos užsiėmimai turi mažesnį bendrą dalyvių skaičių, bet geresnį grįžtamumą. Tokia įžvalga naudinga planuojant kitą mėnesį, nes leidžia koreguoti temas, o ne kartoti tą patį iš inercijos.
Poliklinikoje tendencijų identifikavimas gali padėti ir administraciniu lygmeniu. Jei neatvykimų skaičius didžiausias tarp pacientų, kurie registruojasi telefonu prieš dvi savaites, verta įvertinti priminimų tvarką. Jei tam tikro specialisto konsultacijos nuolat užsipildo per vieną dieną, vadinasi, problema ne vien „didelis srautas“ — gal trūksta aiškesnio paskirstymo ar papildomų laikų.
BDAR: ką galima automatizuoti, o kur reikia stabtelėti
Kalbant apie DI sveikatos įstaigoms, BDAR klausimas nėra priedas straipsnio pabaigoje. Jis turi būti pradžioje, dar prieš paleidžiant pirmą automatinę ataskaitą. Sveikatos duomenys yra jautrūs, todėl ne viskas, kas techniškai įmanoma, yra leistina ar protinga.
Gera žinia ta, kad daug ataskaitų galima automatizuoti dirbant su agreguotais, nuasmenintais arba minimizuotais duomenimis. Pavyzdžiui, mėnesio suvestinei dažnai nereikia paciento vardo, asmens kodo ar tikslaus adreso. Pakanka bendro apsilankymų skaičiaus, amžiaus grupės, paslaugos tipo, laikotarpio ir kitų rodiklių, kurie leidžia analizuoti srautus, bet neidentifikuoja konkretaus žmogaus.
Sveikatos biuras gali automatiškai skaičiuoti, kiek gyventojų dalyvavo prevencinėse veiklose pagal seniūniją ar amžiaus grupę, neperkeldamas į ataskaitą asmens duomenų. Poliklinika gali matyti neatvykimų statistiką pagal paslaugų rūšį ir laiką, neanalizuodama konkrečių pacientų istorijų. Ligoninė gali stebėti skyrių apkrovą pagal dieną ar savaitę be perteklinio priėjimo prie jautrios informacijos.
Ko nereikėtų daryti? Nereikėtų leisti viešiems ar neaiškios kilmės įrankiams apdoroti pilnų pacientų sąrašų, diagnozių aprašų ar laisvos formos medicininių įrašų be aiškaus teisinio ir techninio pagrindo. Taip pat pavojinga automatizuoti individualius vertinimus, kurie turėtų reikšmingų pasekmių žmogui, jei tam nėra aiškios tvarkos, žmogaus priežiūros ir teisėto pagrindo.
Paprasta taisyklė tokia: jei ataskaitai pakanka suvestinių, naudokite suvestines. Jei reikia asmens duomenų, pirmiausia atsakykite, kodėl jų tikrai reikia, kas juos matys, kiek laiko saugosite ir ar galima tikslą pasiekti su mažesniu duomenų kiekiu. Kartais geriausias DI projektas yra tas, kuris sąmoningai nedaro per daug.
Nuo ko pradėti, kad projektas nevirstų dar viena sistema „tik dėl varnelės“
Dažna klaida — pradėti nuo klausimo „kokį DI įrankį pirkti?“. Daug naudingiau pradėti nuo visai kito klausimo: kokią ataskaitą jūsų komanda rengia nuolat ir kokie žingsniai joje kartojasi kiekvieną mėnesį? Jei atsakymas skamba taip: „renkame duomenis iš trijų vietų, sulyginame, sugrupuojame ir parašome santrauką“, vadinasi, turite gerą kandidatą automatizavimui.
Praktiškas startas sveikatos įstaigai dažniausiai atrodo taip:
- Pasirenkama viena ataskaita — pavyzdžiui, mėnesio lankytojų suvestinė arba prevencinių veiklų ataskaita.
- Susirašomi duomenų šaltiniai — registracijos sistema, formos, lentelės, specialistų suvestinės.
- Nusprendžiama, kokių duomenų tikrai reikia — ne visko, kas „gal kada nors pravers“.
- Apibrėžiama santraukos struktūra — kokius rodiklius vadovas nori matyti pirmame puslapyje.
- Numatoma žmogaus peržiūra — automatinė ataskaita neturi išeiti be atsakingo darbuotojo patikrinimo.
Toks kelias daug saugesnis nei bandymas vienu ypu automatizuoti visą įstaigos analitiką. Viena gerai veikianti ataskaita dažnai duoda daugiau naudos nei penki pusiau paleisti projektai, kurių niekas realiai nenaudoja.
Ką gauna vadovas, ką gauna komanda
Vadovui svarbiausia ne pats automatizavimo faktas, o aiškesnis vaizdas. Jei mėnesio pradžioje jis gauna trumpą, suprantamą suvestinę su pagrindiniais pokyčiais ir keliais komentarais, sprendimus priimti paprasčiau. Nebereikia laukti, kol kas nors „baigs susivesti skaičius“.
Komandai nauda dar žemiškesnė. Mažiau rankinio darbo, mažiau klaidų kopijuojant, mažiau paskutinės minutės streso. Specialistas, kuris anksčiau pusę dienos dėliojo lenteles, gali skirti laiką tam, kas reikalauja žmogaus sprendimo: įvertinti, kodėl viena prevencinė veikla neveikia, pasikalbėti su partneriais mokyklose, pakoreguoti komunikaciją gyventojams.
Čia ir slypi tikroji vertė. Automatizuotos ataskaitos nėra tik būdas greičiau pagaminti PDF failą. Jos atlaisvina laiką mąstymui, planavimui ir darbui su žmonėmis. O viešajame sektoriuje tai dažnai svarbiau už bet kokį „technologinį įspūdį“.
Pabaigai: pradėkite nuo vieno aiškaus scenarijaus
Jei jūsų sveikatos įstaiga kas mėnesį kartoja tą patį ataskaitų ruošimo ciklą, verta pasižiūrėti, kur darbas iš tiesų yra mechaninis. Ten, kur žmonės kopijuoja, jungia, rūšiuoja ir perrašo, automatika gali duoti daugiausia naudos. Ten, kur reikia profesinio vertinimo, konteksto ir atsakomybės, žmogus turi likti centre.
Dirbtinis intelektas medicinai viešajame sektoriuje nebūtinai prasideda nuo sudėtingų klinikinių modelių. Kartais jis prasideda nuo labai paprasto, bet svarbaus pokyčio: mėnesio ataskaita paruošiama laiku, be chaoso, su aiškiomis įžvalgomis ir be 10 valandų rankinio darbo. Sveikatos biurui, poliklinikai ar ligoninei tai jau yra rimtas žingsnis į priekį.