Vuodepaikkojen määrän ennakointi sairaalaympäristössä
Iivarinen, Mikko (2021)
Avaa tiedosto
Lataukset:
Iivarinen, Mikko
2021
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2021110619375
https://urn.fi/URN:NBN:fi:amk-2021110619375
Tiivistelmä
Insinöörityössä tehtiin kirjallisuuskatsaus olemassa oleviin ennakoiviin malleihin ja niissä käytettäviin algoritmeihin ja parametreihin. Tilaajan tavoitteena työssä oli teoriapohjan luominen ennakoiviin malleihin sekä se, millaista tietoa Espoon sairaalan tulisi kerätä mallin toteuttamiseksi.
Työssä tutkittiin lean-ajattelun perusteita, kirjallisuuskatsaustyyppejä ja tarkemmin scoping-katsausta, jonka periaatteiden mukaisesti kirjallisuuskatsaus toteutettiin. Järjestelmällisen tiedonhaun aikana aineistoa haettiin kuudesta tunnetusta tietokannasta ja viitteet tallennettiin ProQuest RefWorks -ohjelmaa käyttäen. Tiedonhaun vaiheet ja aineiston analysointi taltioitiin Microsoft Excel -taulukkolaskentaohjelmalla.
Aineisto analysoitiin laadullisen sisällönanalyysin koodausmenetelmää käyttäen Excel-taulukkoon. Tärkeimmät tutkimuksista kerätyt tiedot liittyivät käytetyn mallin tyyppiin, mihin algoritmiin malli perustui sekä millaisia parametreja algoritmi hyödynsi. Tutkimuksien otantojen ympäristöstä riippuen myös ennakoivien mallien tarkkuudet kirjattiin ylös.
Tarkimmat koneoppimismenetelmiin perustuvat ennakoivat mallit saavuttivat omissa ympäristöissään yli 90 %:n tarkkuuden hoitojaksojen pituuksien ja kotiuttamisajankohdan arvioinnissa. Osa malleista pystyi ennakoimaan jopa järjestyksen, jossa potilaat kotiutuivat osastolta. Tutkimusten analysoinnin aikana huomattiin, että mallien tarkkuudet eivät ole lineaarisessa suhteessa käytettyjen parametrien määrään.
Insinöörityön tuloksena syntyi kattava tietopaketti ennakoivista malleista niin tämän raportin kuin tulostaulukonkin muodossa. Espoon sairaalaa konsultoitiin työn tuloksista, niiden perusteella sairaala voi aloittaa omaan ympäristöönsä sopivan ennakoivan mallin kehittämisen.
Työssä tutkittiin lean-ajattelun perusteita, kirjallisuuskatsaustyyppejä ja tarkemmin scoping-katsausta, jonka periaatteiden mukaisesti kirjallisuuskatsaus toteutettiin. Järjestelmällisen tiedonhaun aikana aineistoa haettiin kuudesta tunnetusta tietokannasta ja viitteet tallennettiin ProQuest RefWorks -ohjelmaa käyttäen. Tiedonhaun vaiheet ja aineiston analysointi taltioitiin Microsoft Excel -taulukkolaskentaohjelmalla.
Aineisto analysoitiin laadullisen sisällönanalyysin koodausmenetelmää käyttäen Excel-taulukkoon. Tärkeimmät tutkimuksista kerätyt tiedot liittyivät käytetyn mallin tyyppiin, mihin algoritmiin malli perustui sekä millaisia parametreja algoritmi hyödynsi. Tutkimuksien otantojen ympäristöstä riippuen myös ennakoivien mallien tarkkuudet kirjattiin ylös.
Tarkimmat koneoppimismenetelmiin perustuvat ennakoivat mallit saavuttivat omissa ympäristöissään yli 90 %:n tarkkuuden hoitojaksojen pituuksien ja kotiuttamisajankohdan arvioinnissa. Osa malleista pystyi ennakoimaan jopa järjestyksen, jossa potilaat kotiutuivat osastolta. Tutkimusten analysoinnin aikana huomattiin, että mallien tarkkuudet eivät ole lineaarisessa suhteessa käytettyjen parametrien määrään.
Insinöörityön tuloksena syntyi kattava tietopaketti ennakoivista malleista niin tämän raportin kuin tulostaulukonkin muodossa. Espoon sairaalaa konsultoitiin työn tuloksista, niiden perusteella sairaala voi aloittaa omaan ympäristöönsä sopivan ennakoivan mallin kehittämisen.