Sessio 3

Sessio 3: Hoidon ja terveyspalveluiden vaikuttavuus

Puheenjohtaja: tutkijatohtori Emma Aarnio, Itä-Suomen yliopisto

3.1 Vaativan neurologisen kuntoutuksen vaikuttavuuden tehostaminen aivoverenkiertohäiriöstä kuntoutujien hoidossa

UEF EMBA -kehittämistyö 4/2020

Jori Reijula

UEF eMBA kehittämistyössä selvitettiin, voiko aivoverenkiertohäiriöstä kuntoutuvan aktiivisuusdataa tarkkailemalla tehdä johtopäätöksiä kuntoutuksen vaikuttavuudesta tai kuntoutukseen mahdollisesti vaikuttavista tekijöistä.

Valtaosalla kuntoutujista (n=15) päiväaikainen aktiivisuus ja vuorokausirytmi paranivat osastojakson aikana. Kuntoutujien aktiivisuusdatalla havaittiin myös selkeä yhteys yleiseen AVH:n oirekuvaan sekä koettuun terveydentilaan. Kuntoutujilla, joilla päiväaikainen aktiivisuus ja vuorokausirytmi eivät parantuneet kuntoutusjakson aikana, todettiin heikommat edellytykset saavuttaa vaikuttavan kuntoutusprosessin tavoitteet kuin niillä, joilla kyseiset parametrit kohosivat.

Analysoimalla kuntoutujien aktiivisuusdataa, terveydentilaa sekä koettua hyvinvointia
voidaan ennustaa ja havaita ajoissa kuntoutusprosessin mahdollinen hidastuminen. Mikäli edellä mainitut parametrit heikkenevät kuntoutusprosessin aikana, on mahdollista, että kuntoutusprosessi hidastuu tai jopa pysähtyy.

Hyvä kuntoutusympäristö yhdessä osaavan ja aktiivisen hoitohenkilöstön kanssa edistää kuntoutujien aktiivisuutta, elämänlaatua, toimintakykyä sekä koettua hyvinvointia. Hyvinvoivat asiakkaat näyttävät olevan aktiivisempia kuin heikkovointiset
kuntoutusharjoitteiden suorittamisessa ja toisaalta kuntoutus näytti vaikuttavan tehokkaimmin kaikista huonokuntoisimpiin.

Kehittämistyön perusteella AVH-kuntoutujien aktiivisuus-, terveys ja hyvinvointidatan
mittaamista voidaan suositella vaativan neurologisen kuntoutuksen vaikuttavuuden
tehostamiseksi. On kuitenkin huomioitava kuntoutujien heikentynyt kognition taso ja
varmistettava että aktiivisuuden mittauksessa ei tapahdu häiriöitä.

AVAINSANAT
neurologinen kuntoutus, AVH-kuntoutujat, vaikuttavuus, elämänlaatu, toimintakyky,
koettu hyvinvointi

3.2 Food for Mind – A Group-based Behavioral Nutrition Intervention in the Treatment of Depression

Johanna Roponen, A. Ruusunen, Päivi Absetz, T. Partonen, V. Kuvaja-Köllner, O. Nuutinen

Background:
Depression is a common mental disorder and a major public health problem with significant economic consequences. Each year 5-7% of Finnish adults suffer from depression. Depression impairs the quality of life and the ability to work and function, which has financial implications i.e. sick leaves and disability pensions. Epidemiological studies have provided convincing evidence for an inverse relationship between diet quality and depression, yet only few randomized controlled trials (RCTs) have been performed.

Objective:
We aim to examine whether the behavioral group-based Food for Mind –intervention 1) alleviates symptoms of depression, 2) improves the quality of diet, eating habits, quality of life, and ability to work, and 3) is cost-effective.

Design:
In this 8-week RCT, subjects (n=144, age:20-65y) with diagnosed depression (ICD-10 F32-33, F34.1) are randomized into Food for Mind -group (n=72) or Group to bring Good Mood -control group (n=72). Intervention consists of solution-focused behavioral nutrition counselling (5 times 1½ h and 1 time 3 h). The control (befriending) group with same visit schedule consists of neutral discussion and activities. During the 1-year study, groups have their own WhatsApp-peer support groups, and they continue their depression care as usual.

Methods:
Validated questionnaires are used; depression (CES-D, SPAQ), diet (The Index of Diet Quality-IDQ, Diet frequency), eating behavior (Eating competence – ecSI 2.0TM, TFEQ-r18), ability to work and function, quality of life ((AQoL)-8D), and body weight is measured by body composition analyzer (InBody720) at baseline, 8wk, 6mo and 12mo. The treatment expectancy questionnaire is used at baseline and the acceptability-questionnaire (TFA) at 8wk. Cost-effectiveness is analyzed with the Incremental cost-effectiveness ratio (ICER) and cost-utility-analysis (CUA). The results will be analyzed with linear mixed-effects models.

Discussion:
If the intervention proves itself to be cost-efficient and feasible, it can be implemented in healthcare as a part of the depression treatment procedures.

3.3 Sähköisen asioinnin vaikutukset potilaan hoitoon ja kliiniseen toimintaan

Pia Liljamo

Osana kansallista Virtuaalisairaala 2.0 –hanketta (2016-2018) yliopistosairaalat rakensivat kansalaisten ja terveydenhuollon ammattilaisten käyttöön Terveyskylä-palvelukokonaisuuden. Terveyskylä korostaa kansalaisten aktiivista roolia ja tasa-arvoa oman hyvinvoinnin edistämisessä tarjoamalla verkko- ja digitaalisia itsehoitopalveluita osana hoitoprosessia. Kansalaisten palaute Terveyskylä-palveluista on ollut positiivista [1]. Terveyskylän Omapolku-palveluun kuuluvat digihoitopolut ovat osa potilaan hoitoa täydentäen perinteistä erikoissairaanhoitoa. Palveluun päästäkseen potilaat liitetään polulle joko suoraan lähetteestä tai vastaanottokäynnillä, minkä jälkeen potilas kirjautuu digihoitopolulle vahvalla tunnistautumisella.

Digihoitopolun kehittäminen lähtee aina potilasryhmän ja potilaita hoitavien ammattilaisten tarpeista. Digihoitopolut mahdollistavat potilaiden hoitoon liittyvien tietojen keräämisen ja ohjauksen toteuttamisen sähköisesti. Potilaat voivat perehtyä sairauteen tai tulevaan toimenpiteeseen liittyviin hoito-ohjeisiin sekä täyttää erilaisia hoitoon liittyviä kyselyitä itselle sopivaan aikaan. Digihoitopoluilla tavoitellaan hoitoprosessien sujuvuutta tarjoamalla materiaalit etukäteen potilaiden itsevastattavaksi ja tutustuttavaksi. Tavoitteena on, että potilaat ovat paremmin valmistautuneita ja ottavat vastuuta omasta hoidostaan ja siten henkilöstöltä vapautuu aikaa muihin tehtäviin.

Odotukset digitaalisten palveluiden kustannustehokkuudesta ja vaikutuksista ovat korkeat [3]. Digipalvelujen odotetaan parantavan potilaiden hoidon saatavuutta ja helpottavan ammattilaisten työnkulkua. Oulun yliopistollisessa sairaalassa on otettu käyttöön 10 digihoitopolkua ja useita on työn alla. Covid-19 pandemia vauhditti uusien digihoitopolkujen kehittämistä. Jokaiselle polulle määritellään tavoitteet toiminnan muutokselle sekä mittarit, joiden avulla muutosta arvioidaan. Yleisimmät tavoitellut muutokset ovat tasalaatuisen ohjauksen tarjoaminen kaikille potilaille, ohjaukseen käytettävän suullisen neuvonta-ajan ja puhelinliikenteen väheneminen sekä potilaiden tuottamien tietojen hyödyntäminen ammattilaisen työssä. Tavoitteena on myös korvata perinteisiä vastaanottoja kokonaan digihoitopoluilla ja etävastaanotoilla.

Olemme käynnistämässä tutkimusta digihoitopolkujen vaikutuksista toimintaan. Kerron esityksessäni tutkimusasetelmasta sekä esittelen yleisimpiä kliinisen toiminnan muutoksen tavoitteita ja mittareita.

3.4 Toimintakyvyn muutokset päihdekuntoutumisen aikana – hoitotietoihin pohjautuva rekisteritutkimus

Tuuli Pitkänen, Riku Laine, Virvatuli Uusimäki, Alix Helfer

Tausta
Päihde- ja mielenterveysongelmien sekä neurologisten häiriöiden yhteydessä esiintyy useita samantyyppisiä psykososiaalisia vaikeuksia, jotka vaikuttavat yksilön toimintakykyyn. Vaikeuksien määrän ja intensiteetin seuraaminen kuntoutuksen aikana standardoituja menetelmiä käyttäen antaa tietoa yksilön tilanteesta sekä hoidon vaikutuksista. PARADISE24fin-kysely on tutkimukseen pohjautuva kansainvälisessä yhteistyössä kehitetty menetelmä. Menetelmään on hyödynnetty suomalaisessa päihdekuntoutuksessa vuodesta 2014 alkaen.

Tavoitteet
Tutkimuksen tavoitteena on selvittää, minkälaisia muutoksia toimintakyvyssä tapahtuu päihdekuntoutuksen aikana sekä arvioida PARADISE24fin-kyselyn soveltuvuutta rekistereihin kertyväksi vaikuttavuuden arvioinnin työkaluksi. Tutkimuksessa tarkastellaan myös työntekijöiden näkemyksiä kartoitusten merkityksestä hoitotyössä rekisteriin kertyvän tiedon käytettävyydestä.

Menetelmät
Hoitotietojärjestelmään kertynyttä tietoa hyödyntävä seurantatutkimus, jossa seurataan PARADISE24fin -kyselyn pistemäärässä tapahtunutta muutosta kahtena ajankohtana päihdehoidon aikana. Tutkimuslupa on saatu. Data sisältää 2 673 henkilöä, joilta oli täytetty hoitotietojärjestelmään 12 935 PARADISE24fin-kartoitusta 17.5.2020 mennessä. Aineistoa tarkastellaan erilaisia tilastollisia menetelmiä käyttäen. Tavoitteena on analysoida aineistoa kesän 2020 aikana ja esitellä uusia tuloksia kolmen aiemmin tästä aineistosta julkaistun artikkelin lisäksi.

Tulokset
PARADISE24fin-kyselyn perusteella psykososiaalisten vaikeuksien määrä ja intensiteetti vähenevät päihdekuntoutuksen aikana vähenee, mutta yksilölliset erot ovat suuria. Rekisteritiedon käytettävyyteen vaikuttaa myös kontekstin kunnollinen kirjaaminen, mitä on haastava ohjeistaa. Tulosten tulkinnassa on tärkeä tuntea hyvin sekä päihdehäiriön tyypillinen kulku että kuntoutusprosessi.

Johtopäätökset
PARADISE24-fin kysely soveltuu hyvin psykososiaalisten vaikeuksien kartoittamiseen ja seurantaan sekä antaa olennaista lisätietoa hoitosuunnitelman tekemisen tueksi päihdehoidossa. Rekisteriaineistoista tulkintoja tehtäessä paneutuminen tutkitun ongelman ja hoitoprosessin sisältöön on välttämätöntä. Lisäksi tiivis yhteistyö hoitohenkilöstön kanssa on suositeltavaa.

3.5 Visual funnel plot method supporting the improvement of disease management in primary health care – case type 2 diabetes

Janne Martikainen

Purpose of the study:
Funnel Plot Methods (FPMs) provide a potential graphical tool to assess and compare the effectiveness of health centre-specific treatment outcomes against a pre-selected benchmark. The aim of the study was to examine the centre-specific treatment outcomes (in terms of glycaemic control target levels measured as HbA1c-values) of patients with type 2 diabetes (T2D) using the visual FPM in primary health care.

Methods:
All applied data were extracted from electronic health records. The research cohort consisted of patients with T2D who had visited at health centres in the Siun sote area in 2014–2018. The annual number of patients ranged from 7,119 to 7,946 patients. Applied outcome indicators were adjusted health centre-specific mean HbA1c values (mmol/mol), and the proportion of patients with HbA1c<53 mmol/mol (i.e. a good treatment balance) and HbA1c>75 mmol/mol (i.e. a particularly poor treatment balance). The values of the outcome indicators were plotted against a measure of their precision (i.e. the number of patients per a health centre). Control limits (i.e. 2 and 3 times of standard errors of mean) were estimated to indicate a range in which the values of the outcome indicators were expected to fall after the case mix-adjustment (i.e. the values were adjusted for baseline age, sex, and the duration of T2D).

Results:
Special cause variation from the treatment target level was observed between years 2014-2018. However, the proportions of patients with a good treatment balance (i.e. 65.7% to 68.4%) and with a particularly poor balance (i.e. 5.6% to 7.2%) stayed relatively constant.

Conclusions:
The FPM provides a visual and easy-to-interpret way to compare health centre-specific treatment outcomes. Thus, together with a root cause analysis, it provides a practical tool to improve the quality, effectiveness, and cost-effectiveness of services.