Hoitoisuusluokitusjärjestelmä hoitohenkilöstön resursoinnin työkaluna : Tutkimus hoitoisuusluokitusjärjestelmän ennustevaliditeetista sekä sen luotettavuuden ja optimaalisen hoitotyön kuormitustason kalibroinnin haasteista hoitotyön kiireisessä arjessa
Junttila, Jaana (2023)
Junttila, Jaana
Tampere University
2023
Informaation ja järjestelmien tohtoriohjelma - Doctoral Programme in Information and Systems
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Väitöspäivä
2023-11-24
Julkaisun pysyvä osoite on
https://urn.fi/URN:ISBN:978-952-03-3114-6
https://urn.fi/URN:ISBN:978-952-03-3114-6
Tiivistelmä
Työvoiman osuus on tällä hetkellä lähes puolet terveydenhuollon kokonaiskustannuksista, mutta samaan aikaan on myös haasteita hoitohenkilöstön saatavuudessa. Tässä tilanteessa korostuu erityisesti hoitotyön henkilöstövoimavarojen tehokas johtaminen. Koska hoitotyön kuormituksella on osoitettu olevan yhteys negatiivisiin hoidon tuloksiin, on tärkeää varmistua siitä, että RAFAELA-hoitoisuusluokitusjärjestelmä mittaa luotettavasti potilaiden hoidon tarpeista koostuvaa hoitoisuutta sekä yksikön hoitotyön kuormitusta, sillä RAFAELAn ennustevaliditeetista oli vain vähän tutkittua tietoa.
Tämän tutkimuksen ensimmäisessä vaiheessa tutkittiin tässä väitöskirjatutkimuksessa muodostetun hoitotyön kuormitustasomittarin avulla vuosilta 2012–2013 RAFAELAn ennustevaliditeettia kahden sairaalan (A = yliopistollinen sairaala, B = keskussairaala) vuodeosastoilla (n = 34). Osastojen hoitoisuusluokitusten tuloksista (n = 429 836) muodostettiin kuukausiraportit (n = 732), joihin yhdistettiin ensimmäisessä osatutkimuksessa sairaalakuolleisuustilastot (n = 1125) ja toisessa osatutkimuksessa kuukausiraportteihin yhdistettiin vaaratapahtumailmoitukset (n = 2124).
Tutkimuksen toisessa vaiheessa hyödynnettiin kolmannen osatutkimuksen aineistoa, joka koostui vuosilta 2011–2019 ensimmäiseen vaiheeseen osallistuneen yliopistollisen sairaalan RAFAELAa käyttäneiden yksiköiden (n = 104) rinnakkaisluokitus- ja PAONCIL-mittausten tuloksista. Tutkimuksessa arvioitiin, miten RAFAELAn reliabiliteetin ja validiteetin varmentaminen ja hoitotyön kuormituksen optimaalisen tason kalibrointi onnistuivat kiireisessä hoitotyön arjessa. Lisäksi käytössä oli samassa yliopistollisessa sairaalassa vuonna 2017 toteutetu RAFAELAn auditoinnin tulokset yksiköiden (n = 44) osalta.
Tutkimuksen ensimmäisessä ja toisessa vaiheessa kerättyjä tutkimusaineistoja analysoitiin tilastollisin menetelmin ja näiden tulosten avulla vahvistettiin entisestään RAFAELAn ennustevaliditeettia osoittamalla, että hoitotyön kuormitustasomittarilla voidaan ennustaa negatiivisia hoidon tuloksia. Vaaratapahtumailmoitusten osalta yhteys ei ollut yhtä selkeä, sillä kuormitustasomittarin lisäksi ennustemalliin tarvittiin lisäksi yksikön potilaiden keskimääräinen hoitoisuus ja potilas-hoitajasuhde selittäviksi muuttujiksi.
Tämä tutkimus osoitti lisäksi, että RAFAELAn reliabiliteetin ja validiteetin varmentaminen on haasteellista. Auditoinnissa ainoastaan 60 % potilaista onnistuttiin luokittelemaan samaan hoitoisuusluokkaan. PAONCIL-mittauksen tulokset paranivat kuitenkin ajan myötä, mikäli RAFAELAa käytettiin jatkuvasti. RAFAELAn laadukkaan käytön edellytyksenä onkin, että järjestelmän luotettavuudesta huolehditaan ja sen tuottamaa tietoa hyödynnetään aktiivisesti.
Tutkimuksen kolmannessa vaiheessa, perustuen tämän tutkimustyön tuloksiin, tuotettiin lisäksi ehdotus hoitoisuusluokitusjärjestelmän uudeksi toiminnalliseksi malliksi, joka vähentäisi hoitotyön esihenkilöiden ja hoitajien työtä sekä mahdollistaisi reaaliaikaisemman yksikön hoitotyön kuormituksen tason määrittämisen, jota voitaisiin hyödyntää resurssien kohdentamisessa todellisen tarpeen mukaan jopa työvuorojen sisällä.
Johtopäätöksenä tutkimustuloksista voidaan todeta, että RAFAELA on luotettava hoitoisuusluokitusjärjestelmä, jonka ennustevaliditeetti on kunnossa, mutta samalla sen luotettavuutta ja validiteettia on työlästä ylläpitää kiireisessä hoitotyön arjessa. RAFAELA-hoitoisuusluokitusjärjestelmää tulisikin edelleen kehittää tekoälyn ja rajapintaintegraatioiden avulla reaaliaikaiseksi hoitotyön johtamisen ja päätöksenteon työkaluksi.
Tämän tutkimuksen ensimmäisessä vaiheessa tutkittiin tässä väitöskirjatutkimuksessa muodostetun hoitotyön kuormitustasomittarin avulla vuosilta 2012–2013 RAFAELAn ennustevaliditeettia kahden sairaalan (A = yliopistollinen sairaala, B = keskussairaala) vuodeosastoilla (n = 34). Osastojen hoitoisuusluokitusten tuloksista (n = 429 836) muodostettiin kuukausiraportit (n = 732), joihin yhdistettiin ensimmäisessä osatutkimuksessa sairaalakuolleisuustilastot (n = 1125) ja toisessa osatutkimuksessa kuukausiraportteihin yhdistettiin vaaratapahtumailmoitukset (n = 2124).
Tutkimuksen toisessa vaiheessa hyödynnettiin kolmannen osatutkimuksen aineistoa, joka koostui vuosilta 2011–2019 ensimmäiseen vaiheeseen osallistuneen yliopistollisen sairaalan RAFAELAa käyttäneiden yksiköiden (n = 104) rinnakkaisluokitus- ja PAONCIL-mittausten tuloksista. Tutkimuksessa arvioitiin, miten RAFAELAn reliabiliteetin ja validiteetin varmentaminen ja hoitotyön kuormituksen optimaalisen tason kalibrointi onnistuivat kiireisessä hoitotyön arjessa. Lisäksi käytössä oli samassa yliopistollisessa sairaalassa vuonna 2017 toteutetu RAFAELAn auditoinnin tulokset yksiköiden (n = 44) osalta.
Tutkimuksen ensimmäisessä ja toisessa vaiheessa kerättyjä tutkimusaineistoja analysoitiin tilastollisin menetelmin ja näiden tulosten avulla vahvistettiin entisestään RAFAELAn ennustevaliditeettia osoittamalla, että hoitotyön kuormitustasomittarilla voidaan ennustaa negatiivisia hoidon tuloksia. Vaaratapahtumailmoitusten osalta yhteys ei ollut yhtä selkeä, sillä kuormitustasomittarin lisäksi ennustemalliin tarvittiin lisäksi yksikön potilaiden keskimääräinen hoitoisuus ja potilas-hoitajasuhde selittäviksi muuttujiksi.
Tämä tutkimus osoitti lisäksi, että RAFAELAn reliabiliteetin ja validiteetin varmentaminen on haasteellista. Auditoinnissa ainoastaan 60 % potilaista onnistuttiin luokittelemaan samaan hoitoisuusluokkaan. PAONCIL-mittauksen tulokset paranivat kuitenkin ajan myötä, mikäli RAFAELAa käytettiin jatkuvasti. RAFAELAn laadukkaan käytön edellytyksenä onkin, että järjestelmän luotettavuudesta huolehditaan ja sen tuottamaa tietoa hyödynnetään aktiivisesti.
Tutkimuksen kolmannessa vaiheessa, perustuen tämän tutkimustyön tuloksiin, tuotettiin lisäksi ehdotus hoitoisuusluokitusjärjestelmän uudeksi toiminnalliseksi malliksi, joka vähentäisi hoitotyön esihenkilöiden ja hoitajien työtä sekä mahdollistaisi reaaliaikaisemman yksikön hoitotyön kuormituksen tason määrittämisen, jota voitaisiin hyödyntää resurssien kohdentamisessa todellisen tarpeen mukaan jopa työvuorojen sisällä.
Johtopäätöksenä tutkimustuloksista voidaan todeta, että RAFAELA on luotettava hoitoisuusluokitusjärjestelmä, jonka ennustevaliditeetti on kunnossa, mutta samalla sen luotettavuutta ja validiteettia on työlästä ylläpitää kiireisessä hoitotyön arjessa. RAFAELA-hoitoisuusluokitusjärjestelmää tulisikin edelleen kehittää tekoälyn ja rajapintaintegraatioiden avulla reaaliaikaiseksi hoitotyön johtamisen ja päätöksenteon työkaluksi.
Kokoelmat
- Väitöskirjat [4673]