Datan laadunhallinta Suomen julkisessa terveydenhuollossa

Abstract

Datan ja sen laadun merkitys on noussut keskeiseksi Suomen julkisessa terveydenhuollossa. Sosiaali- ja terveydenhuollon uudistuksen (sote-uudistuksen) myötä sosiaali- ja terveydenhuollon sekä pelastustoiminnan järjestämisvastuu siirtyi kunnilta hyvinvointialueille. Samalla vastuu toiminnan ohjaamisesta ja valvonnasta siirtyi ministeriöille. Jotta ministeriöt voivat toteuttaa tehtäviään ja tehdä oikeita päätöksiä, ne tarvitsevat luotettavaa ja vertailukelpoista tietoa alueiden toiminnasta.

Datan laatu on muodostunut merkittäväksi haasteeksi, jonka kanssa hyvinvointialueet kamppailevat. Hyvinvointialueet muodostettiin nopeasti yhdistämällä hyvinvointipalveluita useista kunnista ja kuntayhtymistä suuremmiksi kokonaisuuksiksi. Nopeasti muodostetut suuret ja monimutkaiset organisaatiot, joissa tuotetaan manuaalisesti valtavia määriä dataa, muodostavat haastavan toimintaympäristön datan laadunhallinnan kannalta. Lisäksi hyvinvointialueiden välillä on merkittäviä eroavaisuuksia, jotka vaikuttavat dataan, kuten käytössä olevat potilastietojärjestelmät. Muun muassa näiden tekijöiden myötä datan laadussa ja laadunhallinnassa on puutteita, minkä vuoksi hyvinvointialueiden välinen luotettava ja laadukas vertailu on erittäin haastavaa. Toisaalta datan laadun haasteet ovat nousseet voimakkaasti pintaan, sillä niiden vaikutukset konkretisoituvat esimerkiksi hyvinvointialueiden rahoituksen jakamisessa.

Tutkimus toteutettiin tapaustutkimuksena, joka kohdistui erään hyvinvointialueen terveydenhuollon toimialaan. Teoriaosuudessa tarkasteltiin ensin datan ominaisuuksia ja yleistä hallintaa, minkä jälkeen keskityttiin datan käyttöön ja tuottamiseen terveydenhuollon kontekstissa, sekä terveydenhuollon dataympäristön erityispiirteisiin. Viimeisessä teorialuvussa käsiteltiin datan laadunhallintaa erityisesti olemassa olevien mallien ja organisaation kypsyyden näkökulmasta. Laadunhallinta jaettiin kolmeen osa-alueeseen: datan mittaaminen ja arviointi, kehittäminen ja ylläpito sekä roolit ja rakenteet. Kypsyyttä tarkasteltiin kyvykkyyksien ja kypsyystasojen kautta.

Tutkimuksen empiirinen osuus toteutettiin teemahaastatteluina. Haastatteluun osallistui kahdeksan henkilöä, jotka olivat kohdeorganisaation henkilöstöä. He työskentelivät vaihtelevasti erilaisissa tehtävissä, mukaan lukien kliiniset, hallinnolliset ja tekniset tehtävät. He myös toimivat elinkaaren eri vaiheiden parissa ja eri organisaatiotasoilla. Haastatteluiden tavoitteena oli selvittää datan laadunhallinnan nykytilaa kohdeorganisaatiossa sekä tunnistaa siitä haasteita ja yhtymäkohtia kirjallisuuteen. Haastattelukysymykset pohjautuivat teoriassa kartoitettuihin terveydenhuollon erityispiirteisiin ja datan laadunhallintamalleihin. Teemahaastattelut mahdollistivat sen, että haastateltavat saattoivat tuoda esiin kokemuksiaan tutkijan ennakkokäsityksistä riippumatta.

Tutkimus lisäsi ymmärrystä datan laadunhallinnasta Suomen julkisessa terveydenhuollossa. Sen perusteella datan laadunhallinta on tällä hetkellä reaktiivista ja henkilösidonnaista, mutta vaikuttaa olevan kehittymässä kohti systemaattisempaa ja rakenteellisempaa lähestymistapaa. Toinen keskeinen havainto tutkimuksen perusteella oli datan elinkaaren ymmärtämisen merkitys laadunhallinnan onnistumiselle. Tutkimuksen pohjalta tuotettiin myös konkreettisia kehitysehdotuksia, kuten datan elinkaaren näkyvyyden lisääminen ja siihen liittyvä koulutus, organisatoristen rakenteiden selkeyttäminen sekä datan laadunhallinnan vastuiden määrittely.

The importance of data and its quality has become central in Finnish public healthcare. Following the healthcare and social services reform (known as the “SOTE” reform), the responsibility for organizing social and healthcare services, as well as rescue operations, was transferred from municipalities to newly established wellbeing services counties at the same time, oversight and strategic guidance responsibilities were assigned to central government ministries. To fulfill their roles and make informed decisions, ministries require reliable and comparable data from the counties.

Data quality has emerged as a significant challenge for the wellbeing services counties. These counties were rapidly established by merging the wellbeing services organizations of multiple municipalities into larger entities. These large and complex organizations, which rely heavily on manual data entry, present a challenging environment for data quality management. Additionally, there are major differences between counties that affect data and its quality, such as the use of different electronic health record systems. As a result, notable shortcomings exist in data quality and its management, making reliable cross-county comparisons extremely difficult. On the other hand, data quality issues have become increasingly visible, as their consequences are becoming more evident — for example, in the allocation of funding between counties.

The research was conducted as a case study within the healthcare sector of one wellbeing services county. The theoretical framework first explored the nature of data and general data governance. The second part focused on the healthcare context, including data use, production, and the characteristics of healthcare data environment. The third section examined literature related to data quality management, including frameworks and organizational maturity. Data quality management was divided into three key areas: measurement and assessment, development and maintenance, and roles and structures. Maturity was assessed through organizational capabilities and development stages based on organizational maturity models.

The empirical section was conducted using thematic interviews. Eight individuals from the case organization were interviewed, representing a variety of roles, including clinical, administrative, and technical positions. The interviewees also worked at different organizational levels and phases of the data lifecycle. The aim was to assess the current state of data quality management, identify related challenges, and compare the findings with existing literature. The thematic format enabled interviewees to share their experiences freely, without being constrained by the researcher’s assumptions.

This study contributed to a better understanding of data quality management in Finnish public healthcare. Based on the findings, data quality management appears to be reactive and reliant on individuals, but is gradually evolving toward a more systematic and structured approach. Another key insight was the importance of understanding the data lifecycle in supporting data quality management, especially in the healthcare context. Based on these findings, concrete development recommendations were made, including increasing visibility of the data lifecycle, providing related training, clarifying organizational structures, and defining clear roles for data quality management.