ODRG-potilasryhmittely ja tuotteistus

ODRG-potilasryhmittely ja tuotteistus

Terveyskeskusten suoritteisiin perustuvan tuottavuuden on todettu heikentyneen 2000-luvulla (1, 2). Samaan aikaan kuntien järjestämien terveyspalveluiden tuotanto on monipuolistunut: oman tuotannon lisäksi palveluja tuotetaan ostopalveluina ja palvelusetelien avulla, ja käytössä on myös erilaisia tilaaja–tuottajamalleja. Hankintalaki edellyttää hankittavan tuotteen määrittelyä. Lisäksi palveluprosessien ja työnjaon kehittämiseen tarvitaan tietoa voimavarojen käytöstä eri ammattiryhmissä.

Edellä mainittujen muutosten vuoksi on syntynyt tarve parantaa tuottavuutta sekä kehittämällä tuotteistusta että luomalla uusia tuottavuusmittareita aiemmin käytössä olleiden mittareiden (käynti, toimenpide, hoitopäivä) rinnalle. Käytettyjä mittareita on arvosteltu siitä, ettei niiden avulla kyetä mittaamaan toiminnan perimmäisten tavoitteiden toteutumista. Jotta tuottavuutta pystyttäisiin parantamaan, tarvitaan tietoa toiminnan sisällöstä eli potilaan hoidosta ja siihen vaadittujen voimavarojen käytöstä (3).

Tuotteistamisen avulla palvelutoimintaa jäsennetään suoritteiksi ja edelleen palvelukokonaisuuksiksi eli tuotteiksi, joille määritellään hinta, laatutavoitteet ja mittarit. Tuotteiden valmistus- ja omakustannusarvon sekä tuotantomäärien tunteminen parantaa budjetoinnin tarkkuutta ja auttaa arvioimaan, mitkä toiminnot on järkevintä tuottaa itse, mitkä hankkia muualta. Tuotteistuksen avulla on mahdollista verrata tuottavuutta hoitoyksikössä eri ajankohtina tai eri yksiköiden välillä. Näin tuotteistuksesta saatavaa tietoa voidaan hyödyntää resurssien kohdentamiseen parhaalla mahdollisella tavalla esimerkiksi silloin, kun tarkennetaan työnjakoa, arvioidaan muutosten edistymistä ja pyritään tunnistamaan kehittämiskohteita (3–6).

Useissa aiemmissa perusterveydenhuollon tuotteistusmalleissa tuotteina on käytetty toimenpiteitä tai käyntejä. Käyntejä on ryhmitelty resurssitarpeen tai ajankäytön mukaan, minkä jälkeen on laskettu niiden kustannukset suhteessa kuluneeseen työaikaan. Toimenpiteistä voidaan muodostaa suoraan tuotteita tai niitä voidaan yhdistellä tuoteryhmiksi (4, 5, 7–10).

Käynneistä ja toimenpiteistä voidaan muodostaa myös hoitokokonaisuuksia sisältäviä, hinnoiteltavia palvelupaketteja. Tällaisten pakettien haasteena on esimerkiksi hinnoittelun monimutkaisuus; toisaalta mahdollisuudet vaikuttavuuden selvittämiseen ovat paremmat, kun tulokset voidaan yhdistää diagnoosiin, sairauteen tai ongelmaan. Tällainen malli tukee toiminnan sisällön, tavoitteiden ja rahoituksen suunnittelua (5–8).

Helsingin terveyskeskuksen perusterveydenhuollon tuotteistushankkeen tavoitteena oli kehittää palvelujen tarvetta ja hoitokokonaisuutta kuvaava tuotteistusmalli, joka olisi sovellettavissa myös muihin kuntiin. Mallin tuli kuvata terveyskeskuksen toimintaa siten, että sen avulla olisi mahdollista järjestää väestön tarpeiden mukaiset palvelut voimavaroja tehokkaasti käyttäen. Tuotteistushankkeessa oli lisäksi tarkoitus luoda järjestelmä, joka kattaa kaikki terveydenhuollon eri ammattilaisten hoitamat, potilastyöhön liittyvät tehtävät. Tuotteistuksen tuli perustua painokertoimeen, joka kuvaa asiakkaan hoidon vaativuutta, siihen kulunutta aikaa ja vaadittavia henkilöresursseja.

Hankkeen esiselvityksessä mainittiin vertailumenetelminä erikoissairaanhoidossa laajasti käytössä oleva DRG (Diagnosis-Related Groups) -luokitusjärjestelmä, perusterveydenhuollon Avohoidon potilasryhmitys (APR_TM) sekä keskimääräistä hoidon vaikeusastetta terveydenhuollon yksikössä kuvaava casemix-indeksi.

Etsittäessä poliittisia keinoja terveydenhuollon tuottavuuden kehittämiseksi rohkaisevana esimerkkinä muille OECD-maille on toiminut Australiassa 1990-luvulla toteutettu ohjelma, jonka tuloksena terveydenhuollon tuottavuuden raportoitiin parantuneen selvästi. Ohjelmassa sairaaloiden budjettileikkauksiin oli yhdistetty casemix-rahoitusmalli, joka pohjautui DRG-luokitusjärjestelmään (11, 12).

DRG-luokitusjärjestelmää ja -hinnoittelua käytetään erikoissairaanhoidossa laajasti monessa maassa. Se kuvaa hoitokokonaisuuden toimenpiteet ja resurssitarpeen luokittelemalla potilaat ryhmiin siten, että kunkin ryhmän potilaat ovat lääketieteellisesti ja kustannusnäkökulmasta keskenään samankaltaisia. Luokittelun avulla on mahdollista seurata sekä hoidon kustannuksia että laatua. DRG-luokittelussa hoidetut potilaat jaetaan taudin/sairauden hoidon vaativuuteen vaikuttavien tekijöiden (esim. lääketieteen erikoisala, tehdyt toimenpiteet, potilaan ikä) perusteella 25 pääryhmään ja edelleen noin 500 lopulliseen DRG-luokkaan. Ryhmittelystä poistetaan ääripäitä edustavat, erittäin kalliit ja erittäin halvat, hoidot (5, 13–15).

Suomen ensimmäinen perusterveydenhuollon avohoitotoiminnan tuotteistusmalli, Avohoidon potilasryhmitys (APR_TM), perustuu samaan periaatteeseen kuin DRG-luokittelu. Avohoidon potilasryhmitys valmistui keväällä 2007 usean terveyskeskuksen ja DRG Medical Systems Oy:n yhteistyönä. Ryhmittelyn lähtökohtana on potilaan hoitamiseksi tehty hoitoprosessi (episodi), jonka tavoitteena on tietyn sairauden hoitaminen ja jonka muodostavat terveyskeskuksen eri ammattiryhmien tekemät tutkimus-, hoito- ja kuntoutustoimenpiteet. Episodiryhmitys luo perustan koko hoitoketjun kattavan tuotejärjestelmän kehittämiseen. Potilasryhmityksen avulla kuvataan terveyskeskusten potilasryhmät ja yksittäisen potilaan hoitokokonaisuus (3, 14, 16).

Arvioitaessa potilaiden hoitojaksojen vaikeusasteen eroja ja toiminnan tuotoksia eri yksiköissä tai ajankäytön suhteen on tunnuslukuna käytetty casemix-indeksiä. Indeksi lasketaan potilasryhmittäin painotettujen ja painottamattomien hoitojaksojen välisen suhteen avulla. DRG-ryhmittelyssä painokertoimena käytetään sairaaloiden keskimääräistä resurssienkäyttöä kuvaavaa lukuarvoa. Mitä suurempi casemix-indeksin arvo on, sitä vaativampaa on potilasaineiston hoito (17).

Helsingin terveyskeskuksen tuotteistushankkeen osahankkeista ovat aiemmin valmistuneet kotihoidon ja pitkäaikaissairaalan tuotteistukset (18, 19). Tässä artikkelissa käsitellään suun terveydenhuollossa toteutettua osahanketta, jonka tavoitteena oli kehittää palvelutarvetta, hoidon vaativuutta ja voimavarojen käyttöä kuvaava, hoitokokonaisuuksiin perustuva tuotteistusmalli. Hanke toteutettiin yhtenevin tavoittein ja yhteistyössä Terveyden ja hyvinvoinnin laitoksen (THL) sekä Espoon ja Vantaan terveyskeskusten kanssa vuosina 2007–2011.

Aineisto ja menetelmät

Hanketta varten poimittiin Helsingin, Espoon ja Vantaan kaupunkien suun terveydenhuollon potilastietojärjestelmistä kaikki potilaat, joille oli tehty vähintään kaksi suun ja hampaiston tutkimusta vuosien 2004–2007 aikana. Tutkimuksista huomioitiin kaksi ensimmäistä. Potilaiden yhteismäärä oli aluksi 200 926: Helsinki 94 787 (47,2 %), Espoo 61 809 (30,8 %) ja Vantaa 44 330 (22,1 %). Määrät vastasivat väestön jakaumaa kyseisten kaupunkien alueella.

Hoidontarvetta kuvaaviksi tilastollisiksi muuttujiksi valittiin ensimmäisen tutkimuksen osalta potilaan ikä, reikiintymistä kuvaavat indeksit d+D (karieksen vaurioittamien hampaiden lukumäärä) ja DMF (niiden hampaiden lukumäärä, joissa on todettu kariessai- raus tai jotka on karieksen vuoksi poistettu tai paikattu) sekä hampaiston tukikudossairautta kuvaava indeksi CPI_max (suurin CPI-indeksin arvo). Käytetyt indikaattorit olivat samat kuin perusterveydenhuollon avohoidon hoitoilmoitusjärjestelmä AvoHILMOssa (20). Indeksien lukuarvot luokiteltiin joko neljään tai viiteen luokkaan (taulukko «Hoidontarvetta kuvaavien muuttujien luokittelu.»1).

Luokitelluista muuttujista muodostettiin ryhmittelyä varten neljän numeron kombinaatiomuuttujia (ikäluokka – DMF-luokka – d+D-luokka – CPI_max-luokka). Näin esimerkiksi kombinaatiomuuttuja 1211 kuvaa 0–17-vuotiasta lasta tai nuorta, jonka suurin CPI-indeksin arvo on 1, DMF-indeksin arvo on korkeintaan 6 ja d+D-indeksin arvo 0. Vastaavasti kombinaatiomuuttuja 5442 kuvaa 74-vuotiasta tai tätä vanhempaa henkilöä, jonka suurin CPI-indeksin arvo on 3, DMF-indeksin arvo on 21 tai enemmän ja d+D-indeksin arvo 1.

Lisäksi huomioitiin kaikki tarkasteltujen kahden tutkimuksen välillä tehdyt hoitotoimenpiteet. Ne ilmaistiin Terveyden ja hyvinvoinnin laitoksen ylläpitämän Suun terveydenhuollon toimenpideluokituksen mukaisina toimenpidekoodeina. Toimenpiteisiin liitettiin myös Suomen Hammaslääkäriliiton Yksityishammaslääkärihinnaston toimenpiteiden suhdelukutaulukon ( «Hoitojaksojen kustannukset eri potilasryhmissä laskettuna vuoden 2008 Helsingin oman toiminnan minuuttikustannuksen perusteella.»2) mukaiset vaativuuskertoimet. Toimenpiteet ryhmiteltiin pääryhmiin seuraavasti: ehkäisevä hoito ja tutkimukset (EHTU), ienhoidot (PARO), paikkaushoito (PAIKK), juurihoidot (JH), purentafysiologinen hoito (PFYS), proteettinen hoito (PROT), suukirurgia (KIR), ensiapu (EA) ja oikomishoito (OIK).

Työajan jakautumista eri työtehtävien kesken selvitettiin kahdella erillisellä tutkimuksella, jotka toteutettiin yhteisten ohjeiden mukaan ja samanaikaisesti Helsingissä ja Vantaalla toukokuussa 2008. Espoossa tutkimusta työajan jakautumisesta ei tehty; koska Espoossa on käytössä sama potilastietojärjestelmä kuin Helsingissä, Espoon aineistoon sovellettiin tältä osin Helsingin tuloksia. Helsingin ja Vantaan selvitysten tulokset on esitetty hankkeen loppuraportissa (22).

Perustyöajan käytön seurantatutkimus kesti kaksi päivää, ja siihen osallistui koko henkilöstö. Tutkimusta varten työaika oli jaettu 34 tehtäväkokonaisuuteen, joita olivat mm. ajanvaraus, potilaslaskutus, potilasopastus, hoidon suunnittelu, toimenpiteiden kirjaaminen ja siistiminen. Lisäksi selvitettiin viisipäiväisen seurantatutkimuksen avulla eri toimenpiteiden vaatimat työajat minuutteina. Tähän seurantaan osallistuivat kaikki potilastyötä tekevät työntekijät (hammaslääkärit, suuhygienistit, hammashoitajat, vastaanottoavustajat). Toimenpiteiden keston mittauksen tulokseksi saatiin kunkin toimenpiteen suorittamiseen kulunut työaika minuutteina toimenpidettä ja suorittajaa kohti.

Aineisto järjestettiin siten, että jokaisen potilaan tiedot olivat omalla rivillään. Rivillä näkyivät potilaan perustiedot, hoidontarvetta kuvaavat indeksit, kaikki tehdyt toimenpiteet, toimenpiteiden kestot sekä vaativuuskertoimet. Tiedot yhdistämällä saatiin laskettua potilaskohtaisesti hoitojakson kokonaiskesto ja vaativuuskertoimien summa. Näiden perusteella laskettiin edelleen keskimääräinen kokonaiskesto sekä vaativuuskertoimien summa ja vastaavat muuttujat toimenpidepääryhmille. Potilasryhmittelyssä käytettiin kaikkien kolmen kaupungin yhdistettyjä aineistoja ja toimenpidepääryhmille laskettuja keskiarvokestoja.

Kustannuslaskenta tehtiin Helsingin terveyskeskuksen hammashuollon (nimi muuttui suun terveydenhuolto-osastoksi keväällä 2010) oman toiminnan kustannusten perusteella.

Laskelman perusteena käytettiin Helsingin terveyskeskuksen hammashuollon kokonaiskustannuksia vuonna 2008 ilman yliopistohammasklinikan, ostopalvelujen sekä viikonloppupäivystyksen kuluja. Kustannukset jaettiin toimenpiteiden keston yhteismäärällä, jolloin tulokseksi saatiin keskimääräinen minuuttikustannus (4,31 €/min) terveyskeskuksen omalle toiminnalle.

Koska hankkeen tavoitteena oli selvittää sairastavuutta kuvaavien indeksien mukaisen kokonaishoidon kestoa ja kustannuksia, aineistoon otettiin mukaan vain potilaat, joilta ei puuttunut tutkimus- tai toimenpidetietoja (n = 195 650). Jotta voitiin varmistaa, että potilaat olivat saaneet tarpeidensa mukaista hoitoa, tarkistettiin myös, että hoidontarvetta kuvaa- vien indeksien mukaiset toimenpidekoodit oli kirjattu. Lisäksi sellaisten potilaiden tiedot, joidon hoitojakson kokonaiskesto ylitti 700 minuutta, poistettiin poikkeavina havaintoina.

Tutkimusaineiston lopullinen koko oli 131 129 potilasta. Selitettävänä muuttujana tutkimuksessa oli toimenpiteiden kokonaiskesto, ja selittävinä muuttujina toimivat potilaan ikä, hoidontarvetta kuvaavat indeksit ja toimenpiteiden vaativuus (kuvio «»1).

Kuva 1. Ryhmittelyn periaate.

SAS-tilasto-ohjelmiston GLMSELECT-proseduurin avulla kokonaisaineisto jaettiin kahtia malliaineistoksi (104 791, 80 %) ja testiaineistoksi (26 194, 20 %). Aineistoryhmissä ei ollut yhteisiä jäseniä. Ryhmittelymuuttujia testattiin SAS-ohjelmiston REG-menetelmällä, jolloin havaittiin testiaineiston (testing) käyttäytyvän malliaineiston (training) kanssa identtisesti.

Malliaineiston ryhmittely tehtiin FASTCLUS-klusterointiproseduurin (clustering) avulla. Klusterointia käytetään tietojenkäsittelyn eri osa-alueilla pyrittäessä saamaan tietoa aineiston rakenteesta. Klusterointi hyödyntää k-means-menetelmää, jonka avulla aineiston havainnot jaetaan ryhmiin siten, että ne ovat kussakin ryhmässä keskenään mahdollisimman samanlaisia mutta eri ryhmissä mahdollisimman erilaisia. Menetelmän käyttö edellyttää, ettei kahdella ryhmällä ole yhteisiä jäseniä (23, 24).

Klustereiden oikean lukumäärän määrittämiseen ei ole yksiselitteistä sääntöä, vaan se tapahtuu aineiston ominaisuuksien, ryhmittelyn käyttötarkoituksen sekä määritettyjen ryhmittelykriteereiden perusteella. Joitakin laskentamenetelmiä on esitetty, mutta usein sopivin ryhmittelytapa löytyy kokeilemalla (24; Turun yliopiston biostatistikko Tero Vahlberg, suullinen konsultaatio). Noin viidenkymmenen klusterointikokeilun jälkeen tässä tutkimuksessa päädyttiin lopulta yhdentoista potilasryhmän malliin, sillä ainoastaan siinä alaryhmiä muodostui tasaisesti eri ikäluokkiin.

FASTCLUS-klusteroinnin jälkeen selvitettiin menetelmän ryhmittelyssä käyttämät periaatteet. Koska lähtömuuttujat toimivat samanarvoisina, eri yhdistelmiä syntyi 413. Yhden tällaisen ryhmän potilaat voidaan puolestaan jakaa yhdestä viiteen lopulliseen potilasryhmään, joten eri variaatioiden kokonaislukumääräksi tuli 868. Ryhmittelyssä käytetyt periaatteet kirjattiin säännöstöksi, joka määrittelee potilaiden sijoittumisen eri alaryhmiin. Päättelysääntöjen oikeellisuus testattiin vertaamalla säännöstön avulla samasta aineistosta tuotettua ryhmittelyä alkuperäiseen FASTCLUS-menetelmällä tuotettuun ryhmittelyyn. Tulokseksi saatiin samankaltaiset potilasryhmät molemmilla tavoilla.

Tulokset

Hankkeessa luotu suun terveydenhuollon tuotteistusmalli jakaa potilaat yhteentoista ryhmään potilaan iän, hoidontarvetta kuvaavien muuttujien ja toimenpiteiden vaativuuden perusteella. Kuhunkin ikäluokkaan muodostui kaksi ryhmää: perus- ja vaativan hoidon potilaat.

Perushoidon ryhmät koostuivat potilaista, joilla oli korkeintaan yksi kariespesäke ja/tai lieväasteinen tukikudossairaus. Laajimman ikävaihtelun luokkaan (aikuiset eli 37–62-vuotiaat) muodostui lisäksi kolmas alaryhmä, keskivaativan hoidon potilaat. Kullekin potilasryhmälle laskettiin hoitojakson keskimääräinen kesto. Perushoidon ryhmien vaatima työaika oli merkittävästi lyhyempi kuin vaativan hoidon ryhmien (taulukko «Toimenpiteiden kokonaiskeston keskiarvo minuutteina eri potilasryhmissä.»3).

Tuotteistusmallin avulla toiminnan kustannukset pystyttiin laskemaan takautuvasti hoitojakson päätyttyä. Kertomalla hoidon kokonaiskeston keskiarvo Helsingin oman toiminnan minuuttikustannuksella (4,31 €/min) vuonna 2008 saatiin laskettua kustannusrajat perus- ja vaativan hoidon hoitojaksoille koko aineistossa sekä ikäluokittain. Pyöristettynä perushoidon kustannus vaihteli välillä 150–400 € ja vaativan hoidon kustannus välillä 500–1700 € (taulukko «Hoitojaksojen kustannukset eri potilasryhmissä laskettuna vuoden 2008 Helsingin oman toiminnan minuuttikustannuksen perusteella.»2).

Potilasryhmittelyn käyttö hoitojakson keston ennustamisessa

Yhdeksi tavoitteeksi tuotteistushankkeille oli asetettu palvelujen tarpeen arvioinnin tukeminen. Potilasryhmittelyssä käytetyn aineiston pohjalta muodostettiin regressiomalli, jonka avulla on mahdollista arvioida potilaan hoitojakson vaatimien toimenpiteiden ajallinen kokonaiskesto, kun käytössä ovat potilaan iän lisäksi indeksiarvot DMF, d+D ja CPI_max:

Kokonaiskesto = 0,3362 x ika + 0,7036 x DMF + 9,333 x d+D + 18,283 x CPI_max

Kesto ilmaistaan minuutteina, potilaan ikä vuosina. Malli ennustaa resurssien tarvetta suhteellisen luotettavasti etenkin perushoidon ja aikuisten ikäluokan keskivaativan hoidon osalta. Hoitojakson kustannusarvio voidaan laskea kertomalla kesto minuuttikustannuksella.

Kun mallia käytetään ennustamaan tulevaa hoitoa, pitää lisäksi arvioida mahdollisesti tarvittavat erikoishoitotoimenpiteet, jotka lisäävät hoitojakson kestoa ja kustannuksia mutta joiden kestot eivät vielä ole laskettavissa. Mallin kyky ennustaa tulevaa hoitoa on ainoastaan suuntaa-antava; kuitenkin mallia voidaan hyödyntää esimerkiksi tehtäessä päätöstä palvelun järjestämistavasta.

Hoidon keston ennakoinnissa voidaan hyödyntää ryhmittelystä saatua tietoa hoidontarvetta kuvaavien indeksien eroista eri ikäluokkien perus- ja vaativan hoidon ryhmissä. Nuorimmassa ikäluokassa indeksien arvoissa ei havaittu eroa perus- ja vaativan hoidon välillä, vaan erottavaksi tekijäksi muodostui toimenpiteiden vaativuus ja sen kautta toimenpiteisiin käytetty aika. Tarkemmin ryhmien jäseniä tutkittaessa todettiin, että vaativan hoidon ryhmässä oikomishoidon potilaiden osuus oli merkittävästi suurempi kuin perushoidon ryhmässä.

Nuorten aikuisten kohdalla suurimpana erona perus- ja vaativan hoidon ryhmien välillä oli kariessairastavuus: d+D-indeksin arvo oli perushoidon ryhmässä keskimäärin 1 ja vaativan hoidon ryhmässä 9, kun taas DMF-indeksin arvo oli perushoidon ryhmässä keskimäärin 7 ja vaativan hoidon ryhmässä 15.

Aikuisten ikäluokassa perushoitoa ja vaativaa hoitoa tarvitsevien potilaiden ero perustui hoidontarvetta kuvaavien muuttujien yhteisvaihteluun. Eläkeläisten luokassa DMF-indeksin arvossa ei ilmennyt selvää eroa perushoidon ja vaativan hoidon välillä. Vaativan hoidon ryhmässä kuitenkin havaittiin enemmän paikkaushoidon tarvetta ja useammin syventyneitä ientaskuja kuin perushoidon ryhmässä; d+D-indeksi oli perushoidon ryhmässä keskimäärin 1 ja vaativan hoidon ryhmässä 3. Myös senioreiden luokassa erottavaksi tekijäksi muodostui d+D-indeksin arvo: perushoidon ryhmässä se oli keskimäärin 0 ja vaativan hoidon ryhmässä 2.

Casemix-vertailu kaupunkien välillä

Tässä tutkimuksessa casemix-vertailu tehtiin tuotteistusmallin luomiseen käytetyllä malliaineistolla potilasryhmittelyn jälkeen. Vertailussa hyödynnettiin hoitojakson keskimääräisiä kustannuksia kussakin potilasryhmässä. Casemix-indeksi laskettiin sekä koko aineistolle että kaupunkikohtaisesti.

Helsingin aineisto toimi vertailukohtana, joten sille määritettiin arvo 1,0. Espoon potilasaineisto sai arvon 1,1 ja Vantaan aineisto arvon 0,8. Espoon potilasaineisto oli siis 10 % vaativampaa kuin Helsingin aineisto ja Vantaan aineisto taas 20 % vähemmän vaativaa kuin Helsingin aineisto. Laskentatapa ja tulokset on esitetty kuviossa «»2.

Kuva 2. Casemix-vertailun laskentatapa.

Pohdinta ja päätelmät

Hankkeessa luotu suun terveydenhuollon ODRG-tuotteistusmalli (Oral Diagnosis-Related Group) ryhmittelee potilaat ikäluokittain perus- ja vaativan hoidon ryhmiin. Selitettävänä muuttujana toimi hoitojakson suorittamiseen vaadittu työaika, ja selittävinä muuttujina olivat potilaan ikä, hoidontarvetta kuvaavat indeksit DMF, d+D ja CPI_max sekä toimenpiteiden vaativuus. Muuttujat olivat samat kuin AvoHILMOssa (20) käytetyt. Kaikki hoitojakson aikana tehdyt toimenpiteet huomioitiin työajan käytön ja vaativuuskertoimien summan laskennassa.

Karkeasti yleistäen perushoidon ryhmiin sijoittuivat potilaat, joilla oli yksi kariespesäke ja/tai vähäistä hammaskiveä ilman kiinnityskudostuhoa. Vaativan hoidon raja saattaa vaikuttaa alhaiselta. Se on kuitenkin linjassa THL:n raportin kanssa, jossa todetaan terveyskeskuksissa hoidettujen asiakkaiden hoidon vaatineen keskimäärin 2,6 käyntiä vuonna 2009 (25).

Käytetyn aineiston laajuuden perusteella mallin yleistettävyyteen voidaan luottaa. Eri ikäluokkien koot vaihtelivat suuresti: lasten ja nuorten (0–17-vuotiaat) osuus oli 68 % potilaista, ja yhdessä nuorten aikuisten (0–36-vuotiaat) kanssa he muodostivat lähes 80 % malliaineistosta. Kuitenkin suhteellisesti pienimmänkin ikäluokan (seniorit eli yli 74-vuotiaat) absoluuttinen jäsenmäärä oli verrattain suuri, 1 837 potilasta.

Nyt toteutetun tuotteistamishankkeen ulkopuolelle, erikseen tuotteistettaviksi, jätettiin oikomis- ja proteettiset hoidot sekä viisaudenhampaiden poistot. Myöskään ensiapuhoitoa ei tässä hankkeessa tuotteistettu, koska siinä hoidon lähtökohtana ei ole hoitokokonaisuus.

Tuotteistuksessa ei huomioitu sitä, tehtiinkö toimenpiteet tutkimuskäynnillä vai erikseen tai mihin ammattiryhmään hoidon antanut henkilö kuului. Työnjaon kustannustehokkaan kehittämisen tueksi olisikin tärkeää jatkossa selvittää erot kokonaishoitojakson kestossa ja kustannuksissa huomioiden eri henkilöstöryhmien tekemät toimenpiteet.

Hankkeessa lähdettiin kehittämään uutta mallia, jonka käyttötarkoitus välillä hämärtyi pitkän prosessin kuluessa, eikä eteneminen kaikissa vaiheissa ollut suoraviivaista. Myös terveyskeskusten erilaiset tietojärjestelmät vaikeuttivat jossain määrin toimenpiteiden ajallisen keston laskentaa. Hankkeen loppuvaiheissa voitiin kuitenkin todeta "sivuaskeleiden" tuoneen lisävalaistusta selvittämistä vaativiin asioihin ja siten parantaneen lopputulosta.

Episodiajattelu edellyttää hoidon aloituksen ja päättymisen ajallista määrittelyä, joten hoitoon tulevien potilaiden ryhmittelyä varten tietojärjestelmään on rakennettava esikäsittelymalli. ODRG-luokittelussa potilas sijoitetaan tarkastusindeksien perusteella oikeaan ryhmään, ja samalla muodostuvat tuote ja hoitojakson kustannusarvio. Malli ohjelmoitiin tietokonesovellukseksi, joka tekee tuoteryhmittelyn haettuaan lähtötiedot potilastietojärjestelmästä. Näin saatiin ensimmäinen sovellusversio, jota muokataan edelleen käyttökokemusten perusteella.

Myös hoitotoimenpiteisiin käytettävää aikaa on arvioitava välillä uudelleen, sillä teknologian kehitys tuo mukanaan uusia hoitokeinoja. Käytetyn ajan arvioinnissa tulisi huomioida sekä uudet työnjaon mallit eli erot eri ammattiryhmien käyttämässä työajassa että eroavaisuudet hoitojakson kustannuksissa. AvoHILMO, johon sisältyy myös tilastouudistus, tulee parantamaan ja nopeuttamaan kansallista tiedonkeruuta, mikä antaa uusia mahdollisuuksia testata ja hyödyntää tuotteistusmallia kansallisesti. AvoHILMOn tiedonkeruun yhteydessä myös tiedon eheyttä voidaan parantaa ja laadunvarmistusta toteuttaa yhtenäisin menetelmin, mikä puolestaan parantaa terveyskeskusten välisten vertailujen luotettavuutta.

Hoidon vaikuttavuudesta saadaan tietoa soveltamalla ryhmittelymallia samaan kohdeväestöön pitkittäisesti, useita kertoja peräkkäin. Hoidontarvetta kuvaavien indeksien muuttuminen tuottaa potilaiden erilaisen jaon eri alaryhmiin, mikäli terveydentilassa on tapahtunut muutoksia. n

ODRG (Oral Diagnosis-Related Group) Classification Model

The Helsinki project for classification of Health Centre services for Oral Health Care was carried out in cooperation with the National Institute for Health and Welfare and the Health Centres of the cities of Espoo and Vantaa during the years 2007–2011. The aim of this study was to develop a model of patient classification that relates to the need for and complexity of treatment as well as expenditure of resources.

The data were collected from a sample of patients treated in the Public Dental Services (PDS) of the cities of Helsinki, Espoo and Vantaa. The records of all patients who had received at least two oral examinations during the years 2004–2007 were included and analysed. The data were randomized into two subgroups: 80% for training and 20% for testing. The main statistical method for grouping applied to the training material was the FASTCLUS procedure.

The ODRG (Oral Diagnosis-Related Group) classification includes eleven products:

• Children and adolescents (0–17 years), basic care
• Children and adolescents (0–17 years), advanced care
• Young adults (18–36 years), basic care
• Young adults (18–36 years), advanced care
• Adults (37–62 years), basic care
• Adults (37–62 years), medium care
• Adults (37–62 years), advanced care
• Retired (63–73 years), basic care
• Retired (63–73 years), advanced care
• Seniors (74 years plus), basic care
• Seniors (74 years plus), advanced care

This model supports the efficient use of resources by providing the basis for analyzing cost-effectiveness and helps to identify which population groups have received most care and treatment. Comparison of different PDS clinics provides the basis for a nationwide analysis of productivity.