Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
SRS Project the use of Big Data in the Swedish sick
leave process
EUMASS Scientific program
2016-03-04
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• To present how Big data analysis can be used
– to support decisions in the Swedish sick leave process, and
– the possible benefits of such a decision support system
• To invite to collaboration
Aim of presentation
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• About decision support systems
– Knowledge versus statistical based
– Predictive models from Big Data
• Project idea
• Results so far
• Work this year
• EUMASS survey
Content of presentation
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
About decision support systems
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Assist practitioner to make a better analysis
• Combine practitioner knowledge and experience with support
from the DSS
• Improved and knowledge based practitioner performance
• Normative effect, reduce disparities
Decision support systems (DSS)
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Knowledge based (”expert systems”)
– Based on explicitly described human knowledge
– Ex drug interaction: IF drug X is prescribed AND drug Y is
prescribed THEN alert doctor
– In Swedish sick leave process: Guidelines (FMB), since 2008.
• Statistically (”Big Data”)
– Based on ”patterns” in observed ”Big Data”
– Ex: trading systems, weather forecast
– In Swedish sick leave process: SRS decision support system
Two types of DSS
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Knowledge based Statistically based
Pros
+Precise knowledge,
clear hypotesis
+Mostly understandable
+High precision
+Easy to explain
+Easy to build
+Feed-back learning
included
+Dynamic
+High coverage
+Easy to include new
knowledge
Cons
- Expensive to develop
- Expensive to maintain
- Static
- Do not cover bad data or data
in between
- Requires a lot of data
- Difficult to explain
- If low quality or ”noisy
data” => bad result
Pros and Cons
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Predictive models from Big data
Electronic sick
leave certificate
Registers
Medical Health records
Data sources
Collect and
structure data
and text
Structured data Predictive models
Statistic analysis
Analyzing,
finding patterns
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Project idea
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• A statistically based decision support system to
– Give predictions for length of sick leave
– Give early identification of individuals with needs of specific and
coordinated interventions
– Propose interventions to increase RTW
• The system shall also
– Increase knowledge of effective interventions
– Serve as pedagogical support in dialogue with patient
– Increase cooperation between parties/actors
Project idea – a common support system for several parties
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Parties involved
The Government of Sweden
20 County Councils
and Regions 290 Municipalities
The National Board of Health and Welfare
Swedish Association of Local
Authorities and Regions (SALAR)
The Swedish Social Insurance Agency
Agreement - Sick leave and rehabilitation
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Big data Collection and use in SRS
Evaluation of predictive factors1
Supports the dialogue with the patient
2 Interventions, statistically most likely to increase positive outcomes
3
Outcome data collected in database
4Outcome datalooped
5
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Vision: A common decision support system
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Increased RTW by a correct intervention at the right time
• Increased knowledge of effect of risk factors and interventions
on RTW, common to all parties
• Increased conditions for equal care despite region and
experience, ”rookies” are brought to a higher level
Expected benefits
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Engagement, committment and cooperation needed from
several stakeholders
• Legal aspects
• Ethical aspects
• Operational (from the end user’s point of view)
• Technical and architectural
• Big Data analysis and predictive model accuracy
Challenges
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Results so far
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Pre-study investigated if project idea was possible to realize
– Legal
– Technical and architectural
– Predictive models
– User needs
• Report to government in October 2015.
– Project idea is possible to realize, in theory.
– Decision: Proceed, more practical investigation needed.
Pre-study completed
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Patterns in Big data – sick leave for osteoarthritisGrowth trajectory models
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12 13
No
of
da
ys
wit
h s
ick
le
ave
pa
y w
ith
in 3
0 d
ays
Months, after day 21
Högt, sedansjunkande(8 %)
Sjunkande,sedan stigande(12 %)
Sjunkande(noll vid 10 mån)(15 %)
Sjunkande(noll vid 6 mån)(29 %)
Sjunkande(noll vid 4 mån)(36 %)
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Work this year
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• Proposal on organization and responsibilities for
development, maintenance and operation of SRS DSS
• Cost-benefit analysis
• Operational analysis
– User needs
– Ethical aspects
– Testing prototypes
• List of interventions including codes
Work this year
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
EUMASS survey
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
Question:
Does your country have, or have plans for, decision support
systems or other tools to support decisions of sick leave,
rehabilitation or other similar questions?
EUMASS survey
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Utveckling i nära samarbete
• No system (3 countries)
• Semi-automatic data analyses, for fraud detection etc. (3)
• Knowledge based decision support systems (6)
• Statistically based decision support systems (3)
• No answer (10)
Results so far
Stöd för rätt sjukskrivning- ett samverkansprojekt mellan Försäkringskassan
och Sveriges Kommuner och Landsting
Thank you!
Anne Snis
Project manager SRS-Project