SlideShare ist ein Scribd-Unternehmen logo
1 von 23
Downloaden Sie, um offline zu lesen
SweAlert
Nästa generations
pandemiövervakning
Lisa Brouwers, Smittskyddsinstitutet
Christian Elmehagen
Tieto Healthcare & Welfare AB

© 2011 Tieto Corporation

© 2013 IBM Corporation
© 2011 Tieto Corporation

SweAlert
Nästa generations pandemiövervakning
IBM Smarter Business Days
17 Oktober 2013
Lisa Brouwers (Smittskyddsinstitutet) och
Christian Elmehagen (Tieto Healthcare & Welfare AB)
SweAlert – system för
övervakning och detektion

Lisa Brouwers
SMI - Enheten för epidemiologi och biostatistik
SweAlert - introduktion
• Samverkanspartner: Tieto och IBM
• Pandemivarning och övervakning
• Influensa
• Finansiering 2012 – 2014 MSB
Två delar – övervakning & detektion (i)
Övervakning - säsongsinfluensa
Idag: frivilligrapportering av läkare
som träffar på patienter med ILS =
Influensaliknande symptom.
Sentinelrapportering.
Problem: dålig täckning (antal och
geografisk spridning), resurskrävande
(tid och pengar)

Dödsfall
Intensivvård
Prov tas labbverifikation
Symptom – söker vård

Symptom – ev. hemma
från jobbet
Asymptomatiskt sjuka

Hälso- och
sjukvården

Idé: eftersom behandlande läkare
anger diagnoskod i patientjournalen
vid vårdbesöket, borde dessa kunna
extraheras automatiskt
Potentiella vinster: hög täckning (antal
och geografisk spridning),
resurseffektivt
Två delar – övervakning & detektion (ii)
Detektion – pandemi (bakgrund)
• Timing - den enskilt viktigaste faktorn för att en
pandemiintervention ska vara framgångsrik!
• Smittsamhet beskrivs med R0. R0 = 2 betyder att varje infekterad
person i genomsnitt infekterar två andra personer.
Dvs.
exponentiell
tillväxt

1

2

4
8
Generationer

16...
Två delar – övervakning & detektion (ii)
[forts.]
•

När det gäller detektion finns det två viktiga delar som automatisk
övervakning av vårddata kan bidra med:
1. Upptäcka att något onormalt är på gång
•

automatiska larm

2. Datainsamling i tidigt skede under pandemi – för att skräddarsy
motåtgärder
•

Information om åldersgrupper som drabbas, geografiskt mönster,
riskgrupper för svår sjukdom
SweAlert - introduktion
Aggregerade och avidentifierade data
från vårdsystemen
SweAlert – verksamhetsstöd SMI
nationellt perspektiv

Övervakning

Detektion
SweAlert varningsalgoritm
Moving Epidemics Method (MEM):
• Baseras på historiska säsonger
• Ger en varning när epidemisk period startar
• Ger en varning när epidemisk period slutar
SweAlert larm (MEM - exempel)
(Örebro)
Start

Stopp
Epidemisk period
SweAlert i framtiden
• Bättre anslutning, fler landsting
• Implementering av fler utbrottsalgoritmer (MEM jämförs
med andra)
• Inkludera andra sjukdomar och andra data (läkemedel,
labbsvar etc.)
• Komplettera eller ersätta Sentinel övervakningen
© 2011 Tieto Corporation

Vad är SweAlert?
&
Nytta med SweAlert
regionalt?

Christian Elmehagen
Business Manager e-Health Scandinavia
Tieto, Healthcare & Welfare AB
christian.elmehagen@tieto.com
+46 (0)70 3456563
- Möjligt att komma
åt informationen?

- Ej spårbart data
- Säkerhet
- Loggfunktion/-analys

M
er
vä
rd
es
ka
Kv
pa
ali
nd
ta
e
tiv
t jä
In
ns
fo
te
rm
Le
r?
at
ga
ion
l t?
?

Utmaningar med "Smarta tjänster” i
Hälso- och Sjukvården

- Tillförlitlig information
- Jämförbar information
- Accepterad information
- Informationsdemokrati

- Verksamhetsefterfrågan?
- Förändringsbenägen organisation?
- Ekonomiskt möjligt?

© 2011 Tieto Corporation
SweAlert en vidareutveckling av befintliga tjänster!
NPÖ

BI/BA Plattform

Datawarehouse

Prediktiv Analys
(SPSS)

Detaljdata:

Tjänstegränssnitt

NPÖ Integrationsplattform

Exempel
Arkitektur
Landsting

Regional Integrationsplattform

Tjänstekontrakt

Regionalt Datalager

Journal
System

© 2011 Tieto Corporation

Analysdata

1. Man/Kvinna
2. Ålder
3. Vårdenhet
4. Postnummer (3 siffror)
---------------------------------------Vårdkontakt
Labbsvar
Läkemedel
Diagnoskoder/ICD10.koder

Analys av stora mängder data
för att möjliggöra larm och
prediktion

Business Intelligence
(Cognos)
Analys, Rapporter, Styrkort,
Instrumentpanel/Dashboard
© 2011 Tieto Corporation

10/22/13
Larmrapport och prediktion
• En larmrapport som larmar för utbrott
• Detektion = MEM algoritmen (Förankrad World-Wide)
• Avvikelseanalys = Förväntat antal (medelvärdesberäkning minimum 3
föregående år)

© 2011 Tieto Corporation

10/22/13
Exempel på analys av åldersgrupper
• Analyser
• Sedan Örebro läns landsting anslöt sig till SweAlert får SMI ett större
underlag av diagnoser (ILS) än vad den traditionella Sentinel
övervakningen ger nationellt för ett helt år
• ”Droplister” för förenklad och jämförbar hantering

© 2011 Tieto Corporation

10/22/13
Prediktiv övervakning och
detektion av pandemier
• Prediktion möjliggör att man kan
göra förberedelser och inte alltid
tvingas till ”brandsläckning”
• Utbrott kan detekteras ”live” vilket
möjliggör en aktiv regional styrning
utifrån fakta.
• Möjligt att följa smittspridning ”live”
nationellt, regionalt och lokalt!

© 2011 Tieto Corporation

10/22/13
Möjlighet att använda levande styrdata för
ledning i det regionala arbetet, exempelvis:
• Motåtgärder för begränsning av
smittspridning (ex. preventiv lokal
vaccinering av riskpatienter)
• SweAlert kan vara en delmängd vid
Produktionsplanering (ex.
bemanningsplanering) på sjukhus och
primärvårdsmottagningar
• Startskott för öppnande av avskilda
akutmottagningar för influensa
patienter

© 2011 Tieto Corporation

10/22/13
Beredskap och aktiv logistikhantering av
läkemedel och utrustning
• Vid limiterad tillgång av läkemedel
och/eller utrustning skulle SweAlert
framgent kunna stötta med logistik
för att maximera effekten av
befintliga resurser
• Unik data kan göras tillgänglig för
forskning

© 2011 Tieto Corporation

10/22/13
Vad jobbar vi nu vidare med?
• Ansluta samtliga landsting till
SweAlert!
• Utöver Influensa arbetar vi
tillsammans med att etablera nya
användningsområden!
• Addera nya data för att förfina
resultatet, ex. labbrapporter och
läkemedel
• Gå ifrån veckorapportering till
dagrapportering eller på sikt helt
”live” utifrån tekniska möjligheter!
• Löpande lägga till och förfina
algoritmer!
© 2011 Tieto Corporation

10/22/13
Christian Elmehagen
Business Manager e-Health Scandinavia
Tieto, Healthcare & Welfare AB
christian.elmehagen@tieto.com
+46 (0)70 3456563

© 2010 Tieto Corporation

Tack!

&

Lisa Brouwers
Head of Unit
Smittskyddsinstitutet
lisa.brouwers@smi.se
+46 (0)8 4572394

Weitere ähnliche Inhalte

Mehr von IBM Sverige

Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18
Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18
Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18IBM Sverige
 
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18IBM Sverige
 
#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar

#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar
#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar

#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar
IBM Sverige
 
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, InterexionIBM Sverige
 
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBMIBM Sverige
 
Multiresursplanering - Karolinska Universitetssjukhuset
Multiresursplanering - Karolinska UniversitetssjukhusetMultiresursplanering - Karolinska Universitetssjukhuset
Multiresursplanering - Karolinska UniversitetssjukhusetIBM Sverige
 
Solving Challenges With 'Huge Data'
Solving Challenges With 'Huge Data'Solving Challenges With 'Huge Data'
Solving Challenges With 'Huge Data'IBM Sverige
 
Blockchain explored
Blockchain explored Blockchain explored
Blockchain explored IBM Sverige
 
Blockchain architected
Blockchain architectedBlockchain architected
Blockchain architectedIBM Sverige
 
Blockchain explained
Blockchain explainedBlockchain explained
Blockchain explainedIBM Sverige
 
Grow smarter project kista watson summit 2018_tommy auoja-1
Grow smarter project  kista watson summit 2018_tommy auoja-1Grow smarter project  kista watson summit 2018_tommy auoja-1
Grow smarter project kista watson summit 2018_tommy auoja-1IBM Sverige
 
Bemanningsplanering axfood och houston final
Bemanningsplanering axfood och houston finalBemanningsplanering axfood och houston final
Bemanningsplanering axfood och houston finalIBM Sverige
 
Power ai nordics dcm
Power ai nordics dcmPower ai nordics dcm
Power ai nordics dcmIBM Sverige
 
Nvidia and ibm presentation feb18
Nvidia and ibm presentation feb18Nvidia and ibm presentation feb18
Nvidia and ibm presentation feb18IBM Sverige
 
Hwx introduction to_ibm_ai
Hwx introduction to_ibm_aiHwx introduction to_ibm_ai
Hwx introduction to_ibm_aiIBM Sverige
 
Ac922 watson 180208 v1
Ac922 watson 180208 v1Ac922 watson 180208 v1
Ac922 watson 180208 v1IBM Sverige
 
Watson kista summit 2018 box
Watson kista summit 2018 box Watson kista summit 2018 box
Watson kista summit 2018 box IBM Sverige
 
Watson kista summit 2018 en bättre arbetsdag för de många människorna
Watson kista summit 2018   en bättre arbetsdag för de många människornaWatson kista summit 2018   en bättre arbetsdag för de många människorna
Watson kista summit 2018 en bättre arbetsdag för de många människornaIBM Sverige
 
Iwcs and cisco watson kista summit 2018 v2
Iwcs and cisco   watson kista summit 2018 v2Iwcs and cisco   watson kista summit 2018 v2
Iwcs and cisco watson kista summit 2018 v2IBM Sverige
 
Ibm intro (watson summit) bkacke
Ibm intro (watson summit) bkackeIbm intro (watson summit) bkacke
Ibm intro (watson summit) bkackeIBM Sverige
 

Mehr von IBM Sverige (20)

Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18
Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18
Trender, inspirationer och visioner - Mikael Haglund #ibmbpsse18
 
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18
AI – hur långt har vi kommit? – Oskar Malmström, IBM #ibmbpsse18
 
#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar

#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar
#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar

#ibmbpsse18 - The journey to AI - Mikko Hörkkö, Elinar

 
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion
#ibmbpsse18 - Koppla säkert & redundant till IBM Cloud - Magnus Huss, Interexion
 
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM
#ibmbpsse18 - Den svenska marknaden, Andreas Lundgren, CMO, IBM
 
Multiresursplanering - Karolinska Universitetssjukhuset
Multiresursplanering - Karolinska UniversitetssjukhusetMultiresursplanering - Karolinska Universitetssjukhuset
Multiresursplanering - Karolinska Universitetssjukhuset
 
Solving Challenges With 'Huge Data'
Solving Challenges With 'Huge Data'Solving Challenges With 'Huge Data'
Solving Challenges With 'Huge Data'
 
Blockchain explored
Blockchain explored Blockchain explored
Blockchain explored
 
Blockchain architected
Blockchain architectedBlockchain architected
Blockchain architected
 
Blockchain explained
Blockchain explainedBlockchain explained
Blockchain explained
 
Grow smarter project kista watson summit 2018_tommy auoja-1
Grow smarter project  kista watson summit 2018_tommy auoja-1Grow smarter project  kista watson summit 2018_tommy auoja-1
Grow smarter project kista watson summit 2018_tommy auoja-1
 
Bemanningsplanering axfood och houston final
Bemanningsplanering axfood och houston finalBemanningsplanering axfood och houston final
Bemanningsplanering axfood och houston final
 
Power ai nordics dcm
Power ai nordics dcmPower ai nordics dcm
Power ai nordics dcm
 
Nvidia and ibm presentation feb18
Nvidia and ibm presentation feb18Nvidia and ibm presentation feb18
Nvidia and ibm presentation feb18
 
Hwx introduction to_ibm_ai
Hwx introduction to_ibm_aiHwx introduction to_ibm_ai
Hwx introduction to_ibm_ai
 
Ac922 watson 180208 v1
Ac922 watson 180208 v1Ac922 watson 180208 v1
Ac922 watson 180208 v1
 
Watson kista summit 2018 box
Watson kista summit 2018 box Watson kista summit 2018 box
Watson kista summit 2018 box
 
Watson kista summit 2018 en bättre arbetsdag för de många människorna
Watson kista summit 2018   en bättre arbetsdag för de många människornaWatson kista summit 2018   en bättre arbetsdag för de många människorna
Watson kista summit 2018 en bättre arbetsdag för de många människorna
 
Iwcs and cisco watson kista summit 2018 v2
Iwcs and cisco   watson kista summit 2018 v2Iwcs and cisco   watson kista summit 2018 v2
Iwcs and cisco watson kista summit 2018 v2
 
Ibm intro (watson summit) bkacke
Ibm intro (watson summit) bkackeIbm intro (watson summit) bkacke
Ibm intro (watson summit) bkacke
 

SweAlert: Nästa generations Pandemiövervakning - IBM Smarter Business 2013

  • 1. SweAlert Nästa generations pandemiövervakning Lisa Brouwers, Smittskyddsinstitutet Christian Elmehagen Tieto Healthcare & Welfare AB © 2011 Tieto Corporation © 2013 IBM Corporation
  • 2. © 2011 Tieto Corporation SweAlert Nästa generations pandemiövervakning IBM Smarter Business Days 17 Oktober 2013 Lisa Brouwers (Smittskyddsinstitutet) och Christian Elmehagen (Tieto Healthcare & Welfare AB)
  • 3. SweAlert – system för övervakning och detektion Lisa Brouwers SMI - Enheten för epidemiologi och biostatistik
  • 4. SweAlert - introduktion • Samverkanspartner: Tieto och IBM • Pandemivarning och övervakning • Influensa • Finansiering 2012 – 2014 MSB
  • 5. Två delar – övervakning & detektion (i) Övervakning - säsongsinfluensa Idag: frivilligrapportering av läkare som träffar på patienter med ILS = Influensaliknande symptom. Sentinelrapportering. Problem: dålig täckning (antal och geografisk spridning), resurskrävande (tid och pengar) Dödsfall Intensivvård Prov tas labbverifikation Symptom – söker vård Symptom – ev. hemma från jobbet Asymptomatiskt sjuka Hälso- och sjukvården Idé: eftersom behandlande läkare anger diagnoskod i patientjournalen vid vårdbesöket, borde dessa kunna extraheras automatiskt Potentiella vinster: hög täckning (antal och geografisk spridning), resurseffektivt
  • 6. Två delar – övervakning & detektion (ii) Detektion – pandemi (bakgrund) • Timing - den enskilt viktigaste faktorn för att en pandemiintervention ska vara framgångsrik! • Smittsamhet beskrivs med R0. R0 = 2 betyder att varje infekterad person i genomsnitt infekterar två andra personer. Dvs. exponentiell tillväxt 1 2 4 8 Generationer 16...
  • 7. Två delar – övervakning & detektion (ii) [forts.] • När det gäller detektion finns det två viktiga delar som automatisk övervakning av vårddata kan bidra med: 1. Upptäcka att något onormalt är på gång • automatiska larm 2. Datainsamling i tidigt skede under pandemi – för att skräddarsy motåtgärder • Information om åldersgrupper som drabbas, geografiskt mönster, riskgrupper för svår sjukdom
  • 8. SweAlert - introduktion Aggregerade och avidentifierade data från vårdsystemen
  • 9. SweAlert – verksamhetsstöd SMI nationellt perspektiv Övervakning Detektion
  • 10. SweAlert varningsalgoritm Moving Epidemics Method (MEM): • Baseras på historiska säsonger • Ger en varning när epidemisk period startar • Ger en varning när epidemisk period slutar
  • 11. SweAlert larm (MEM - exempel) (Örebro) Start Stopp Epidemisk period
  • 12. SweAlert i framtiden • Bättre anslutning, fler landsting • Implementering av fler utbrottsalgoritmer (MEM jämförs med andra) • Inkludera andra sjukdomar och andra data (läkemedel, labbsvar etc.) • Komplettera eller ersätta Sentinel övervakningen
  • 13. © 2011 Tieto Corporation Vad är SweAlert? & Nytta med SweAlert regionalt? Christian Elmehagen Business Manager e-Health Scandinavia Tieto, Healthcare & Welfare AB christian.elmehagen@tieto.com +46 (0)70 3456563
  • 14. - Möjligt att komma åt informationen? - Ej spårbart data - Säkerhet - Loggfunktion/-analys M er vä rd es ka Kv pa ali nd ta e tiv t jä In ns fo te rm Le r? at ga ion l t? ? Utmaningar med "Smarta tjänster” i Hälso- och Sjukvården - Tillförlitlig information - Jämförbar information - Accepterad information - Informationsdemokrati - Verksamhetsefterfrågan? - Förändringsbenägen organisation? - Ekonomiskt möjligt? © 2011 Tieto Corporation
  • 15. SweAlert en vidareutveckling av befintliga tjänster! NPÖ BI/BA Plattform Datawarehouse Prediktiv Analys (SPSS) Detaljdata: Tjänstegränssnitt NPÖ Integrationsplattform Exempel Arkitektur Landsting Regional Integrationsplattform Tjänstekontrakt Regionalt Datalager Journal System © 2011 Tieto Corporation Analysdata 1. Man/Kvinna 2. Ålder 3. Vårdenhet 4. Postnummer (3 siffror) ---------------------------------------Vårdkontakt Labbsvar Läkemedel Diagnoskoder/ICD10.koder Analys av stora mängder data för att möjliggöra larm och prediktion Business Intelligence (Cognos) Analys, Rapporter, Styrkort, Instrumentpanel/Dashboard
  • 16. © 2011 Tieto Corporation 10/22/13
  • 17. Larmrapport och prediktion • En larmrapport som larmar för utbrott • Detektion = MEM algoritmen (Förankrad World-Wide) • Avvikelseanalys = Förväntat antal (medelvärdesberäkning minimum 3 föregående år) © 2011 Tieto Corporation 10/22/13
  • 18. Exempel på analys av åldersgrupper • Analyser • Sedan Örebro läns landsting anslöt sig till SweAlert får SMI ett större underlag av diagnoser (ILS) än vad den traditionella Sentinel övervakningen ger nationellt för ett helt år • ”Droplister” för förenklad och jämförbar hantering © 2011 Tieto Corporation 10/22/13
  • 19. Prediktiv övervakning och detektion av pandemier • Prediktion möjliggör att man kan göra förberedelser och inte alltid tvingas till ”brandsläckning” • Utbrott kan detekteras ”live” vilket möjliggör en aktiv regional styrning utifrån fakta. • Möjligt att följa smittspridning ”live” nationellt, regionalt och lokalt! © 2011 Tieto Corporation 10/22/13
  • 20. Möjlighet att använda levande styrdata för ledning i det regionala arbetet, exempelvis: • Motåtgärder för begränsning av smittspridning (ex. preventiv lokal vaccinering av riskpatienter) • SweAlert kan vara en delmängd vid Produktionsplanering (ex. bemanningsplanering) på sjukhus och primärvårdsmottagningar • Startskott för öppnande av avskilda akutmottagningar för influensa patienter © 2011 Tieto Corporation 10/22/13
  • 21. Beredskap och aktiv logistikhantering av läkemedel och utrustning • Vid limiterad tillgång av läkemedel och/eller utrustning skulle SweAlert framgent kunna stötta med logistik för att maximera effekten av befintliga resurser • Unik data kan göras tillgänglig för forskning © 2011 Tieto Corporation 10/22/13
  • 22. Vad jobbar vi nu vidare med? • Ansluta samtliga landsting till SweAlert! • Utöver Influensa arbetar vi tillsammans med att etablera nya användningsområden! • Addera nya data för att förfina resultatet, ex. labbrapporter och läkemedel • Gå ifrån veckorapportering till dagrapportering eller på sikt helt ”live” utifrån tekniska möjligheter! • Löpande lägga till och förfina algoritmer! © 2011 Tieto Corporation 10/22/13
  • 23. Christian Elmehagen Business Manager e-Health Scandinavia Tieto, Healthcare & Welfare AB christian.elmehagen@tieto.com +46 (0)70 3456563 © 2010 Tieto Corporation Tack! & Lisa Brouwers Head of Unit Smittskyddsinstitutet lisa.brouwers@smi.se +46 (0)8 4572394

Hinweis der Redaktion

  1. Daniel Lundberg - Brenvid Affecto -
  2. Schematisk struktur. Tjänsten SWEalert
  3. Börja med övervakning och varning gå sedan in på detaljerna.
  4. Varför fler utbrottsalgoritmer? Säkerställa validera precision.
  5. Antal fall per åldersintervall (glesa intervall) Antal fall per åldersintervall (täta intervall) Tabell för antal, pajdiagram för andel fall per åldersintervall (glesa intervall) Tabell för antal, pajdiagram för andel fall per åldersintervall (täta intervall) Totalt antal fall