Ladda ner artikeln som PDF

Aldrig har så många haft så få att tacka för så mycket. Det var visserligen inte Stockholms Läns Landstings beställaravdelning som Churchill främst syftade på, men det kanske han borde ha gjort. En stor mängd beslutsfattare och controllers som utvärderar och planerar för framtida vårdbehov har alltid snabb och enkel tillgång till kvalificerade analyser, trots en stor mängd vårdbesök och flera omorganisationer. Detta tack vare två hängivna SAS software-användare som tänkte rätt från början.

Varje år gör stockholmarna tillsammans 15 miljoner vårdbesök. Kostnaden för dessa är hög, så det är viktigt att resurserna används på rätt sätt. För att tydliggöra resursåtgången infördes den så kallade Stockholmsmodellen under 1992. Syfte var att renodla producent- och konsumentrollerna inom sjukvården. Länet delades in i nio sjukvårdsområden som ansvarade för att beställa vård för invånarnas räkning från producenterna; sjukhus, vårdcentraler samt övriga offentliga eller privata mottagningar. I och med att beställarrollen renodlades tilläts invånarna dessutom att själva välja vilket sjukhus eller mottagning inom länet de ville gå till.

För beställarna och producenterna blev det därmed viktigt att ha god kunskap om invånarnas vårdkonsumtion för att kunna prognostisera och planera för framtida vårdbehov. På två av sjukvårdsområdena beslöt man att satsa på en Data Warehouse-lösning från SAS software. Drivande i detta projekt var Göran Lord och Hans Gustafsson, analytiker på sydvästra respektive sydöstra sjukvårdsområdet. Tillsammans utvecklade de analysverktyget SIVA; System för Interaktiv Vårdanalys.

Klarat omorganisationer
SIVA blev snabbt populärt och användes av controllers och planeringsansvariga på beställarsidan, men även av vissa producenter. Systemet har överlevt en sammanslagning av sjukvårdsområdena, men står nu inför sin största utmaning.

"Nio sjukvårdområden som sedan blev sex ska nu slås samman till 3 beställaravdelningar.
I samband med detta skapas en gemensam analysenhet för hela landstinget. Så nu ska vi omvandla vårt Data Warehouse så att det kan hantera alla vårdbesök i länet och ge beslutsunderlag till alla beställare. Och det kommer vi att klara - på knappt tre månader - tack vare att vi tänkte rätt från början", säger Göran Lord. "Och använde rätt plattform", fyller Hans Gustafsson i.

Göran och Hans är mycket entusiastiska och faller varandra i talet hela tiden. Intrycket av hängiven samstämmighet förstärks när Göran fortsätter: "Hasse och jag hade samma grundinställning när vi började. Ett fåtal personer ska kunna förse hela landstinget med beslutsunderlag. Varför ska hundratals ekonomer, administratörer och planerare jaga data och bygga excelrapporter? De ska lägga tid på att analysera rapporterna. Således byggde vi ett Data Warehouse och använde SAS Institutes webbgränssnitt, så att det endast behövs tunna klienter."

Och ett tunna-klient-liknande tankesätt går igen i allt som Göran och Hans skapat. Användarna ska få det analysstöd de vill ha utan att behöva belastas av vare sig onödig information eller dyr utbildning. Med tanke på att användarna har olika behov, olika perspektiv och olika kunskapsnivåer så gäller det att vara flexibel.

Olika lösningar för olika användare
"Vi löser olika användares behov på olika sätt. En grundförutsättning har varit att vi själva kan ämnet. Vi är inte en IT-avdelning, vi är en analysenhet. Därmed har vi kunnat förutse analysbehovet och byggt fasta rapporter som täcker 90 procent av behovet. Därutöver finns det stora möjligheter till flexibilitet och frihet i systemet, men för att inte förvilla mindre avancerade användare har vi byggt systemet så att man lotsas till de fasta rapporterna först", säger Hans.

Det finns 10 grundrapporter med till exempel vårdbesök per producent eller geografisk område. För de flitigaste användarna finns det en analyskub där man kan vrida och vända på 20 parametrar och analysera vårddata ur sitt eget perspektiv.

"Vi ville ha en riktigt bra och flexibel kub, och då var det ingen idé att bygga den så att alla kan använda den. Ovana användare får istället vända sig till oss så bygger vi ad hoc-rapporter. Tack vare SAS flexibilitet går det ofta på 10 minuter", fortsätter Hans.

Små byggstenar
Genom att bygga Data Warehouse med små byggstenar, det vill säga med rådata på så låg nivå som möjligt, har man uppnått den flexibilitet som analyskuben kräver. Det är också därför som man nu kan ställa om så snabbt till den nya organisationen.

"Gamla rapporter har vi kunnat anpassa från att gälla två av sex sjukvårdsområden till hela landstinget uppdelat på tre beställaravdelningar och det tog bara en dag. Så vi har redan historik från 2000 trots att den nya organisationen infördes för endast fem veckor sedan", berättar Göran

"Tack vare att vi byggt från botten kan vi dessutom simulera framtiden, till exempel inför en större omorganisationer kan politiker och andra beslutsfattare se vad olika geografiska indelningar får för konsekvenser. Även om de planerar att lägga ned sjukhus eller mottagningar kan vi ge besked om konsekvenserna: vilka besöker sjukhuset, vad är det för diagnoser med mera?", fyller Hans i.

"Det är rätt maffigt!", inflikar en nöjd Göran Lord." Hur kan man göra det utan ett vasst verktyg? Vi gjorde rätt från början och byggde i SAS software."