1. • Ongelma: Sote-sektorilla on paljon dataa omasta toiminnasta, etenkin historiatietoa. Asiakasmäärien ennakointi, etenkin
päivystystoiminnassa, on kuitenkin hankalaa päivätasolla ja viikkotasolla, koska asiakkaiden terveydentilaan vaikuttaa monet
asiat, kuten säätila, maailman tilanne (esim. sota, pandemiat, luonnonkatastrofit), vuodenaika (infektiot, juhlapyhät)
• Tavoitteena hyödyntää julkiseen dataan perustuvien hakuja sekä säätilan muutoksia asiakasmäärien ennakoinnissa
• Säätilan muutokset
• Liukas keli johtaa murtumiin – tarvitaan lisämiehitystä ja oikeita tarvikkeita päivystykseen
• Kuuma ja kylmä ilma – pahentaa monia sairauksia
• Google-haut
• Globaalit uutisointiaiheet altistaa / pahentaa monia sairauksia
• Esim. flunssa-/ infektio-oireiden hakujen lisääminen ennakoi suurempaa kysyntää
• Omaoloon johtavat kyselyt / täytetyt oirearviot tuovat esille kysyntää
• Julkisen yleisen datan lisäksi Kanta-Hämeen omaa dataa, esim. päivystyksen kävijät (osittain näitäkin
saatavissa historiatietoina Sotkanet, THL Benchmarking)
• Hyötypotentiaali:
• Ennakointi parantaa asiakaskokemusta ja helpottaa hoitoonpääsyä
• Resurssien oikea-aikainen käyttö pienentää kustannuksia
Hackathon haaste:
Päivystyksen asiakasmäärien ennakointi ja mallintaminen
29.8.2023 Kanta-Hämeen hyvinvointialue 3