DF Den Intelligenta Akutmottagningen Utvärdering av Microsoft Power BI för utformning av digitala beslutsstöd i akutsjukvården Kandidatarbete vid institutionen för elektroteknik TOBIAS BÄCKEMO JULIA GUSTAFSSON CAROLINA LARSSON TOBIAS LINDROTH KONRAD OLSSON ALEXANDER ÖRNBRATT Institutionen för elekroteknik CHALMERS TEKNISKA HÖGSKOLA Göteborg, Sverige 2020 Kandidatarbete EENX15-20-12 Den Intelligenta Akutmottagningen Utvärdering av Microsoft Power BI för utformning av digitala beslutsstöd i akutsjukvården TOBIAS BÄCKEMO JULIA GUSTAFSSON CAROLINA LARSSON TOBIAS LINDROTH KONRAD OLSSON ALEXANDER ÖRNBRATT DF Institutionen för elektroteknik System- och reglerteknik Chalmers tekniska högskola Göteborg, Sverige 2020 Den Intelligenta Akutmottagningen Utvärdering av Microsoft Power BI för utformning av digitala beslutsstöd i akut- sjukvården © Tobias Bäckemo Julia Gustafsson Carolina Larsson Tobias Lindroth Konrad Olsson Alexander Örnbratt, 2020. Handledare: Kristofer Bengtsson, Institutionen för elektroteknik Examinator: Petter Falkman, Institutionen för elektroteknik Kandidatarbete EENX15-20-12 System- och reglerteknik, Institutionen för elektroteknik Chalmers tekniska högskola SE-412 96 Göteborg Telefonnummer +46 31 772 1000 Omslagsbild: Sequence Planners gränssnitt i MPBI. iv Förord Denna kandidatuppsats skrevs under våren 2020 på avdelningen system- och regler- teknik vid institutionen för elektroteknik på Chalmers tekniska högskola. Projekt- gruppen utgjordes av studenter från programmen Datateknik och Informationstek- nik. Projektets källkod och utförlig dokumentation över applikationen finns tillgänglig på https://github.com/sequenceplanner/sp_health. Vi riktar varma tack till teknologie doktor Kristofer Bengtsson, som handlett och inspirerat oss samt gett oss möjligheten att fortsätta ett värdefullt arbete trots rådande omständigheter med covid-19 pandemin. Tack till Caroline Fruberg, utvecklingsledare för akutvården på NÄL, för att du introducerat oss till verksamheten under vårt studiebesök, hjälpt oss med material för att möjliggöra och underlätta utvecklingen under projektets gång, samt gett oss användbar feedback om vår slutprodukt. Tack också till våra kontaktpersoner på Sahlgrenska för den information ni tillhanda- hållit gällande vårdens mjukvarusystem samt hur ni hjälpt till att belysa variationer i arbetssätten på olika sjukhus. Slutligen vill vi tacka personalen på NÄL:s och Sahlgrenskas akutmottagning för att ni med stort engagemang och intresse har visat upp era verksamheter. Tobias Bäckemo Julia Gustafsson Carolina Larsson Tobias Lindroth Konrad Olsson Alexander Örnbratt Chalmers tekniska högskola Göteborg, Maj 2020 https://github.com/sequenceplanner/sp_health Sammanfattning Denna rapport beskriver vidareutvecklingen av det digitala beslutsstödet Sequence Planner (SP), som används på Norra Älvsborgs Länssjukhus (NÄL) för att ge en överblick över verksamheten på akutmottagningen. Det huvudsakliga målet med projektet har varit att undersöka hur den tidigare applikationens grafiska gränssnitt kan överföras till datavisualiseringsverktyget Microsoft Power BI (MPBI) för att på sikt kunna implementeras på fler akutmottagningar inom Västra Götalandsregionen (VGR). Syftet har därmed varit att undersöka hur nuvarande funktionalitet kan anpassas till fler sjukhus inom VGR. För att bättre besvara frågeställningarna har observationer genomförts på Sahlgrenska sjukhuset och NÄL. Arbetet har utmynnat i en ny version av SP med utökad funktionalitet. De två vyerna som personalen på NÄL har använt sig av har båda återimplementerats i MPBI. Det har även skapats vyer för patienterna på mottagningen: en för det yttre väntrummet och en för de inre. Kopplat till pandemin har det utvecklats en instrumentpanel som visar en översikt över alla eventuella covid-19-patienter på hela NÄL. Slutligen har en lokal rapportserver som visar statistik och frekvenser utifrån sparad data utvecklats för att testa möjligheterna med en rapportserver. Slutsatsen som dragits av arbetet är att trots vissa begränsningar har MPBI varit adekvat som verktyg för det grafiska gränssnittet. SP är nu även ett steg närmare att kunna implementeras på fler mottagningar då MPBI är ett redan integrerat verktyg inom VGR. Utmaningen som kvarstår är hur avvägningen mellan funktionalitet och säkerhet ska göras, då MPBI rapportserver gör det möjligt för all data att hanteras lokalt men saknar viktiga funktioner som MPBI-molntjänsten har. Nyckelord: akutmottagning, datavisualisering, kartvy, Microsoft Power BI, NÄL, patientvy, Sequence Planner, sjukhus, statistik, väntrumsvy Abstract This report serves as an account of the further development performed as part of a Bachelor’s thesis project upon Sequence Planner (SP), the data visualization and de- cision support system used at Norra Älvsborgs Länssjukhus (NÄL), a major hospital located in Trollhättan, Sweden. The project’s purpose was focused on investigating the possibility of transferring the functionality of the previous, proprietary version of SP to Microsoft’s business analytics service Power BI (MPBI). This would al- low for an easier implementation of such a system at other hospitals in the Västra Götaland region (VGR). Sahlgrenska hospital and NÄL were visited in order to get a better grasp of the identified issues pertaining to their respective emergency departments. The project resulted in a new version of SP with added functionality. The two widgets used most frequently by NÄL’s staff were implemented in MPBI and two new widgets were developed to visualize useful information for patients in the waiting rooms. The covid-19 pandemic led to the creation of a dashboard that shows an overview of all patients in the hospital presumed to be infected with the virus. To test the usefulness of local report servers, one that shows statistics and frequencies based on historic data has been developed. The conclusion that has been made as a result of this project is that despite its limitations, MPBI is an adequate tool for data visualization at hospitals. Having ported SP to the MPBI platform, it is now closer to being a feasible solution for more emergency departments within VGR. A challenge entailing finding a balance between functionality and security remains, as MPBI’s report server makes local data processing possible, but lacks the important features included in MPBI’s cloud-based service. Keywords: data visualization, emergency department, hospital, map widget, Micro- soft Power BI, NÄL, patient widget, Sequence Planner, statistics, waiting room widget Ordlista VGR Västra Götalandsregionen ansvarar för en god sjukvård, utbild- ning, kultur och kollektivtrafik i Västra Götaland. NÄL Norra Älvsborgs Länssjukhus i Västra Götalands län. SU Sahlgrenska Universitetssjukhuset i Göteborg. SP Sequence Planner är ett digitalt beslutsstöd för personalen på NÄL som modellerar och visualiserar data från ELVIS. MPBI Microsoft Power Business Intelligence (Power BI) är en pro- gramvara som tillhandahåller verktyg för utformning av datavi- sualiseringar. ELVIS Elektroniskt Vårdinformationssystem är en programvara som används inom sjukvården i Västra Götalandsregionen till att dokumentera aktuella vårdprocesser hos patienter. Triage Inledande bedömning av en patients hälsotillstånd. Bedömning- en resulterar i en klassificering som beskriver patientens vård- behov och ligger till grund för prioritering. RETTS Rapid Emergency Triage and Treatment System är triagesyste- met som används inom sjukvården i Västra Götalandsregionen. TTT Tid Till Triage är den tid som förflyter från att patienten in- kommer på en vårdavdelning tills triage inleds. TTL Tid Till Läkare är den tid som förflyter från att patienten in- kommer på en vårdavdelning tills första kontakt med en läkare. TTK Tid Till Klar är den tid som förflyter från att patienten in- kommer på en vårdavdelning tills den är färdigbehandlad av vårdpersonalen på den avsedda avdelningen. TVT Total Vistelsetid är den tid som förflyter från att patienten in- kommer på en akutmottagning tills förflyttning sker till annan vårdavdelning, alternativt hemgång. Stream Selektion av potentiellt snabbt handlagda patienter som riskerar långa väntetider till ett snabbspår på akutmottagningen. Innehåll 1 Inledning 1 1.1 Bakgrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.1 Svensk akutsjukvård . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.2 Sequence Planner och dess begränsningar . . . . . . . . . . . . 3 1.2 Syfte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3 Frågeställningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.4 Avgränsningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.5 Samhälleliga och etiska aspekter . . . . . . . . . . . . . . . . . . . . . 6 1.6 Disposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2 Teori 7 2.1 Gemensamma vård- och beslutsstöd inom VGR . . . . . . . . . . . . 7 2.1.1 Triagesystemet RETTS . . . . . . . . . . . . . . . . . . . . . . 7 2.1.2 Nyckeltal för patienters vårdprocess . . . . . . . . . . . . . . . 8 2.1.3 Vårdinformationssystemet ELVIS . . . . . . . . . . . . . . . . 8 2.2 Akutmottagningen på NÄL . . . . . . . . . . . . . . . . . . . . . . . 10 2.2.1 Patientens väg genom akutmottagningen . . . . . . . . . . . . 11 2.2.2 Användningsområden för IT-system . . . . . . . . . . . . . . . 13 2.2.3 Pågående utvecklingsarbete . . . . . . . . . . . . . . . . . . . 13 2.3 Akutverksamheten på SU . . . . . . . . . . . . . . . . . . . . . . . . 13 2.3.1 IT-system på SU . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.4 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3 Metod 19 3.1 Undersökning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.1.1 Observationsstudie . . . . . . . . . . . . . . . . . . . . . . . . 19 3.1.2 Intervjuer angående gränssnitt . . . . . . . . . . . . . . . . . . 19 3.1.3 Resultat från tidigare projekt . . . . . . . . . . . . . . . . . . 20 3.2 Utformning av anpassade visuella objekt . . . . . . . . . . . . . . . . 20 3.3 Utveckling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3.1 Implementation av gränssnitt . . . . . . . . . . . . . . . . . . 21 3.3.2 Implementation av backend . . . . . . . . . . . . . . . . . . . 21 3.4 Jämförelse av Power BI-tjänsten och Power BI rapportserver . . . . . 22 3.5 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.5.1 Realtidstest . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 ix Innehåll 3.5.2 Intervjuer med personal . . . . . . . . . . . . . . . . . . . . . 22 4 Applikation i Power BI 23 4.1 Kravspecifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.2 Koordinatorpanel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.2.1 Identifierade behov . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.2 Patientvy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.2.1 Gränssnitt . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.2.2 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . 29 4.2.3 Kartvy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.2.3.1 Gränssnitt . . . . . . . . . . . . . . . . . . . . . . . . 30 4.2.3.2 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . 30 4.3 Pandemipanel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4.3.1 Identifierade behov . . . . . . . . . . . . . . . . . . . . . . . . 31 4.3.2 Gränssnitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.3.3 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.4 Väntrumspaneler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.4.1 Identifierade behov . . . . . . . . . . . . . . . . . . . . . . . . 33 4.4.2 Gränssnitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 4.4.3 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 4.5 Statistikrapporter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.5.1 Status . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.5.2 Nyckeltal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.5.3 Läkaröversikt . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.5.4 Frekvenser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.5.5 Övrigt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.5.6 Sjukhusflöde . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.5.7 Utvärdering . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 5 Datahantering 43 5.1 Datauppsättningar i Power BI . . . . . . . . . . . . . . . . . . . . . . 44 5.2 Backend . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5.2.1 Akutflöde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5.2.1.1 Transformering till akutpatient . . . . . . . . . . . . 46 5.2.1.2 Spara händelser till databas . . . . . . . . . . . . . . 47 5.2.1.3 Transformering till patientvy . . . . . . . . . . . . . 48 5.2.1.4 Transformering till kartvy . . . . . . . . . . . . . . . 50 5.2.1.5 Transformering till väntrumsvyer . . . . . . . . . . . 51 5.2.2 Sjukhusflöde . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 5.2.2.1 Transformering till pandemipanel . . . . . . . . . . . 53 5.2.2.2 Spara till databas . . . . . . . . . . . . . . . . . . . . 53 6 Diskussion 55 6.1 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.1.1 Anpassade visuella objekt . . . . . . . . . . . . . . . . . . . . 55 6.1.2 Instrumentpaneler och rapporter . . . . . . . . . . . . . . . . 56 6.1.3 Datauppsättningar . . . . . . . . . . . . . . . . . . . . . . . . 57 x Innehåll 6.1.4 Rapportserver . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.1.5 Power BI-tjänsten . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.1.6 Övrigt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.2 Datahantering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.3 Väntrumspaneler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.3.1 Uppfyllda önskemål från patienter . . . . . . . . . . . . . . . . 60 6.3.2 Brister med nuvarande implementation . . . . . . . . . . . . . 60 6.3.3 Alternativa lösningar . . . . . . . . . . . . . . . . . . . . . . . 61 6.4 Metoddiskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 6.5 Utvecklingsmöjligheter . . . . . . . . . . . . . . . . . . . . . . . . . . 63 7 Slutsats 65 Referenser 67 A Datauppsättningar 71 A.1 Patientvy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 A.2 Kartvy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 A.3 Väntrumsvy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 B Patientdatan 77 B.1 ElvisPatient och ElvisEvent . . . . . . . . . . . . . . . . . . . . . . . 77 B.2 EmergencyPatient och EmergencyEvent . . . . . . . . . . . . . . . . 78 xi 1 Inledning Att utföra rätt behandling vid rätt tidpunkt är kritiskt för att en vårdinsats ska få önskad effekt och kan innebära skillnaden mellan liv och död. Därmed är tillgång och närhet till kvalitativ hälso- och sjukvård en av grundpelarna i Sveriges sociala skyddsnät. En kartläggning utförd av Vårdanalys [1] konstaterar att den främsta tryggheten möjligen utgörs av akutsjukvården som utmärker sig genom att tillhan- dahålla snabb läkarkontakt dygnet runt för patienter som upplever ett brådskande vårdbehov. Tobias Carlson [2], chef på Akututvecklingscentrum för Sahlgrenska Universitets- sjukhuset (SU), anser att personalen är vårdapparatens främsta resurs och därmed grundläggande för att kunna erbjuda högkvalitativ vård. Samtidigt påpekar Vårda- nalys [1] att rekrytering och tillvaratagande av kompetent personal är en av vårdens stora utmaningar idag. Det förklaras huvudsakligen med en rad arbetsmiljömässiga faktorer, bland annat en hög arbetsbelastning till följd av den stora tillströmmning- en av patienter och obekväma arbetstider. Då vårdinsatsen skräddarsys efter varje individs behov krävs omfattande koordination och planering vilket stundtals innebär att personalen får utstå stress och en hög kognitiv belastning. Kristofer Bengtsson [3], teknologie doktor inom automation på Chalmers tekniska högskola, och Carlsson [2] framhåller båda att IT-lösningar kan vara ett sätt att underlätta personalens arbete. Informativa gränssnitt kan ge en bättre helhetsbild av verksamheten och därmed öka förutsättningarna för att fatta gynnsamma beslut. Denna rapport utvärderar Microsoft Power BI (MPBI) som ett verktyg för att ut- veckla beslutsunderlag till Västra Götalandsregionen (VGR). Målsättningen är att tillhandahålla vården i Västra Götaland med analytiska hjälpmedel som kan stödja både det operativa och strategiska arbetet. 1.1 Bakgrund Projektet föregås av fyra andra kandidatarbeten som tillsammans bidragit till fram- tagandet av webbapplikationen Sequence Planner (SP) vilken använts framgångsrikt på Norra Älvsborgs Länssjukhus (NÄL) under ett antal år. För att ge förståelse för den kontext där SP används ges inledningsvis en överblick av nuläget inom svensk 1 1. Inledning akutsjukvård samt de åtgärder som genomförs för att förbättra vården i VGR. Däref- ter följer en beskrivning av funktionaliteten hos SP samt de tekniska begränsningar som föranleder att andra lösningar, i detta fall MPBI, utvärderas som en ersättare för SP:s nuvarande gränssnitt. 1.1.1 Svensk akutsjukvård Socialstyrelsen rapporterar att 1,9 miljoner patienter vårdades på en svensk akut- mottagning år 2018 [4]. Det framgår även att detta var en minskning med 1,5% jämfört med föregående år. Under samma period har den genomsnittliga totala vis- telsetiden, den tid som patienten fysiskt spenderar på mottagningen, ökat med sex minuter, till tre timmar och 40 minuter. Enskilda regioner avviker dock från den allmänna trenden. Inom VGR steg patien- tantalet något och den totala vistelsetiden var betydligt längre än landets genom- snitt. För regionens större mottagningar, SU och NÄL, var skillnaden 24 respektive 49 minuter. Mätetal av dessa slag är vanligt förekommande som ett mått på vårdens kvalitet. Tobias Carlson [2] förklarar att det beror på att de är enkla att mäta och jämföra samt en indikator på hur väl organisationen fungerar. Långa väntetider innebär också en direkt risk för en försämring av patientens hälsotillstånd. Carlson understryker som nämnt även fler avgörande faktorer för kvalitativ akut- sjukvård, varav kompetent personal anses vara den mest avgörande. För att säkra tillgång till kvalificerad personal på lång sikt krävs en attraktiv arbetsmiljö. I sam- band med att Arbetsmiljöverket [5] genomförde en omfattande utvärdering av svensk akutsjukvård i början av 2010-talet framkom att arbetsbelastningen upplevdes som hög eller mycket hög av de flesta. Detta till följd av att överbelastning av resur- ser som personal, lokaler och utrustning är ett återkommande problem på nio av tio akutmottagningar. Den höga arbetsbördan anses av Arbetsmiljöverket bidra till försämrad fysisk och psykisk hälsa hos de anställda, vilket föranleder personalbort- fall i form av sjukskrivningar och avgångar. Då väntetiderna förlängts sedan denna utvärdering antas Arbetsmiljöverkets analys vara fortsatt aktuell. Carlson beskriver vidare hur man arbetar för att förbättra vårdkvalitén på SU i nuläget, främst genom insatser med syfte att minska den genomsnittliga väntetiden och förbättra förutsättningarna för personalen. En av de förändringar som framhålls är utveckling av modernt IT-stöd. Denna åtgärd förseslås även av Bengtsson [3] som 2011 inledde ett samarbete med NÄL och SU för att utveckla digitala beslutsstöd för akutsjukvården [3]. Tilltron till IT-lösningar grundas bland annat i hypotesen att väntetiden kan kortas ned utan ökade krav på personalens arbetstakt. Exempelvis genom att tillgängliggöra information om det nuvarande läget för att underlätta schemaläggning av den långa rad vårdaktiviteter som ingår i arbetet. 2 1. Inledning 1.1.2 Sequence Planner och dess begränsningar Blomgren m. fl. [6] fick via Bengtsson år 2016 i uppdrag att utveckla ett digitalt be- slutsunderlag för akutvården i samarbete med personal inom VGR. Den nya digitala tjänsten kom att kallas Sequence Planner (SP) efter en tidigare tjänst utvecklad av Bengtsson [7] vilken beskrivs som “en mikroservice arkitektur för modellering och analys av diverse system” [8]. SP:s ursprungliga användargränssnitt återanvändes delvis men anpassades för visualiseringar inom vården. Sedan dess har SP genomgått inkrementella förbättringar i flera omgångar utförda av [6], [8]–[10]. Det nuvarande gränssnittet är tillgängligt som en webbapplikation och utgörs av visualiseringar som skildrar nuläget på NÄL:s akutmottagning (se Figur 1.1). Gränssnittet är modulärt och sätts samman av en stor uppsättning så kallade widgets, eller komponenter, som utvecklats av [8]–[10]. SP visas idag på en TV-skärm i anslutning till koordinatorns skrivbord på mottag- ningen där både personal och patienter kan ta del av informationen. Applikationen förses med data från vårdinformationssystemet ELVIS (Elektroniskt Vårdinforma- tionssystem) vilket förekommer på akutmottagningar inom hela regionen. ELVIS används av personalen för att bland annat lagra information om patienternas vårdsi- tuation och vårdaktiviteter. SP kräver därmed ingen egen datainmatning utan visar endast upp redan tillgänglig information. Figur 1.1: Sequence Planners gränssnitt för användning på NÄL där två widgetkomponenter visas: en patientvy och en kartvy. Uppfattningen är att NÄL värdesätter den sammanställning som SP erbjuder. Även om gränssnittet kan konfigureras på många sätt är det två av visualiseringarna som är extra uppskattade: en rumskarta och en patientöversikt. Rumskartan (t.v. i Figur 3 1. Inledning 1.1) underlättar tilldelning av rum till patienter och patientöversikten (t.h. i Figur 1.1) tydliggör vilka avdelningar som har hög belastning. Därmed finns en önskan om att utöka användningen av beslutsstödet till samtliga verksamheter inom VGR, företrädesvis till SU. Den tidigare implementationen har däremot en rad begränsningar som försvårar ge- nerell användning av mjukvaran. Majoriteten av vyerna är utvecklade med NÄL:s nuvarande behov och önskemål i åtanke. Exempelvis är rumskartan specifikt ut- formad för verksamheten på deras mottagning. Vidare krävde utbrottet av covid- 19-pandemin en snabb omorganisation för att begränsa och ge översikt över smitt- spridningen. Denna omställning innebar att SP slutade visa korrekt information då mjukvaran inte hade kännedom om de nya avdelningar som tillkommit. Utöver denna problematik innefattar nuvarande systemarkitektur tjänster som van- ligtvis inte brukas inom VGR. Det råder viss oro över att data från sjukhuset dis- tribueras via Googles tjänst Pub/Sub i händelse att olaga intrång kan riskera pati- enternas integritet. I dagsläget förses dock inte SP med personuppgifter. Det finns däremot flera uppslag på funktionalitet som skulle kunna öka SP:s nytta vilka krä- ver tillgång till patientens namn och personnummer. Om SP ska etableras inom regionen är det önskvärt att datan transformeras på regionens egna servrar för att minimera riskerna för läckage och därmed möjliggöra att data av mer känslig natur kan användas. En mjukvara som används på flera håll inom VGR idag är Microsoft Power BI (MP- BI) vilket är ett analysverktyg som underlättar framtagning av visuella rapporter. Mjukvaran har även stöd för att begränsa dataåtkomsten till en egen server. Bengts- son har i samrådan med NÄL avgjort att MPBI är en tänkbar kandidat för att i fortsättningen tillhandahålla den funktionalitet som ryms i SP. Vidare finns en önskan om fortsatt utveckling av SP i allmänhet. Nuvarande gräns- snitt har främst utformats utifrån behoven för koordinatorer och sjuksköterskor. En tänkbar förbättring är att gränssnittet utvidgas till att inkludera information riktad till andra grupper såsom läkare, patienter eller ledningen. Bengtsson [3] uttrycker även en ambition om att presentera frekvenser, hur ofta en händelse inträffar per tidsenhet, som ett mått på förändringshastigheten på mottagningen. 1.2 Syfte Syftet med projektet är att vidareutveckla det befintliga beslutsstödet SP i samrå- dan med personalen på NÄL och SU för att ytterligare öka värdet av det digitala verktyget. Förändringar som kan anses värdeökande är exempelvis att erbjuda nya visualiseringar, ett förbättrat gränssnitt, samt att lösningen generaliseras för att förenkla anpassning till andra akutmottagningar än NÄL. Grundläggande är att all fortsatt utveckling främjar intressen hos personal och patienter och därmed bidrar till en förbättrad arbetsmiljö och en mer effektiv sjukvård, samtidigt som vårdkva- liteten bibehålls. 4 1. Inledning Vidareutveckligen sker huvudsakligen genom att MPBI utvärderas som ett verktyg för att tillhandahålla SP:s gränssnitt. Utvärderingen innefattar att implementera delar av den funktionalitet som återfinns i SP med hjälp av den nya plattformen. Förhoppningen är att MPBI kan utgöra en mer flexibel och säker lösning som gör det lätt att anpassa gränssnittets utformning efter olika akutmottagningars behov, samtidigt som säkerhetskraven uppfylls. Målsättningen är därmed att vid projektets slut tillhandahålla NÄL med en ny im- plementation av SP som använder MPBI. Detta medför en omarbetning av befintlig backend-arkitektur för att kunna försörja de grafiska komponenterna med data i rätt format. Den nya applikationen ska utöver de mest uppskattade visualiseringarna i nuvarande version även innehålla ett antal visuella tillägg, samt underlätta bredare användning av SP inom VGR. 1.3 Frågeställningar Som nämnts i syftet ovan är målet att utvärdera MPBI som ett verktyg för att visualisera SP:s funktionalitet, vilket kräver svar på följande frågeställningar: • På vilket sätt bör kommunikationen upprättas mellan MPBI och ELVIS? • Kan funktionalitet motsvarande föregående version av SP implementeras med hjälp av MPBI? • Hur kan implementationen generaliseras för att underlätta återanvändning och anpassning för andra verksamheter inom VGR? • Vilka fördelar och begränsningar har MPBI vid utformning av beslutsunderlag för vården? Det är även av intresse att bredda användningsområdet för SP. Därmed tillkommer frågan: • Hur kan patienternas besöksupplevelse förbättras och vårdpersonalens arbete underlättas genom att information om akutmottagningens belastning presen- teras i väntrummen? 1.4 Avgränsningar Arbetet har begränsats till att anpassa implementationen efter de förutsättningar som råder inom VGR. Utvärdering av systemet har enbart skett på NÄL och SU då ett samarbete är etablerat med dessa vårdinrättningar i den mån det varit möjligt. Covid-19-pandemin har oundvikligen medfört att vårdpersonalen varit sysselsatta i högre utsträckning än vanligt och därmed inte haft möjlighet att avsätta tid för intervjuer och tester. 5 1. Inledning Gränssnitt som utformas i MPBI försörjs uteslutande med information från EL- VIS. Det är sedan tidigare känt att denna information i viss mån kan avvika från verkligheten. Det är en oundviklig konsekvens av att ELVIS uppdateras först när vårdpersonalen har tid att dokumentera de aktiviteter som ägt rum. Denna pro- blematik anses falla utanför ramarna för projektet och gränssnittet visar senast tillgängliga uppgifter utan att ifrågasätta deras precision. Vårdpersonalen förväntas inte att förändra några rutiner gällande sin interaktion med ELVIS då det riskerar att öka arbetsbelastningen, vilket skulle motverka syftet. Vidare omfattar inte den nya implementationen i MPBI all funktionalitet som ingår i tidigare versioner av SP. Den webbaserade versionen av SP innehåller ett tjugotal vyer som utvecklats under de fyra tidigare iterationerna av detta arbete. I dagsläget används dock endast två av dessa vyer aktivt på NÄL, en patientöversikt samt en rumskarta. Därmed görs avgränsningen att främst återimplementera den funktiona- litet som personalen värdesätter. På så sätt frigörs tid till att istället utvärdera nya vyer. 1.5 Samhälleliga och etiska aspekter Intentionen med projektet är att förbättra förutsättningarna för personal inom akut- sjukvården, samt att i förlängningen bidra till att patienter får en god vårdupplevelse. Då denna målsättning ämnar erhållas genom visualisering av data med anknytning till patienter är det av högsta vikt att all data behandlas konfidentiellt. Under pro- jektet genomförs besök på NÄL och SU där direkt kontakt med vårdgivare och patienter syftar till att öka förståelsen för projektets större kontext. Vid dessa besök respekteras givetvis den tystnadsplikt som råder inom vården för att upprätthålla patientsäkerheten. Det är också viktigt att understryka att effektivisering av akutvården inte syftar till att göra utrymme för nedskärningar i personalstyrkan. Tvärtom är målsättningen att minska överbeläggningar för att sänka personalens stressnivå. På så sätt förbättras arbetsmiljön vilket i förlängningen gör vården till en mer attraktiv arbetsplats. 1.6 Disposition Rapporten inleds med en bakgrundsbeskrivning som syftar till att introducera syf- tet och frågeställningarnas kontext. Inledningen avlöses av ett teorikapitel vilket redogör för kunskap som är grundläggande för att förstå vad som föranlett pro- jektets resultat samt bidrar till efterföljande diskussion. Metodkapitlet beskriver sedan projektets genomförande. Applikation i Power BI och Datahantering presen- terar projektets resultat med avseende på funktionalitet och gränssnitt respektive det dataflöde som försörjer gränssnittet med information. Slutligen följer kapitlen Diskussion och Slutsats som innehåller reflektioner kring hur väl resultatet uppfyl- ler projektets målsättning samt föreslår hur arbetet med SP kan fortgå. I Bilagor återfinns fördjupade beskrivningar av de tekniska lösningar som utvecklats. 6 2 Teori Sjukvården i Sverige är indelad i sex olika regioner som samverkar för att skapa en god sjukvård inom landet [11]. En av dessa är Västra Sjukvårdsregionen som förutom Norra Region Halland består av hela Västra Götalandsregionen. VGR äger i sig 19 sjukhus varav två av dessa är NÄL och SU, vilka har legat i fokus under projektets gång. Nedan följer information om gemensamma vård- och beslutsstöd som används idag inom VGR. Vidare sker en djupdykning i de två namngivna sjukhusen, med fokus på deras respektive akutmottagningar, där informationen baseras på [10] och observa- tionsstudier. Slutligen presenteras Microsoft Power BI (MPBI) för att ge förståelse för den fortsatta utvecklingen av Sequence Planner (SP). 2.1 Gemensamma vård- och beslutsstöd inom VGR Sjukvården inom VGR använder ett flertal gemensamma vårdsystem och beslutsstöd i sitt arbete. Exempel på mjukvaror som idag används av vårdpersonal är journalsy- stem, vårdadministrativa system och operationsplaneringssystem [12]. Utöver dessa finns även beslutsstöd som används vid triagering och gemensamma mätetal för utvärdering av vården. Bland mjukvarorna används endast det vårdadministrativa systemet ELVIS i utveck- landet av Sequence Planner, vilket tidigare nämndes i 1.1.2. Utöver denna mjukvara används även beslutsstödet RETTS vid triage, samt fyra gemensamma mätetal inom VGR:s akutvård. Dessa tre faktorer är aktuella för utformandet av flera visualise- ringar och presenteras därför i detalj nedan. 2.1.1 Triagesystemet RETTS RETTS (Rapid Emergency Triage and Treatment System) är ett beslutsstöd som används inom hela VGR sjukvård för att hjälpa vårdpersonalen i bedömningar av patienters medicinska allvarlighetsgrad [13]. Bedömningsprocessen i sig kallas för att patienten genomgår triage vilket är det första steget i en sjukvårdsprocess. Triage 7 2. Teori Tabell 2.1: Femgradig triageskala som ger en bedömning av patientens tillstånd och rekommenderad tid till läkare Nr Färg - Namn Tid till bedömning av läkare 1 Röd - omedelbart Omedelbart 2 Orange - mycket brådskande Inom 15 minuter 3 Gul - brådskande Inom 120 minuter 4 Grön - standard Inom 240 minuter 5 Blå - icke-akut Ospecificerat utförs exempelvis av personal i ambulansen, på vårdcentralen och på akutmottag- ningen [14]. RETTS tar hänsyn till patientens anamnes, symtom och vitalparametrar vilket re- sulterar i en rekommenderad vidare hantering av patienten. Däribland tilldelas pa- tienten en färggradering som anger hur länge det är medicinskt säkert för personen att invänta läkarkontakt, vilket används för att kunna prioritera de brådskande fal- len [14]. Graderingen går i färgerna röd, orange, gul, grön och blå där röd är det mest kritiska läget. Varje färg har även en tidsstämpel med rekommenderad tid till läkarbedömning (se Figur 2.1). 2.1.2 Nyckeltal för patienters vårdprocess Inom akutsjukvården i Sverige används gemensamma nyckeltal för att analysera och utvärdera väntetider inom landet [15]. Dessa är framtagna av Socialstyrel- sen och används i deras årliga uppföljning av väntetider vid sjukhusbundna akut- mottagningar. Uppdraget kommer från regeringen i enlighet med regeringsbeslutet S2018/03237/FS om att utveckla uppföljningen av hälso- och sjukvårdens tillgäng- lighet [16]. På akutmottagningarna inom VGR används nyckeltalen Tid Till Triage (TTT), Tid Till Läkare (TTL), Tid Till Klar (TTK) och Total Vistelsetid (TVT). Alla utgår från patientens registrering i receptionen efter ankomst vilket demonstreras i Figur 2.1. Till dessa nyckeltal har även VGR tagit fram rekommenderade vårdtidsgränser för respektive nyckeltal vilka kan ses i Figur 2.2) [17]. 2.1.3 Vårdinformationssystemet ELVIS ELVIS, Elektroniskt Vårdinformationssystem, är ett patientadministrativt vårdsy- stem som används av alla sjukhusförvaltningar inom VGR [18]. Programmet har ett brett användningsområde där tidsbokning, diagnos- och åtgärdsregistrering bara är några av funktionerna. På grund av dess omfattning arbetar personalen vanligtvis endast i delar av systemet. Inom akutvården använder personalen ELVIS för att 8 2. Teori Figur 2.1: Tidslinje över nyckeltal som används inom VGR sjukvård. Tabell 2.2: Tabell över nyckeltalen inom VGR sjukvård med beskrivning och tidsmål som väntas vara uppfyllda för över 90% av patienterna Beteckning Beskrivning Mål för > 90% TTT Tid från ankomst till påbörjad triagering < 10 min. TTL Tid från ankomst till första läkarbedömning < 1 tim. TTK Tid från ankomst till att patienten är fär- digbehandlad < 4 tim. TVT Total vistelsetid < 4 tim. dokumentera och följa varje patient från registrering till utskrift. I Figur 2.2 visas hur en avdelningsvy i ELVIS ser ut på NÄL:s akutmottagning. Vanligt är att varje enskild patient visas på varsin rad där kolumnerna innehåller varierande information om varje patient. Exempel på kolumnrubriker är patientens namn, preliminär orsak, placering, vårdkontaktskommentar, prioritet, avdelning och läkare. Beroende på i vilken grad dessa fält används på akutmottagningen kan vård- personalen få en god inblick i varje aktuell patientsituation. Innehållet i dessa fält sparas dock inte i historiken. Det mesta av informationen i tabellen uppdateras genom att vårdpersonalen skriver in information direkt i varje cell, ofta genom kravlösa fritextfält. Utöver det används mappdragningar för att registrera vissa händelser. Exempel på dessa mappar är Triage för när patienten genomgått triage, samt Läkare för när patienten har träffat en läkare. När vårdpersonalen drar olika patienter till dessa mappar registreras en händelse som automatiskt uppdaterar en tidslinje där man kan läsa av när olika momenten skett för en patient på mottagningen. Momenten inkluderar bland annat de nyckeltal som är nämnda under avsnitt 2.1.2. Vårdpersonalen på akutmottagningar använder alltså ELVIS både till att göra mapp- dragningar och skriva in patientinformation, för att hålla sig uppdaterade om de patienter som befinner sig på avdelningen. Det är viktigt att understryka att EL- VIS inte fungerar som journal då exempelvis prover och provsvar rapporteras i ett 9 2. Teori Figur 2.2: Skärmdump av vårdsystemet ELVIS där identifierande persondata är borttagen. separat journalsystem. 2.2 Akutmottagningen på NÄL NÄL:s akutmottagning ligger i Trollhättan och är den största akutmottagningen i Västra Götalandsregionen [19]. Avdelningarna som finns på NÄL är medicin, orto- pedi, kirurgi och en samlad avdelning för barn, gynekolog, käk och ögon-näsa-hals. Utöver ett yttre väntrum för nyanlända patienter har varje avdelning ett inre vänt- rum för patienter som inte fått ett dedikerat vårdrum. Akutmottagningen är uppdelad i tre så kallade torg som omsluts av en till två fär- gade sidor, vilket kan ses i ritningen över akutmottagningen i Figur 2.3. Färgerna representerar en avdelning som ansvarar över sina respektive vårdrum. Sidorna ar- betar oftast självständigt i förhållande till andra sidor och personalen som arbetar på dem byter vanligtvis inte sida under sitt arbetspass. Tidigare var torgen uppdelade på följande sätt: ett medicintorg med två sidor, ett kombinerat jour- och ortopeditorg, samt ett kirurgitorg. I samband med covid-19- pandemin genomfördes dock en tillfällig omstrukturering för att ge bättre översikt över misstänkt smittade patienter. Medicinavdelningarna som tidigare bestod av Medicin gul och Medicin blå blev därmed uppdelade fyra stycken numrerade me- dicinavdelningar från Medicin 1 (ME1) till Medicin 4 (ME4). ME1 handhar rum 1-4 vilka tidigare kallades Infektion, ME2 motsvarar Medicin blå, ME3 motsvarar Medicin gul och ME4 delar rum med den samlade avdelningen för barn, gynekolog, käk och ögon-näsa-hals. Utöver rummen tillhörande de olika avdelningarna finns det fyra akutrum tillägnade patienter med trauma, samt fem triagerum. NÄL:s akutmottagning har i huvudsak fyra personalkategorier: läkare, sjuksköters- kor, undersköterskor och medicinska sekreterare. En nämndvärd uppgift på mottag- 10 2. Teori Figur 2.3: Karta över akutmottagningen på NÄL. ningen är arbetet som koordinator. Det finns flera erfarna sjuksköterskor som turas om att arbeta som koordinator på NÄL:s akutmottagning. Det är dennes uppgift att dirigera och planera det övergripande arbetet på akutmottagningen för att optimera genomströmmandet av patienter. Detta gör koordinatorn genom att fördela patien- ter på olika avdelningar och omlokalisera personal och resurser vid behov. Det är i huvudsak koordinatorns arbetsuppgifter som underlättats med hjälp av Sequence Planner (SP). 2.2.1 Patientens väg genom akutmottagningen Ett översiktligt flödesschema över vad som händer när patienten anländer till akut- mottagningen kan ses i Figur 2.4. Patienter kan ta sig till akutmottagningen själva eller genom annan typ av transport såsom ambulans, helikopter eller polistransport. De patienter som anländer via egen transport börjar med att registrera sig i recep- tionen. Här tar den sjuksköterska som sitter i receptionen reda på grundläggande patientinformation och gör en inledande bedömning av patientens tillstånd. Detta med syftet att avgöra hur patienten bör prioriteras. En patient vars tillstånd bedöms vara mycket allvarligt prioriteras högre än patienter med ett mindre eller möjligtvis inte alls allvarligt tillstånd. Denna prioritering gör sjuksköterskan i luckan genom att ge patienterna en färg enligt RETTS som beskrevs i avsnittet 2.1.1. Efter triageringen finns det två möjligheter för patienter som fortfarande bedöms behöva vård. Den första är en mer utförlig triagering som görs i ett av triagerum- men. Detta är vägen majoriteten av patienterna tar. Den andra vägen är via ett så kallat stream team. Stream teamets uppgift är att ta hand om lågt prioriterade patienter med en förväntad kort handläggningstid för att förhindra anhopning av lågt prioriterade patienter som hade kunnat vårdas snabbt. 11 2. Teori Figur 2.4: Figur över patientens väg genom akutmottagningen skapat av Ekesryd et al. [10] I triagerummet görs som nämnt en mer utförlig triagering av ett triageteam. Detta kan innebära till exempel att man kontrollerar blodtryck och tar blodprov. Här fastställs även triagefärgen och triageteamet placerar patienten på ett torg eller eventuellt i ett av de inre väntrummen om patientens läge inte är akut. Väl på ett torg får patienten prata med en läkare och får därefter vård utefter läka- rens bedömning. Efter att patienten har fått vård fattar läkaren ett beslut om att antingen skicka hem patienten eller skriva in denne på en vårdavdelning. Om en pa- tient behöver skrivas in på en vårdavdelning stannar patienten på akutmottagningen tills det finns en ledig plats. Patienter som inkommer med ambulans behöver inte passera reception eller triage utan triageringen görs av ambulanspersonalen i ambulansen påväg till akutmottag- ningen. Om patienten kräver omedelbar beredskap meddelas akutmottagningen när ambulansen närmar sig. I annat fall meddelas inte mottagningen i förväg utan ambu- lanspersonalen tar patienten till koordinatorn som bedömmer vilket torg patienten bör tillhöra. 12 2. Teori 2.2.2 Användningsområden för IT-system På NÄL:s akutmottagning används ett flertal digitala hjälpmedel med syfte att un- derlätta det organisatoriska arbetet. Precis som på övriga akutmottagningar inom VGR används det digitala journalsystemet Melior och det kompletterande vårdin- formationssystemet ELVIS som beskrevs i avsnitt 2.1.3. Användningen av ELVIS sker på NÄL i stor utsträckning. Som tidigare nämnt finns kravlösa fritextfält vilka används till fullo trots att de inte är obligatoriska. Ex- empelvis är personalen på NÄL noggrann med att ange i vilket rum patienterna befinner sig. Medicinavdelningarna låter även sjuksköterskorna tilldela patienter till läkare genom att skriva läkarens ID i patientens läkarkommentarsfält. I vanliga fall får läkare själva välja patienter bland de som ännu inte blivit tilldelade läkare. Skillnaden i vilka IT-system som används på NÄL jämfört med övriga akutmot- tagningar inom VGR är deras användning av SP, det visuella beslutsstödet som utvecklats fram genom projektets tidigare iterationer. 2.2.3 Pågående utvecklingsarbete Som nämnt är akutmottagningen på NÄL strukturerad i olika avdelningar. Målet för framtiden är att övergå från avdelningar till mixade team bestående av sjukskö- terskor, undersköterskor och läkare. Teamen ska ha en bred vårdkompetens för att kunna hantera de olika vårdområdena samt att det alltid ska finnas en läkarspecialist tillgänglig för rådgivning. Främsta anledningen till förändringen är att effektivisera patientens delprocesser genom att minska vidareskjutsningen från exempelvis en sjuksköterska i triagen till en ny sköterska på en specifik avdelning och därefter läkartilldelning. Tanken är att istället arbeta i team som hanterar patientens fullständiga akutbesök. Förändringen går hand i hand med den nya möjligheten för läkare att specialisera sig inom akut- sjukvård vilket ska ge läkare kompetensen att hantera alla patienters första fyra timmar på akutmottagningen. 2.3 Akutverksamheten på SU Akutvården i Göteborg utförs av SU som består av fyra huvudsakliga vårdinrätt- ningar: Sahlgrenska sjukhuset, Östra sjukhuset, Mölndals sjukhus och Drottning Silvias barn- och ungdomssjukhus. De tre förstnämnda sjukhusen tar emot pati- enter som uppnått 16 års ålder medan Drottning Silvias sjukhus vårdar barn och ungdomar. Vårdinrättningarna för vuxna har överlappande kompetenser men kom- pletterar även varandra i viss mån. Exempelvis är Mölndals sjukhus specialister på ortopediska skador medan Östra och Sahlgrenska sjukhuset utför mer komplexa kirurgiska ingrepp. Till Sahlgrenskas akutmottagning anländer en patient precis som till NÄL främst 13 2. Teori via ambulans eller på egen hand. De märkbara skillnaderna därefter utifrån flö- desschemat i Figur 2.4 är att personalstyrkan är organiserad annorlunda. I triagen närvarar alltid en läkare som utför den första bedömningen, till skillnad från NÄL som har en sjuksköterska. Vidare saknar sjukhuset koordinator och istället för torg med sidor finns avdelningar med specialiserade mindre vårdteam. Det innebär att det kan finnas flera team som associeras med samma avdelning. Exempelvis finns det tre vårdteam för medicin där Medicin 1 hanterar akuta tillstånd medan Medicin 3 tilldelas mindre akuta patienter. Efter att en patient har genomgått triage tilldelas denne ett av dessa team som fullföljer patientens besök på akutmottagningen. 2.3.1 IT-system på SU Precis som övriga vårdinrättningar inom VGR använder sig SU av ELVIS för att do- kumentera patienternas vårdaktiviteter under besöket. SU är dock inte lika frekventa användare av fritextfälten och har exempelvis inte som rutin att notera patienternas tilldelade rum. Sahlgrenskas akutmottagning har hittills inte använt sig av SP men har nyligen utrustats med flera TV-skärmar. I dagsläget används skärmarna för att visa hur många patienter som tilldelats varje vårdteam samt hur stor andel av patienterna som fortfarande väntar på en läkarbedömning. Dessutom har de en skärm som visar patientlarm på en karta över mottagningen. 2.4 Microsoft Power BI Microsoft Power BI (MPBI) är ett verktyg som används för att transformera, filtrera och skapa visuella representationer av data. Systemet används av VGR:s verksamhe- ter inom flera olika områden, bland annat för att visa väntetider och avvikelser [20]. I Figur 2.5 kan en skärmbild av verktyget ses och figuren visar också ett exempel på hur data i tabellform representeras som ett stapeldiagram med två tillhörande filter. Fyra viktiga begrepp vid utveckling av applikationer i MPBI är datakälla, dataupp- sättning, rapport och instrumentpanel. Dessa begrepp hänger ihop genom att da- tauppsättningar får data från datakällor, rapporter använder data från datauppsätt- ningar för att skapa visuella komponenter, och instrumentpaneler använder sig av komponenter i rapporter (se Figur 2.6). Det första begreppet, datakälla, beskriver varifrån data hämtas till MPBI. Det finns flera olika sorters datakällor som MPBI är kompatibel med. Det kan till exempel vara en lokal databas, en databas i molnet, ett Excel-ark, en onlinetjänst eller en applikation som skickar post-requests med data [21]. Från en datakälla kan en datauppsättning skapas. En datauppsättning är en re- presentation av en datakälla. Nedan beskrivs tre olika typer av datauppsättning- ar: 14 2. Teori Figur 2.5: Vyn för skapandet av rapporter i Power BI Desktop. • Import: Den här typen av datauppsättning importerar data från den under- liggande datakällan, antingen all data eller en delmängd [22]. • DirectQuery: Istället för att data importeras frågar dataupsättningen den un- derliggande datakällan när det behövs [22]. DirectQuery innehåller färre verk- tyg för att transformera data än Import [23]. • Push: Den här typen av datauppsättning representerar inte en konkret da- takälla, utan representerar istället en extern service som skickar in data i datauppsättningen genom till exempel post-request. Det finns tre typer av push-datauppsättningar [22]: – Push: Denna typ sparar data i en underliggande databas vilket gör det möjligt att skapa en rapport som bygger på datauppsättningen. – Strömmande: Istället för att spara i en databas lagras data i en temporär cache. Detta gör att det inte är möjligt att skapa en rapport utifrån datauppsättningen, istället är det möjligt att använda ett antal förvalda visualationer, optimerade för att visa realtidsdata, som placeras på en instrumentpanel. Det är väldigt lite fördröjning från det att data kommer in i datauppsättningen till dess att visualationen uppdateras eftersom ingenting sparas eller läsas från en databas. – Hybrid: Denna datauppsättning är en blandning av en push- och en strömmande datauppsättning, vilket ger fördelarna med både push- datauppsättning och strömmande-datauppsättning. Utifrån en datauppsättning kan rapporter skapas. I en rapport kan data trans- 15 2. Teori Figur 2.6: En förenklad bild av hur begreppen datakälla, datauppsättnong, rapport och instrumentpanel förhåller sig till varandra. formeras, filtreras och visas upp i grafiska komponenter. Beroende på vilken sorts datauppsättning som används finns det olika mycket stöd för att transformera da- ta. De grafiska komponenterna kan antingen vara standardkomponenter som till exempel stapeldiagram eller egenskapade komponenter, så kallade anpassade visu- ella objekt. Användaren av en rapport kan interagera med komponenterna för att filtrera eller fokusera på det som anses vara intressant. Rapporter skapas lättast i Desktopversionen av MBPI. Att utföra beräkningar på data i en rapport görs genom att använda mått. Det finns ett antal automatiska mått som till exempel medelvärde, summa eller antal. Om mer komplexa eller specialiserade mått önskas kan användare skapa sådana själv. Egna mått skapas med dataanalysuttryck (DAX), vilket innehåller många olika funktioner som kan användas för att beräkna och filtrera data [24]. För att kunna dela med sig av instrumentpaneler och rapporter finns det två lös- ningar: • Power BI-tjänsten är en molnbaserad tjänst i vilken rapporter, datauppsätt- ningar och instrumentpaneler kan delas mellan användare. Tjänsten har stöd för realtidsuppspelning genom användning av push-datauppsättningar och in- strumentpaneler [25], [26]. • Power BI:s rapportserver gör det också möjligt att dela rapporter och da- 16 2. Teori tauppsättningar, men med skillnaden att all data lagras lokalt istället för i molnet. En rapportserver har inte stöd för varken push-datauppsättningar el- ler instrumentpaneler vilket gör att de saknar stöd för realtidsuppspelning [26], [27]. Instrumentpaneler innehåller en samling av paneler som kommer från rapporter eller strömmande-datauppsättningar. Instrumentpaneler gör det möjligt att samla visu- aliseringar från olika rapporter genom att fästa komponenter från flera rapporter på samma instrumentpanel. Visualiseringarna kommer sedan uppdateras antingen di- rekt när den underliggande datakällan förändras eller med ett regelbundet intervall, beroende på datauppsättning. Till skillnad från en rapport är det inte möjligt att interagera med paneler på en instrumentpanel. Om man klickar på en panel kommer man till den underliggande rapporten [28]. MPBI är utrustat med en mängd grundläggande visualiseringar i form av bland annat grafer, diagram och tabeller. MPBI har dock även stöd för mer avancerade visualiseringar i form av så kallade anpassade visuella objekt [29]. Dessa program- meras manuellt och därmed kan instrumentpaneler och rapporter utformas utan begränsningar. 17 3 Metod Projektet har huvudsakligen genomförts i form av en explorativ studie som utforskat och utvärderat en stor mängd funktionalitet i MPBI. Utvärderingen har krävt en övergripande förståelse för akutverksamhetens behov vilket erhållits genom observa- tioner på NÄL och Sahlgrenska. Datainsamlingen blev begränsad vid utbrottet av covid-19-pandemin som krävde vårdens fulla uppmärksamhet. Nedan beskrivs den datainsamling som kunde utföras under rådande förutsättningar. Vidare redogörs för de verktyg och metoder som använts i kombination med MPBI vid utformningen av en ny infrastruktur för digitala beslutsunderlag till vården. 3.1 Undersökning För att ha möjlighet att tillgodose personalens behov i största möjliga utsträck- ning var planen inledningsvis att utföra kvalitativa observationer och intervjuer på Sahlgrenska och NÄL. Generellt är det viktigt att involvera användarna för att ska- pa goda förutsättningar för att utveckla en bra slutprodukt [30]. Som nämnt ovan blev dock observationer och intervjuer hindrade av covid-19-pandemin och utgångs- punkten grundades till största del på inläsning av tidigare kandidatrapporter med liknande syfte. 3.1.1 Observationsstudie Undersökningen som genomfördes på NÄL och Sahlgrenska var av kvalitativ na- tur och begränsades till ett besök på respektive akutmottagning under projektets inledande fas. Under besöken skuggades läkare och sjuksköterskor när de utförde sitt dagliga arbete. Besöken gjordes i syfte att identifiera behov på mottagningarna, skapa en överblick av de likheter och skillnader som förekommer, samt för att ge en ökad motivation genom att förankra projektet i verkligheten. 3.1.2 Intervjuer angående gränssnitt Den ursprungliga tanken var att genomföra intervjuer med personalen för att ut- värdera flera av de komponenter som ingår i SP. På så sätt skulle det vara möjligt att identifiera förbättringspotential samt behov som inte tillgodoses av existerande 19 3. Metod komponenter. Senare skulle även en utvärdering av de nya gränssnitten genomföras i syfte att verifiera resultatet samt föreslå fortsatt utveckling. Samtliga intervjuer uteblev dock i samband med covid-19-pandemin som medförde att personalen hade svårt att avsätta tid för utvärdering. Däremot mottogs viss feedback i samband med driftsättningen på NÄL, då flera anställda delade med sig av spontana synpunkter under informella samtal, samt genom utvärderingsintervjun vilken beskrivs i avsnitt 3.5. 3.1.3 Resultat från tidigare projekt Eftersom att möjligheten till omfattande observationer har begränsats av pande- min utgjorde rapporter från tidigare projekt en viktig informationskälla. Då ar- betsrutinerna på NÄL och Sahlgrenska inte tycks ha genomgått några omfattande förändringar det senaste året är det rimligt att anta att redogörelserna för akut- verksamheten fortfarande är aktuella. Föregående projektrapporter innehåller även välgrundade analyser kring de komponenter som utvecklats för SP vilka inspirerat visualiseringar i den nya applikationen i MPBI. Även SP:s källkod har varit be- hjälplig för att förstå hur man åstadkommer korrekta transformationer av datan från ELVIS. 3.2 Utformning av anpassade visuella objekt För att kunna kontrollera gränssnittet i större utsträckning än vad som är möjligt med de standardkomponenter som ingår i MPBI, utformades och utvecklades ett an- tal anpassade visuella objekt. Innan implementationen påbörjades togs konceptuella skisser fram med hjälp av Adobe XD, ett visuellt modelleringsverktyg som under- lättar snabb utvärdering av olika idéer och tillåter att flera personer samarbetar via molnet. Gränssnitten utformades med hänsyn till slutsatser som tidigare projektgrupper dragit gällande färgsättning, typsnitt och övergripande estetik. Detta gjordes delvis med syftet att personalen på NÄL skulle påminnas om de föregående vyerna samt på grund av att det inte fanns möjlighet att utvärdera helt nya gränssnitt. En av målsättningarna var även att utveckla visualiseringar som ger ett enhetligt intryck tillsammans, samt är möjliga att generalisera för bredare användning. Utformningen av de anpassade visuella objekten pågick löpande under projektets gång och komponenterna genomgick flera iterationer av förbättringar innan de er- höll sitt slutgiltiga utseende och funktionalitet. För ändamålet utformades även en uppsättning ikoner som vektorgrafik i Adobe Illustrator. 20 3. Metod 3.3 Utveckling Det fanns i huvudsak två olika programmeringsområden under projektets gång: fron- tend och backend. Frontend utvecklade de gränssnitt som användes i MPBI medan backend arbetade med att transformera patientdata från ELVIS till gränssnitten. Båda områden beskrivs i mer detalj nedan. 3.3.1 Implementation av gränssnitt Gränssnittens implementation gjordes både utifrån inbyggda komponenter i MPBI och även genom egenskapade anpassade visuella objekt. Med de inbyggda kom- ponenterna visualiserades enklare data i form av cirkel-, stapel- och linjediagram medan de egenskapade komponenterna var mer anpassningsbara och kunde hantera mer komplex data. De egenskapade komponenterna utformades i den integrerade utvecklingsmiljön Mic- rosoft Visual Studio Code med programmeringsspråket TypeScript, utifrån rekom- mendationer av Microsoft genom deras guide Självstudie: Utveckla ett visuellt Power BI objekt [31]. Som namnet säger beskriver guiden hur man utvecklar ett visuellt objekt, vilket valen av programmeringsspråk, bibliotek och paket har utgått ifrån. En detaljerad genomgång av all mjukvara som användes för att skapa visuella kom- ponenter hittas i projektets dokumentationsrapport [32]. Genom att ha följt Microsofts guide [31] skapades en enkel widget-prototyp i början av projektets gång för att granska huruvida det var möjligt att visualisera data från ELVIS-systemet på en Power BI-rapport. När detta gjorts och alla gruppmedlemmar fått en förståelse i hur detta fungerat, startade utvecklingen av de mer komplexa, användbara, egenskapade Power BI-komponenter såsom kartvyn, patientvyn och väntrumsvyn, som kommer analyseras i mer detalj senare i denna rapport. Även utvecklingen av dessa komponenter skedde i iterationer med inkrementella förbätt- ringar baserat på återkoppling från andra gruppmedlemmar, handledare och akut- personal. 3.3.2 Implementation av backend Tidigare iterationer av systemet har byggt upp en tillförlitlig backend med en tydlig arkitektur. Detta är uppbyggt med programmeringsspråket Scala vilket även är det språk som används i den nya versionen av Sequence Planner (SP). I och med att vidareutvecklandet av SP övergick till en ny frontend anpassad till MPBI utformades arbetet från grunden då det även innebar skillnader i backend jämfört med tidigare år. Flera delar kunde dock återanvändas vilket bidrog till att behålla Scala som programmeringsspråk. Det blev då enklare att flytta över kod och använda tidigare kod som referens vid felsökning. 21 3. Metod 3.4 Jämförelse av Power BI-tjänsten och Power BI rapportserver För att undersöka hur nuvarande funktionalitet kan flyttas över till Microsoft Power BI implementerades två versioner av systemet. Den första versionen använde sig utav Power BI-tjänsten och den andra av Power BI rapportserver i och med att det är dessa två möjligheter som finns för att dela med sig utav rapporter i Power BI (se 2.4). De två versionerna jämfördes sedan för att undersöka fördelar och nackdelar med de två tillvägagångssätten. Utöver jämförelsen mellan de versionerna hölls ett möte tillsammans med Sahlgrens- kas utdata-enhet [33] då dem arbetar med att tillgängliggöra rapporter på SU. Under mötet diskuterades därmed vilken sorts lösning som är tillämpbar på Sahlgrenskas akutmottagning. 3.5 Utvärdering Utvärdering av SP:s utveckling gjordes utifrån realtidstest och en intervju med ut- vecklingsledaren för NÄL akutvård och beskrivs nedan. 3.5.1 Realtidstest Utgångsplanen var att driftsätta systemet för ett realtidstest, både på NÄL och SU. I slutändan kunde endast den nya utvecklingens patient- och kartvy driftsättas efter att fjolårets version av SP inte var rustat för den omstrukturering av avdelningar som skedde i och med covid-19 (se 2.2 Akutmottagningen på NÄL). Eftersom dessa två vyer användes i koordinators dagliga arbete fanns det ett stort behov av att uppdatera deras koordinatorskärm omgående, vilket därmed gjordes i skiftet mellan mars och april. Vidare driftsättning, samt utvärdering av realtidstestet på plats genomfördes ej med anledning av den rådande situationen. 3.5.2 Intervjuer med personal För att utvärdera applikationen var ursprungstanken att genomföra flertal intervjuer med personal under studiebesök på NÄL och SU. I och med den extra arbetsbördan och säkerhetsrutinerna som sjukhusen fick i samband med pandemin begränsades utrymmet för dessa. Kontakten med SU lades på is medan mailkontakt med ut- vecklingsledaren på NÄL akutvård fortskred. I slutet av arbetet genomfördes en intervju med utvecklingsledaren via mötesverktyget Zoom [34] där diskussion och feedback på applikationen framfördes, och där ett samlat intryck från vårdpersonal presenterades på de vyer som driftsatts. 22 4 Applikation i Power BI Det nya gränssnittet för Sequence Planner (SP) har utformats som en applikation i Microsoft Power BI (MPBI). Applikationen skiljer sig från det tidigare gränssnittet genom att vara uppdelad i flera delar. Totalt har fyra instrumentpaneler utfor- mats för att visualisera realtidsdata: koordinatorpanelen, pandemipanelen och två väntrumsvyer (se Figur 4.1). Därtill har flera rapporter utformats för att möjliggöra analys av historisk data från vårdinformationssystemet ELVIS. Samtliga paneler och rapporter försörjs med data via datauppsättningar som beskrivs i avsnitt 5.1. Figur 4.1: En sammanställning av de instrumentpaneler och rapporter som utvecklats. Detta kapitel inleds med en redogörelse för den kravspecifikation som legat till grund för utvecklingen. Därefter beskrivs applikationens alla delar med avseende på iden- 23 4. Applikation i Power BI tifierade behov och gränssnittets funktionalitet. Till varje beskrivning följer ett styc- ke som sammanfattar synpunkter som erhållits från Norra Älvsborgs Länssjukhus (NÄL) i projektets slutskede. 4.1 Kravspecifikation För att tydliggöra de behov och krav som ställts på den slutgiltiga applikationen framställdes en kravspecifikation enligt Tabell 4.1 och 4.2. Tabellen utgår från spe- cifikationen upprättad av Ekesryd m.fl. [10] och är sedan anpassad för användning av MPBI. Kravspecifikationen redovisar kriterier för områdena användarvänlighet, gränssnitt, data, säkerhet och utveckling. För varje kriterium specificeras även om behovet är ett krav eller ett önskemål graderat efter viktighet på en skala 1-5. Vidare anges intressenter för respektive kriterium och hur dessa verifieras. 4.2 Koordinatorpanel Koordinatorpanelen är en instrumentpanel som utvecklats specifikt för visning på den TV-skärm som finns i anslutning till koordinatorns skrivbord på akutmottag- ningen (se Figur 4.2). Panelen återspeglar den funktionalitet i SP som hittills använts i störst utsträckning på NÄL. För detta ändåmål har två anpassade visuella objekt tagits fram - en ny patientvy och en ny kartvy. Nedan beskrivs målsättningen med panelen samt de två visuella komponenternas funktionalitet och implementation. Eftersom att koordinatorpanelen är den enda delen av applikationen som driftsatts under projektet har personalen haft ett par synpunkter som framgår av beskrivning- en för respektive vy. Figur 4.2: Koordinatorpanelens utformning med patientvyn t.v. och kartvyn t.h. 24 4. Applikation i Power BI Tabell 4.1: Kravspecifikationen för den slutgiltiga applikationen Nr Kriterium Krav/ Önske- mål (1-5) Intressent Verifiering 1 Användarvänlighet 1.1 Vuxna patienter och patienters vuxna anhöriga ska intuitivt kunna tyda presenterad infor- mation K Användare, vård- personal, utveck- lare Intervju med verksamhets- ledning 1.2 Vårdpersonal ska intuitivt kun- na tyda presenterad information K Vårdpersonal, ut- vecklare Intervju med verksamhets- ledning 1.3 Informationen ska kunna tydas av färgblinda Ö Vårdpersonal, ut- vecklare Kontroll av riktlinjer 2 Gränssnitt 2.1 Gränssnittet ska visualiseras i Power BI K Verksamhetsled- ning, utvecklare Manuell kon- troll 2.2 Gränssnittet ska uppdateras au- tomatiskt när ny data inkommer K Verksamhetsled- ning, vårdperso- nal, utvecklare Användnings- test 2.3 Alla anpassade visuella objekt ska kunna anpassas till SU och NÄL utan att ändra i källkoden för objektet Ö(4) Verksamhetsled- ning, vårdperso- nal, utvecklare Användnings- test 2.4 Alla gränssnitt ska vara skalbara K Vårdpersonal, ut- vecklare Användnings- test 2.5 Sjukhustermer ska användas på ett korrekt sätt K Verksamhetsled- ning, vårdpersonal Intervju med verksamhets- ledning 2.6 Användning av färger och sym- boler ska stämma överens med sjukhusets övriga användning K Verksamhetsled- ning, vårdperso- nal, utvecklare Intervju med verksamhets- ledning 25 4. Applikation i Power BI Tabell 4.2: Forsättning på kravspecifikationen för den slutgiltiga applikationen Nr Kriterium Krav/ Önske- mål (1-5) Intressent Verifiering 3 Data 3.1 Presenterad data ska överens- stämma med data från ELVIS K Verksamhetsled- ning, vårdperso- nal, utvecklare Manuell kon- troll 3.2 Maximal tid för dataöverföring från ELVIS till Power BI är 5s Ö(5) Verksamhetsled- ning, vårdperso- nal, utvecklare Manuell kon- troll 4 Säkerhet 4.1 All dataöverföring ska ske inom sjukhusets egna servrar K Verksamhetsled- ning, utvecklare Manuell kon- troll 4.2 Datahantering ska ske enligt svensk lag K Myndighet, verk- samhetsledning, utvecklare Kontroll mot bestämmelser 4.3 Presentation av känslig data ska ske enligt svensk lag K Myndighet, verk- samhetsledning, utvecklare Kontroll mot bestämmelser 5 Utveckling 5.1 All källkod ska vara kommente- rad K Utvecklare Manuell kon- troll 5.2 Källkoden ska vara refaktore- rad enligt grundläggande ut- vecklingpraxis K Utvecklare Manuell kon- troll 5.3 All oanvänd kod ska vara bort- tagen vid projektets slutförande K Utvecklare Manuell kon- troll 5.4 Alla anpassade visuella objekt ska vara kompatibla med Power BI och utvecklade i TypeScript K Utvecklare Manuell kon- troll 5.5 Källkoden ska vara tillgänglig på GitHub vid projektets slutföran- de K Utvecklare, fram- tida projektgrup- per Manuell kon- troll 26 4. Applikation i Power BI 4.2.1 Identifierade behov Utformning av koordinatorpanelen har skett med utgångspunkt i studier utförda av bland annat Ekesryd m.fl. [10], Björk m.fl. [9] samt personlig kommunikation med personal på NÄL [17], [35]–[37]. Bilden som framträdde var att patientöversikten och kartvyn, som är en del av SP:s tidigare gränssnitt, varit uppskattade inslag i personalens vardag under en längre tid. Därmed gjordes bedömningen att sam- ma funktionalitet skulle erbjudas även i den nya applikationen, dock med ett antal förbättringar. Bland annat i form av nya gränssnitt samt en implementation som erbjuder betydligt större flexibilitet i användandet och därmed underlättar återan- vändning inom andra verksamheter. 4.2.2 Patientvy Patientvyn kallas det visuella objekt som motsvarar den tidigare omnämnda pati- entöversikten utvecklad av [10]. Den nya vyn har utformats med samma syfte som patientöversikten - att sammanfatta den aktuella belastningen på akutmottagning- en. Versionen för MPBI visualiserar därmed i princip samma datauppsättning från ELVIS som föregångaren, men gränssnittet har omformats för att ytterligare under- lätta avläsningen (se figur 4.3 för jämförelse). Funktionaliteten har också utökats till att erbjuda visualisering av följande frekven- ser: • Opåtittade patienter per timme • Påtittade patienter per timme • Klara patienter per timme Frekvenserna kan ge en uppfattning om hur belastningen förändrats den senaste tiden. Det är även möjligt att reglera hur det visuella objektet ska hantera patien- ter med blå prioritet. Patientöversikten för SP utvecklades i samrådan med NÄL som föredrar att patienter som tilldelats blå prioritering räknas samman med gröna patienter. För att inte begränsa komponentens användning kan patientvyn hantera visning av blå patienter som en egen rad, alternativt enligt NÄL:s modell, tillsam- mans med de gröna. 4.2.2.1 Gränssnitt Likt patientöversikten i SP är patientvyn utformad som en tabell. Vidareutveckling av gränssnittet har främst skett genom att minska avståndet mellan de element som bär information om siffrornas innebörd och siffran själv. Exempelvis har det totala antalet patienter på varje avdelning placerats längst upp i vyn bredvid avdelningens namn. Denna siffra är den huvudsakliga indikatorn på avdelningens belastning och bör därför vara lättillgänglig. Precis som tidigare förstärks siffran därför med en större teckenstorlek. 27 4. Applikation i Power BI Figur 4.3: Jämförelse mellan patientöversikten i tidigare version av SP t.v. och patientvyn t.h. som den representeras i MPBI. Ytterligare en ändring som gjorts för att understryka siffrornas innebörd är att upprepa opåttittade, påtittade och klara bredvid respektive siffra. För att få plats har strängarna ersatts med symboler i form av ett överstruket öga (opåttittade), ett öga (påtittade) och en bock (klara). Nyckeltalen har även flyttats upp till tabellens övre rad då de kompletterar bedömningen av belastningen genom att visa hur stor andel av patienterna som hittills har vårdats. Tabellens huvuddel utgörs som tidigare av en översikt av patienternas prioritets- ordning. I den nya vyn har symbolen i form av en färgad person ersatts med rader vars bakgrundsfärg återspeglar prioriteten som patienterna tilldelas vid inledande triagering (beskriven i avsnitt 2.1.1). Diagrammets titel anses vara tillräckligt för att förmedla att antalen representerar patienter, i avsaknad av symbolen förestäl- lande en person. Även detta är ett sätt att låta färgen, som är informationsbärande, förekomma i samband med varje siffra för att förstärka associationen. Färgpaletten i patientöversikten återanvändes då färgerna anses vara representativa och väl motive- rade av Ekesryd m.fl. [10]. Vidare urskiljs varje kolumn tydligare genom att tabellen fått vertikala skiljelinjer som isolerar varje avdelning. Den kolumn som aggregerar övriga avdelningar och namnges totalt är även flyttad till höger. Kolumnen särskiljs med mörkgrå bakgrund för att inte förväxlas med de enskilda avdelningarna. Vidareutvecklingen har också, i linje med projektets syfte, haft för avsikt att gene- ralisera implementationen för att inte begränsa användningen till akutmottagningen på NÄL. Tabellen genereras därför dynamiskt utefter den underliggande dataupp- sättningen, vilket innebär att antalet avdelningar tillåts variera fritt. Bilaga A.1 förklarar hur datauppsättningen ska konfigureras och dokumentationsrapporten [32] hur komponenten används i Power BI. Att komponenten numera ritas dynamiskt innebär att antalet kolumner varierar, vilket kan resultera i att vyn växer i bredd. För att bäst utnyttja instrumentpa- nelens storlek erbjuds därför möjligheten att visa avdelningar utan patienter som 28 4. Applikation i Power BI förminskade kort ovanpå vyn. Att visa värdet noll för samtliga rader tillför ingen information men kräver större yta på skärmen. Implementationen i MPBI har också möjliggjort att användaren av vyn kan göra ett antal inställningar i gränssnittet (se Figur 4.4). Bland annat tillåts att oönskade kolumner väljs bort och att teckenstorleken ändras för avdelningarnas namn, det totala antalet patienter samt i tabellraderna. Från inställningspanelen är det också möjligt att aktivera frekvensvisning i tabellens övre rad. Samtliga inställningar är enkelt åtkomliga i MPBI:s webbgränssnitt och presenteras närmare i dokumenta- tionsrapporten [32]. Figur 4.4: När frekvensvisning är aktiverad visas hur värdena opåtittad, påtittad och klar förändrats den senaste timmen. 4.2.2.2 Utvärdering Personalen anser att den information som vyn visualiserar är fortsatt aktuell [38]. Viktigast är uppgifter om den totala belastningen samt nyckeltalen för opåtittad, påtittad och klar. Dock upplever somliga att den visuella tyngdpunkten hamnar snett genom att de färgglada raderna står i fokus trots att informationen är sekundär. Däremot framgår det inte att användning av symboler skulle skapa någon förvirring. Tvärtom erhölls positiv respons vid driftsättningen på NÄL varvid symbolerna bland annat beskrevs som ”självklara” [36]. 4.2.3 Kartvy Det visuella objekt som motsvarar den tidigare rumskartan [10] i SP kallas för kart- vyn och är utformad på ett liknande sätt med samma funktionalitet (se figur 4.5). En avgörande skillnad som inte avslöjas i gränssnittet är den underliggande imple- mentationen. Eftersom att varje akutmottagning har en individuell planlösning har den nya kartvyn utvecklats för att kunna konfigureras enligt rådande förutsättning- ar. Det anpassade visuella objektetet genereras utifrån den data som erhålls och kan därmed återanvändas inom fler verksamheter. 29 4. Applikation i Power BI Figur 4.5: Jämförelse mellan rumskartan i tidigare version av SP (till vänster) och kartvyn som den representeras i MPBI (till höger). 4.2.3.1 Gränssnitt På grund av den positiva återkoppling som erhållits från sjukhuspersonalen angå- ende den originella kartvyn och den utvärdering som funnits i de föregående årens rapporter ansågs det inte vara nödvändigt att göra stora ändringar av kartvyns de- sign eller funktion. Utvecklingen av gränssnittets utformning har därför utgått från den visuella designen hos den existerande kartvyn i SP. Jämför man den nya och den gamla kartan i figur 4.5 är skillnaden mycket liten: funktionaliteten är densamma, färgerna är liknande, rummen på akutmottagningen är placerade på nästan samma positioner som respektive rum i det gamla systemet och avdelningarnas titlar är positionerade på samma vis. En rad mindre ändringar har dock gjorts för att karvyn bättre ska motsvara NÄL:s akutmottagning. Rum 47A, 47B, 48A och 48B har sammanfogats till två rum, 47 och 48. Denna ändring genomfördes i samband på driftsättningen på NÄL då perso- nalen påpekade att dessa rum visserligen har två bäddar, men att de aldrig används för mer än en patient åt gången. Avdelningsnamnen har också uppdaterats när NÄL genomgick en omstrukturering under våren vilken beskrivs i avsnitt 2.2. Exempelvis omnämns Medicin Gul numera som NAKME3. Vidare har även färgerna justerats för att ytterligare förtydliga vilka rum som är upptagna och lediga genom att öka kontrasten (exakta färgkoder återfinns i dokumentationsrapporten [32]). Ändringar- na har dock varit subtila då Blomgren m.fl. [6] förklarar att färgkodningen för torgen på kartvyn följer sjukhusets egna färgkodning för att minska risken för förvirring och misstolkning, varför det är bäst att inte äventyra denna korrelation. 4.2.3.2 Utvärdering Av den återkoppling som skett framkommer det att personalen upplever att den nya kartvyn fungerar bra och är tillförlitlig [38]. Vid ett par tillfällen har dock kartvyn slutat fungera men problemen har främst orsakats av att personalen av misstag kommit åt något på datorn som kontrollerar visningen på TV-skärmen. Vidare upp- 30 4. Applikation i Power BI lever vårdpersonalen att typsnittet som används är i minsta laget men att det enbart gäller när gränssnittet visas på TV-skärmen och inte på persondatorer. 4.3 Pandemipanel Pandemipanelen är en instrumentpanel som utvecklats för att övervaka patienter som besöker NÄL på med anledning av misstänkt covid-19-smitta (se Figur 4.6). Till skillnad från koordinatorpanelen som används på akutmottagningen visar pandemi- panelen information för hela sjukhuset. Nedan beskrivs målsättningen med panelen samt de olika komponenterna som panelen innehåller. Figur 4.6: Pandemipanelens gränssnitt i sin helhet. 4.3.1 Identifierade behov Vid ett besök på akutmottagningen uttrycktes en allmän önskan om att samman- ställa information om hur pandemin påverkar NÄL:s sjukhus [36]. Uppgifter av intresse var bland annat hur många patienter på sjukhuset vars besöksanledning är covid-19 samt att få en uppfattning om var dessa patienter befinner sig. Eftersom att informationen i fråga är av en mer känslig natur var det viktigt att placera vi- sualiseringarna på en instrumentpanel som är skild från koordinatorpanelen. På så sätt kan åtkomsten begränsas till personalen på NÄL i och med att informationen inte presenteras i akutmottagningens lokaler. 31 4. Applikation i Power BI 4.3.2 Gränssnitt Instrumentpanelen utgörs av ett flertal vyer. Ett stapeldiagram används för att visa upp antalet patienter med pandemi som besöksanledning grupperat på avdelning (se Figur 4.7). Varje avdelning med minst en patient finns med i diagrammet. Vidare finns ett linjediagram som visar hur antalet patienter med besöksanledning covid-19 har förändrats över tid. Syftet med komponenten är att övervaka utvecklingen av an- talet pandemipatienter. Längst ned i gränssnittet finns ett mer förfinat linjediagram som visar utvecklingen över tid för respektive avdelning. Figur 4.7: Vyer för att visa antalet patienter med covid-19 som besöksanledning fördelat på avdelning (till vänster) samt antal patienter med covid-19 som besöksanledning över tid till höger. Slutligen har kartvyn från koordinatorpanelen konfigurerats för att visa var miss- tänkt smittade patienter befinner sig på akutmottagningen (se Figur 4.8). Denna vy kan ge information om vilka rum som eventuellt kontaminerats med smitta. Pan- demikartans färger valdes för att rummen i fråga skulle sticka ut tydligt (därav kontrasten mellan grått och mörkrött) och för att tydliggöra allvaret av patientens situation (därav valet av rött). 4.3.3 Utvärdering Vid en kort återkoppling med NÄL framgick att informationen på pandemipanelen kan vara av intresse för ledningsgruppen [38]. Samtidigt påpekades det att pan- demin hittills inte drabbat NÄL hårdare än att man haft möjlighet att överblicka patienterna. Däremot ser man att exempelvis pandemikartan kan vara av stor nyt- ta om antalet sjuka patienter ökar kraftigt och fler avdelningar eventuellt behöver utnyttjas för att ta emot smittade patienter. 4.4 Väntrumspaneler Det undersöktes även vilka fler behov som finns på akutmottagningar. Ett av de identifierade behoven var idén om en väntrumsvy för att ha möjlighet att informera 32 4. Applikation i Power BI Figur 4.8: Kartan över patienter som misstänks ha smittats. patienter om läget på mottagningen. Nedan följer i mer detalj vilka delproblem som ligger bakom behovet, samt det framtagna resultatet som har som mål att uppfylla behovet. 4.4.1 Identifierade behov Ekesryd m.fl [10] identifierade ett informationsbehov för patienter på akutmottag- ningar. Via intervjuer och samtal med vårdpersonalen på NÄL drogs slutssatsen att personalen varje dag lägger tid på att besvara frågor som hade kunnat undvikas genom ett visuellt informationsverktyg i väntrum på akutmottagningar. En sådan lösning skulle vara gynnsam både för personalen och patienter. För personalen skulle det innebära mer tid för den faktiska vården av patienter medan det för patienten skulle fylla den upplevda bristen på information som varit känd inom NU-sjukvården sedan 2016 [39]. Ekesryd m.fl. beskriver att de vanligaste frågorna från patienter är av både dynamisk och statisk karaktär. Gällande de dynamiska önskemålen, alltså den information vars innehåll förändras kontinuerligt, inkluderas följande punkter: • Antalet patienter på akutmottagningen • Tiden till att det är deras tur • Tiden till att de får träffa en läkare • Totala vistelsetiden Ovannämnda punkter går att göra direkta eller genomsnittliga beräkningar på ut- ifrån data från ELVIS. Detta till skillnad från de statiska informationsönskemålen som exempelvis berör områden som närmsta restaurang, apotek och taxi, vilka är 33 4. Applikation i Power BI beroende av utomstående faktorer och varierande system. Andra önskemål som le- gat närmare sjukvårdens arbete har varit behovet av en förklaring av vad triagering innebär, hur patienter prioriteras och varför vissa får hjälp snabbare än andra. Bilden Ekesryd m.fl. förmedlar har bekräftats av personal på NÄL [17], samt ligger i linje med vad NU-sjukvården själva skriver i sin nyhetsartikel från 2016 [39]. Med dessa uppgifter i åtanke och med en strävan efter att skapa en generell lösning inom VGR framtogs och implementerades gränssnitten i följande sektion. 4.4.2 Gränssnitt Resultatet blev två instrumentpaneler där den ena är för ett yttre väntrum, i vilket patienten väntar på triagering (se Figur 4.9). Den andra panelen är för ett inre väntrum, vilket en del akutmottagningar har där triagerade patienter ombeds vänta vid enklare åkommor, eller om alla vårdrum är upptagna (se Figur 4.10). Figur 4.9: Instrumentpanelen för yttre väntrum. Instrumentpanelerna utgår från varsin rapport med olika dataset. Gränssnittet har dock utgått från samma basvy med titel, klocka, sorts information i tabell och förklarande text i nedre kant för att skapa ett enhetligt utseende. Basvyn har sedan utökats för att vara mer anpassad till respektive väntrum. Den yttre väntrumsvyn täcker översiktlig information för hela akutmottagningen där patienten kan se antalet patienter i väntrummet, antalet som vårdas inne på mottagningen samt en uppskattad väntetid till triage. Till höger om denna informa- tion kan patienten även se hur patienterna är fördelade på varje avdelning genom ett cirkeldiagram, vilket användaren av vyn kan välja att dölja vid behov i MPBI. Informationen som presenteras i den inre väntrumsvyn baseras istället på läget för en viss avdelning (se Figur 4.11 för exempel). Patienten kan läsa av hur många som befinner sig i kö i väntrummet, antalet patienter som vårdas på den avsedda avdelningen, samt en uppskattad läkarväntetid på avdelningen. Varje avdelning har 34 4. Applikation i Power BI Figur 4.10: Gränssnittet för yttre väntrumsvy. Visar de fem varianter av vyn baserade på NÄL:s avdelningar. tilldelats en färg för att vyerna ska kunna relateras till respektive områden och färgerna är valda utifrån de NÄL använder i sin verksamhet. Vilken avdelning som visas kan användaren välja i MPBI enligt Figur 4.12. Dokumentationsrapporten [32] redovisar närmare hur båda väntrumsvyerna är ut- formade, deras underliggande dataset samt hur vyerna sätts upp och används i MPBI. Figur 4.11: Instrumentpanel över det inre väntrummet där färgen och titeln är anpassad efter vilken avdelning väntrummet avser. 4.4.3 Utvärdering Utvärdering av väntrumsvyn skedde likt övriga vyer genom samtal med utvecklings- ledaren för akutvården på NÄL [38]. Hon instämde med vårdpersonalen om att det överlag finns ett behov av att dela information om läget på akutmottagningen med patienterna. Hon ansåg dock att man bör vara försiktig med att ge ut beräknad väntetid då tiden är svår att uppskatta. Felaktiga prediktioner kan leda till mer 35 4. Applikation i Power BI Figur 4.12: I filtret för department väljs vilken avdelning man vill visa data för. I detta fall är avdelningen Ortopedi vald. irritation hos patienterna än förståelse. Även information om antalet patienter som befinner sig i väntrummet ansåg hon eventuellt kunde vara onödig eftersom pati- enterna själva kan se hur många som befinner sig i rummet. Hon såg däremot att informationen om hur många patienter som befinner sig på mottagningen och de olika avdelningarna är intressant, samt föreslog att man istället för väntetid kan visa hur många patienter som väntar på läkare. Hon menar på att antalet patienter som väntar på läkare ger en uppfattning om hur länge en patient kan tänkas behöva vänta. 4.5 Statistikrapporter Statistikrapporterna är ett antal exempelrapporter som är skapade utifrån det sta- tistikverktyg som togs fram av Björk m.fl. [9]. Rapporterna har syftet att visa hur MPBI kan användas för att visa statistik likt den i statistikverktyget samt att ge ett bättre underlag i NÄL:s utvecklingsarbete. Statistikrapporterna uppdateras en gång per minut och visar därmed upp data som är nära realtid. De innehåller en del av de standardvyer som finns i det föregående statistikverktyget, men också en del nya vyer. Rapporterna som har skapats är följande och presenteras i kommande avsnitt: • Rapporter om akutmottagningen – Status – Nyckeltal – Läkaröversikt – Frekvenser – Övrigt • Rapporter om hela sjukhuset – Sjukhusflöde 36 4. Applikation i Power BI 4.5.1 Status Status-rapporten kan ses i figur 4.13 och har syftet att ge en överblick över hur situa- tionen på akutmottagningen ser ut just nu samt hur belastningen har förändrats den senaste tiden. Rapporten innehåller flera vyer samt en filtreringskomponent. Med hjälp av filtreringskomponenten (se punkt sex i Figur 4.13) kan användaren välja att visa status för hela akutmottagningen eller endast en specifik avdelning. Figur 4.13: Statusrapporten visar hur belastningen på mottagningen förändrats de senaste timmarna. 1: Antalet händelser senaste 60 min. 2: Antal patienter som har väntat på triage och hur länge de har väntat vid olika tidpunkter de senaste sex timmarna. 3: Antal patienter som väntar på triage just nu. 4: Antal patienter som har väntat på läkare och hur länge de har väntat vid olika tidpunkter de senaste sex timmarna. 5: Antal patienter som väntar på läkare just nu. 6: Filtreringskomponent för att filtrera på avdelning. Korten som ses i punkt ett i Figur 4.13 visar upp antalet händelser som har skett senaste timmen. En användare kan utifrån informationen exempelvis dra slutsatsen att om en avdelning har triagerat många patienter senaste timmen men få har fått träffa en läkare, kommer den avdelningen ha mycket att göra närmaste tiden. Om en annan avdelning har väldigt få nya patienter kan det då eventuellt vara läge att flytta över en läkare till avdelningen med många triagerade patienter. Diagrammet som markeras av punkt fyra i Figur 4.13 har återimplementerats från Björk m.fl. [9] och syftar till att visa upp hur många patienter som väntade på att få träffa en läkare vid specifika tidpunkter samt hur länge de väntat. En patient som anländer till akutmottagningen vid 11:45 och får träffa läkare vid 13:15 visa således i staplarna för 12:00, 12:30 och 13:00. Om en patient åker hem utan att få träffa en läkare tas den bort ur diagrammet. Tillsammans med komponenten som visar hur många som väntar på läkare just nu (se punkt fem i Figur 4.13) ger detta en bild över den nuvarande belastningen, men också hur den förändrats de senaste sex timmarna. 37 4. Applikation i Power BI Diagrammen som markeras av punkt två i figuren har samma funktionalitet men visar upp hur länge patienter har väntat på triage. 4.5.2 Nyckeltal Denna rapport visar historisk statistik för nyckeltalen TTT, TTL, TTK och TVT under en valbar tidsperiod. Rapporten, som består av flera sidor, har en flik för respektive nyckeltal. Varje sida visar ett stapeldiagram och ett cirkeldiagram (se Figur 4.14). Stapeldiagrammet visar hur lång tid det tog för patienter som inkom vid ett visst klockslag att bli triagerade, tilldelade läkare, klara, samt deras totala vistelsetid. I figuren kan man till exempel se att av de patienter som kom in mel- lan klockan 15:00 och 16:00 under intervallet 20 april till 24 april blev tio stycken triagerade inom en kvart. Figur 4.14: Rapporten Nyckeltal innehåller flera sidor. Ovan visas sidan med statistik för Tid Till Triage (TTL). Cirkeldiagrammet visualiserar andelarna över hur lång tid det tog för patienterna att bli triagerade, bli tilldelade läkare, bli klara samt att lämna akutmottagningen. I Figur 4.14 kan man till exempel se att under intervallet 20 april till 24 april blev 42,5% triagerade inom en kvart. 4.5.3 Läkaröversikt Läkaröversiktsrapporten som syns i figur 4.15 har syftet att ge en överblick över läkarnas arbetshastigheter. Vyn som markeras av punkt ett i Figur 4.15 visar hur många patienter varje läkare påtittar per timme. Läkarna rangordnas från den som behandlar flest patienter per timme till den som behandlar det minsta antalet. En- dast läkare som har haft händelser över totalt tio timmar visas. Vyn som markeras av punkt två i Figur 4.15 visar medeltiden från att en läkare drar en patient tills det att patienten blir klar. Medeltiden fördelas på besöksanledning. Läkarna rangordnas från lägst medelvärde för behandlingstid (oavsett besöksanled- 38 4. Applikation i Power BI Figur 4.15: Läkaröversiktsrapporten sammanställer läkarnas arbetshastigheter. 1: Medelvärdet för antal påtittade per läkare. 2: Snitthastigheten för tid mellan att läkaren drar patienten tills dess att patienten blir klar. 3: Filtreringskomponent för att filtrera på vilka datum som är underlag för medelvärdena. ning) till högst. En läkares medelvärde för en viss besöksanledning ingår endast om läkaren har behandlat mer än tio patienter med den besöksanledningen. 4.5.4 Frekvenser Arbetet som gjorts av Ekesryd m.fl. [10] resulterade bland annat i en undersökning och en implementation av frekvenser rörande NÄL:s akutmottagning. Syftet med att introducera frekvenser i statistikverktyget var att förse vårdpersonalen med mer information och en bättre bild av flödena på akutmottagningen. Förhoppningen är att man genom historisk analys av data kan identifiera flaskhalsar och underlätta ar- betet med resursfördelning. I frekvensrapporten presenteras ett antal frekvenser som bygger på observationer och undersökningarna som gjordes av Ekesryd m.fl: • Inkomna patienter per timme • Antal triagerade patienter per timme • Antal patienter som har fått läkare tilldelad per timme • Antal klara patienter per timme • Antal patienter som lämnar akutmottagningen per timme Rapporten för frekvenser visas i Figur 4.16. Det översta stapeldiagrammet visar ett medelvärde för antalet nya patienter fördelat på timme av dygnet. I diagrammet kan användare se vilka timmar av dygnet som flest nya patienter inkommer till hela akutmottagningen, eller på en specifik avdelning. Det andra stapeldiagrammet visar medelvärdet fördelat på timme av dygnet för händelserna: antalet triagerade 39 4. Applikation i Power BI patienter, antalet påtittade patienter, antalet klara patienter och antalet patienter som lämnar akutmottagningen. Figur 4.16: Frekvensrapporten visar hur många händelser som ägt rum per timme under en viss tidsperiod. 1: Diagram som visar medelvärdet för antal inkomna patienter fördelade på timme av dygnet. 2: Diagram som visar medelvärdet på ett antal olika händelser fördelade på timme av dygnet. 3: Filtreringskomponent för att filtrera på avdelning. 4: Filtreringskomponent för att filtrera på vilka datum som ska vara underlag för medelvärdena. 4.5.5 Övrigt Rapporten kallad Övrigt har syftet att ge en översikt över hur olika variabler på- verkas av patienters ankomsttimme samt hur fördelningen av dessa variabler ser ut generellt. Variablerna som ingår i rapporten är: • Besöksanledning • Ankomstsätt • Prioritet Rapporten kan ses i Figur 4.17 och innehåller tre horisontella vyer. Vyerna utgörs av ett stapeldiagram och ett cirkeldiagram. Stapeldiagrammet syftar till att visa hur fördelningen skiljer sig för olika tider av dygnet medan cirkeldiagrammet visar den totala fördelningen. Den översta vyn (markerad med nummer ett) syftar till att övervaka fördelningen av besöksanledningen. Diagrammet använder sig av den senaste besöksanledningen som en patient tilldelats i ELVIS. Vyn nedanför visar hur stor andel av patienterna som inkommer med kölapp. Sist visas fördelningen av patienternas prioritet. I denna vy grupperas patienterna efter vilken prioritet de först fick när de anlände till akutmottagningen. 40 4. Applikation i Power BI Figur 4.17: Rapporten övrigt visar blandad statistik om akutmottagningen. 1: Besöksanledningsvy. 2. Kölappsvyn: 3. Prioritetsvyn. 4: Filtreringskomponent för att filtrera på avdelning. 5: Filtreringskomponent för att välja vilka datum som ska vara underlag. Genom de interaktionsmöjligheter som MPBI erbjuder har användaren också möjlig- het att interagera med en vy för att filtrera de övriga. En användare kan till exempel trycka på den gula delen av en stapel i den nedersta vyn. Då kommer samtliga vyer ritas om för att enbart visa statistik för patienter med gul prioritet. På detta sätt kan användaren undersöka exempelvis vilken besöksanlendning som oftast ger gul prioritet och om dessa patienter tar kölapp eller inte. 4.5.6 Sjukhusflöde Rapporten för sjukhusflöde visar hur patienter byter mellan de olika avdelningarna på sjukhuset under en viss tidsperiod (se Figur 4.18). Syftet med rapporten är att visa flödet av patienter mellan olika avdelningar på sjukhuset. Rapporten utnyttjar en komponent som visar antalet patienter som har förflyttats från en avdelning till en annan med hjälp av tjockleken på ett streck mellan avdelningarna. Rapporten innehåller, likt övriga, flera reglage som gör det möjligt att välja vilka avdelningar som är av intresse, samt vilket tidsintervall som ska gälla som underlag. 4.5.7 Utvärdering Statistikverktyget har inte testats på NÄL men spontana reaktioner erhölls av ut- vecklingsledaren på NÄL [38]. Enligt henne finns det ett behov av MPBI-rapporter som visar nuläget för akutmottagningen, till exempel status-rapporten (se avsnitt 4.5.1). Sådana rapporter kan användas av ledningsläkare för att se var prioriteringar behöver göras. Även rapporter likt läkaröversikt-rapporten (se avsnitt 4.5.3) är av 41 4. Applikation i Power BI Figur 4.18: Sjukhusrapporten visar flödet av patienter mellan sjukhusetets olika avdelningar under en viss tidsperiod. Den nuvarande konfigurationen visar hur patienter förflyttats från avdelningen Kirurgi under perioden 4e till 8e maj 2020. intresse eftersom det kan vara användbart för chefer att se arbetshastigheterna för läkare. Det framkom dock att akutmottagningen redan har mycket historisk sta- tistik och därför är rapporter likt övrigt-rapporten (se avsnitt 4.5.5) inte av lika stort behov. 42 5 Datahantering Det nya gränssnittet försörjs, likt tidigare, uteslutande med information från EL- VIS. Figur 5.1 visar hur olika delsystem samverkar för att tillhandahålla MPBI med data. Även om gränssnittet utformats för mer generell användning inom vården har tillgång till data från andra akutmottagningar än NÄL uteblivit. Därmed återan- vändes de webbtjänster som tidigare upprättats för att kommunicera med servern på NÄL. Webbtjänsterna är ansvariga för att hämta data från ELVIS flera gånger per minut genom SOAP-protokoll. Resultatet distribueras sedan till applikationens backend via en meddelandebuss som tillhandahålls av Google Pub/Sub. Backenden utför därefter nödvändiga transformationer innan data skickas till datauppsättning- ar som finns i MPBI-tjänsten. Dessutom sparar backenden ner patienthändelser i en lokal databas vilka kan utnyttjas av statistikrapporterna som har placerats i en rapportserver. Detta avsnitt beskriver inledningsvis hur datauppsättningarna förhåller sig till gräns- snittets rapporter och instrumentpaneler. Därtill följer en detaljerad beskrivning av hur backenden är utformad. Figur 5.1: Övergripande systemarkitektur. De gula rutorna representerar gränssnitten i MPBI. 43 5. Datahantering 5.1 Datauppsättningar i Power BI De instrumentpaneler och rapporter som beskrivits i föregående kapitel är alla as- socierade med en eller flera datauppsättningar i MPBI. Som nämndes i teoriav- snittet 2.4 representerar datauppsättningar datakällor vars innehåll kan visualise- ras med hjälp av grafiska komponenter i rapporter. Figur 5.2 visar hur samtliga instrumentpaneler som beskrivs i kapitel 4 är kopplad till datauppsättningar via rapporter. Figur 5.2: Strukturen på MPBI-applikationen som beskrivs i kapitel 4.) Olika typer av datauppsättningar har använts för att hantera varierande krav på uppdateringsfrekvens och datakälla. Eftersom att koordinatorpanelen, pandemipa- nelen och väntrumsvyerna är beroende av uppdateringar i realtid, tillhandahålls datan via en hybrid-datauppsättning (se avsnitt 2.4) som uppdateras i samma ögon- blick som ny data inkommer. För att endast visa upp de senaste värdena i en datauppsättning har ett mått skapats och lagts in som ett filter på varje visuellt objekt för att sortera bort data vars tidsstämpel inte längre är aktuell. Måttet använder sig av värdet på variabeln date i datauppsättningen och returnerar sant, eller 1, för den senast inkomna datan och falskt, eller 0, för all äldre data (se kodexempel 5.1). Detaljerade beskrivningar av hur måttet och push-datauppsättningarna konfigureras för respektive visuellt objekt återfinns i bilaga A och dokumentationsrapporten [32]. Kodexempel 5.1: Måttet latest_date som används för att filtrera fram den senaste datan latest_date = VAR LatestDate = CALCULATE ( MAX ( RealTimeData[date] ), ALL (RealTimeData ) ) RETURN IF ( MIN ( RealTimeData[date] ) = LatestDate, 1 ) 44 5. Datahantering Statistikrapporterna kräver däremot inte lika frekvent uppdatering och använder import-datauppsättningar som läser data från en SQL-databas. Uppdateringar sker i dagsläget med en minuts intervall men frekvensen skulle kunna minskas för många av rapporterna då informationen i huvudsak syftar till att vara användbar för strategisk analys. 5.2 Backend Det framgår inledningsvis att både push-datauppsättningarna och SQL-databasen hålls uppdaterade av den backendtjänst som utformats för att försörja det nya gräns- snittet med data. Backenden utgörs delvis av kod som härstammar från den tidigare versionen av SP. Stora delar har dock skrivits om och en del tillägg har krävts för att bättre förbereda datan för MPBI. Systemet använder sig av biblioteket Alpakka Google Cloud Pub/Sub [40] för kom- munikationen med Pub/Suben och biblioteket Akka Streams för att skapa ett flöde av transformeringar som all data passerar [41]. Vid varje uppdatering erhålls en lista med samtliga patienter som finns på sjukhuset vid den aktuella tidpunkten. Patienterna representeras i JSON-format och har fält för bland annat avdelning, besöksanledning samt en lista med händelser som patienten varit med om (se bilaga B.1 för exakt representation av en patient). Figur 5.3 visar hur inkommande data behandlas av backenden. Meddelanden som tas emot genomgår inledningsvis en process som filtrerar bort gamla meddelanden och avkodar de nya. Därefter skickas datan vidare till två separata strömmar: en ström som transformerar patienter på hela sjukhuset, samt en ström för patienter på akutmottagningen. Strömmen för akutmottagningen filtrerar omedelbart bort alla patienter som inte tillhör en av akutmottagningens avdelningar. Med den transformerade datan från de båda flödena gör backenden två saker. Dels skickas data till datauppsättningar i Power BI-tjänsten för visualisering och dels sparas data ner i en databas. Databasen gör det möjligt för backenden att ta hjälp av historisk data vid skapandet av vissa objekt som ska skickas till Power BI-tjänsten, till exempel vid frekvensberäkning för patientvyn. Databasen fungerar även som datakälla till statistikverktyget. Härnäst beskrivs de transformeraringar som sker i akutflödet och sjukhusflödet. 5.2.1 Akutflöde Akutflödet, som visas i Figur 5.4, hanterar de patienter som befinner sig på akut- mottagningen. Flödet inleds med att patientdatan kompletteras med fler variabler för att bilda akutpatient-objekt. En del av den inkomna informationen sparas där- efter i en SQL-databas. Slutligen transformeras akutpatienterna i parallella flöden för att datan ska kunna visas i koordinatorpanelen och i väntrumsvyerna. 45 5. Datahantering Figur 5.3: Översikt över backendflödet som processar inkomna meddelanden. 5.2.1.1 Transformering till akutpatient Det första steget i akutflödet är att transformera patientdatan till akutpatient- objekt. Datan som kommer ifrån Pub/Sub innehåller data om samtliga patienter på sjukhuset. Genom att jämföra varje patients avdelning med en konfigurationsfil som innehåller avdelningarna på akutmottagningen kan de icke-relevanta patienterna fil- treras bort. Fälten som finns hos varje patient från Pub/Sub kan ses i Kodexempel 5.2. Kodexempel 5.2: Fälten som medföljer varje patient inkommen via Pub/Sub careContactId: Int, careContactRegistrationTime: String, departmentComment: String, events: List[ElvisEvent], location: String, patientId: Int, reasonForVisit: String, team: String, visitId: Int, visitRegistrationTime: String Vardera patient på akutmottagningen har en lista med händelser som i sin tur associeras med ett värde och en typ. En händelse för en patient kan till exempel ha typen ny prioritet och värdet gul, vilket betyder att patienten har fått en gul prioritering. Ur denna lista med händelser beräknas ett antal variabler och flaggor som underlättar vidare transfo