FIU, Alm.del - 2023-24 - Endeligt svar på spørgsmål 74: Spm. om ministeren vil kommentere på artiklen Jeg kan ikke komme i tanke om én eneste beregning på arbejdskraftbesparelser, som Finansministeriet har lavet på ny teknologi i kommunerne, der er endt med at give det beregnede resultat bragt på Version2.dk, den 14. september 2023?

Finansudvalget 2023-24
FIU Alm.del
Offentligt

Kvalificering af udvalgte

regionale løsninger til at

frigøre arbejdskraft

Udarbejdet af PA Consulting for Danske

Regioner

Marts 2023

FIU, Alm.del - 2023-24 - Endeligt svar på spørgsmål 74: Spm. om ministeren vil kommentere på artiklen Jeg kan ikke komme i tanke om én eneste beregning på arbejdskraftbesparelser, som Finansministeriet har lavet på ny teknologi i kommunerne, der er endt med at give det beregnede resultat bragt på Version2.dk, den 14. september 2023?

Arbejdskraftbesparende teknologier kan overordnet inddeles i fire

kategorier

PA har bistået Danske Regioner med at udvælge og vurdere teknologiske løsninger, der kan bidrage til frigørelse af årsværk. I alt har de fem regioner meldt over 30 løsninger ind.

Løsningerne fordeler sig på fire overordnede teknologikategorier. Hver af de fire kategorier er kendetegnet ved, at teknologien på forskellig måde bidrager til at frigøre årsværk.

Konkrete løsninger kan godt bestå af flere forskellige teknologier ligesom nogle teknologiske løsninger ligger i en gråzone mellem flere kategorier.

Optimeringsteknologier

Automatiseringsteknologier

Eksempler på optimeringsteknologier:

•

Datadrevne planlægningsværktøjer (f.eks. digital twin)

Beslutningsstøtteværktøjer (f.eks. kunstig intelligens)

Lokaliseringsteknologier (f.eks. sensorer/Internet of Things)

Teknologier, der frigør ressourcer

ved at optimere eksisterende

processer, så medarbejderne

udnytter deres tid bedre i

opgaveløsningen.

Teknologier, der frigør ressourcer

ved at automatisere hele (eller

dele af) eksisterende processer, så

medarbejderne ikke længere

behøver at udføre den pågældende

opgave.

Eksempler på automatiseringsteknologier:

• Robotic Process Automation (RPA)

• Chatbots og digitale avatarer

• Fysiske robotter (f.eks. AGV’er, blanderobotter)

Teknologier, der frigør ressourcer

ved at delegere eksisterende

processer, så opgaver, som tidligere

blev udført af medarbejderne, f.eks.

delegeres til andre faggrupper

eller patienter.

Eksempler på andre teknologier:

Teknologier, der på anden vis

kan frigøre ressourcer hos

medarbejderne.

• AR/VR

• Videokonsultationer

Eksempler på delegeringsteknologier:

•

Telemedicin

Patientrapporterede oplysninger (PRO)

Egenmonitorering

Delegeringsteknologier

Confidential between PA and Danske Regioner

Andre teknologier

De fem udvalgte løsninger bidrager med at frigøre årsværk i

forskellige dele af klinikken

De fem udvalgte løsninger er beskrevet mere dybdegående på de følgende sider med fokus på teknologitype, beskrivelse af arbejdsgange og erfaringer med løsningen. Desuden

omfatter beskrivelserne potentialet for at frigøre arbejdskraft samt de estimerede omkostninger ved en landsdækkende udbredelse. Endelig er der for hver løsning foretaget en

overordnet vurdering af de teknologiske, juridiske og kompetencemæssige forudsætninger og opmærksomhedspunkter i relation til en bredere implementering.

Kunstig intelligens til monitorering på sengeafdelinger

–

WARD 24/7 og tilsvarende løsninger

Løsningen WARD 24/7 muliggør trådløs, kontinuerlig vitalparameterovervågning, hvor kunstig intelligens sorterer i alarmer fra overvågningen, så alle relevante alarmer tilgår

sygeplejersker på sengeafdelinger. På denne måde reduceres antallet af alarmer med 85%. Løsningen erstatter nuværende manuelle arbejdsgange i forbindelse med håndteringen af

risikopatienter på sengeafdelinger og bidrager dermed til at frigøre tid. Løsningen medfører desuden en række forbedringer for patienter og personale.

Kunstig intelligens til monitorering af intensivpatienter

–

Migo og tilsvarende løsninger

Migo er en kamerabaseret patientmonitoreringsløsning, der med brug af kunstig intelligens kan sende målrettede alarmer til det patientansvarlige personales mobile enhed og dermed øge

fleksibiliteten og autonomien for både patienter og personalet på intensivafdelinger. Løsningen medvirker til en frigørelse af årsværk og løser samtidig de udfordringer, som især enestuer

medfører, hvor det for intensivpatienter kræves, at der er én sygeplejerske pr. patient til kontinuerlig monitorering.

Kunstig intelligens til bistand i diagnostikken

–

mammografiske screeningsundersøgelser

Løsningen benytter kunstig intelligens som input til vurderinger af mammografiscreeningsundersøgelser i lavrisikogruppen. I dag dobbeltgranskes screeninger af to speciallæger

uafhængigt af hinanden. AI-løsningen erstatter den ene af de to speciallæger, som vurderer de røntgenbilleder, der bliver taget i forbindelse med screening. Løsningen adresserer manglen

på radiologer, forbedrer svartid på mammografiundersøgelser og medfører et serviceløft i form af kortere udredningstid.

Delegering af opgaver på tværs af sektorer

–

Dermloop og tilsvarende løsninger

Løsningen Dermloop sikrer, at essentiel diagnostisk information om hudtilstande bliver delt på tværs af specialer og sektorer. Dermloop gør det muligt at indsamle, vurdere og diagnosticere

hudlæsioner effektivt og sikkert, samt træne læger i at blive bedre til at diagnosticere og understøtte direkte tværfaglig feedback og kommunikation mellem klinikere og patologer. Dermed

muliggør Dermloop kortere ventetid for borgerne samt frigjorte årsværk blandt hudlæger, plastikkirurger og patologer.

Automatisering af manuelle processer i klinikken

–

brug af RPA til indberetning af kliniske kvalitetsdata

RPA (Robotic Process Automation) er en teknologi, som kan anvendes til automatisering af manuelle administrative processer i klinikken, eksempelvis genindtastning af data fra et it-

system i et andet it-system. Konkret omfatter løsningen en hel eller delvis automatisering af de manuelle indberetninger fra regionerne til de kliniske kvalitetsdatabaser. På længere sigt vil

tilsvarende løsninger kunne etableres i forbindelse med en række andre manuelle indberetninger og bestillingsprocesser.

Confidential between PA and Danske Regioner

Indledning

Introduktion til analysen

Som del af økonomiaftalen for 2023 indgår ambitionen om at frigøre ressourcer svarende til 10.000 årsværk over 10 år. Der er

afsat 100 mio. kr. til skalering og implementering af eksisterende teknologi og automatisering til at realisere 10-årsplanen, der

udmøntes i perioden 2023-2025 med forventning fra Finansministeriet/Digitaliseringsstyrelsen om, at første ansøgningsrunde

afholdes i første halvdel af 2023. 100 mio. kr.-puljen fordeles mellem staten, kommunerne og regionerne, der – mod at bidrage

med egen medfinansiering – kan ansøge om midler til udbredelse af konkrete, allerede-eksisterende projekter. Som forberedelse

til ansøgningsrunden i 2023, har Regionsdirektørkredsen nedsat en hurtigarbejdende regional arbejdsgruppe.

PA Consulting har bistået Danske Regioner og den hurtigarbejdende arbejdsgruppe med at kvalificere og beskrive

arbejdskraftbesparende løsninger, som regionerne har identificeret. I alt har regionerne indmeldt over 30 løsninger, hvoraf fem

løsninger udfoldes i dette løsningskatalog. De fem løsninger er identificeret og udvalgt gennem drøftelser i den hurtigt-arbejdende

arbejdsgruppe på baggrund af vurderinger og potentialeberegninger, der udfoldes i dette katalog. Løsningerne beskrives med

særligt fokus på potentialet for frigjort arbejdskraft samt skaleringsparathed.

Fem løsninger udfoldes i nærværende katalog, hvor hver løsning beskrives ud fra følgende faktorer:

• Introduktion af løsningen, herunder teknologitype, beskrivelse af arbejdsgange og erfaringer med løsningen

• Potentialet for frigørelse af årsværk og estimerede omkostninger på nationalt niveau

• Teknologiske, juridiske og kompetencemæssige forudsætninger samt faktorer for national skalering.

Løsningerne er beskrevet med opmærksomhed på præsentation for Finansministeriets 10 års plan og 100 mio. kr.-pulje, og er

således beskrevet med henblik på en efterfølgende udarbejdelse af konkrete ansøgninger til puljen.

Generisk analyseramme til vurdering af fremtidige løsninger

Ud over at have indgået i vurderingen af løsninger i dette katalog, har PA Consulting også udarbejdet en generisk

vurderingsmodel, der kan benyttes til at vurdere og sammenligne fremtidige løsninger til 100 mio. kr.-puljen eller løsninger til

vurdering i andre sammenhænge. Til dette er der defineret et antal kriterier for vurderingen af potentiale, skalérbarhed og om

løsningen kan implementeres. Modellen tager højde for, at særlige kriterier, eksempelvis potentialet for frigørelse af årsværk, har

særlig høj betydning i forbindelse med 100 mio. kr.-puljen.

Formål

Formålet med analysen har været at

kvalificere og beskrive en række

teknologiske løsninger, som er

identificeret og udvalgt i dialog med

Danske Regioner og landets fem

regioner. For hver af de udvalgte

løsninger har der været særligt fokus

på at beskrive potentialet for at frigøre

arbejdskraft samt løsningernes

skaleringsparathed og

implementérbarhed.

Analysens resultater skal anvendes

som input for Danske Regioners dialog

med Finansministeriet om mulige

indsatser i regi af 10-årsplanen ved at

præsentere udvalgte teknologiske

løsninger, der kan bidrage til at frigøre

arbejdskraft.

Confidential between PA and Danske Regioner

Beskrivelse af

løsninger

Fem arbejdskraftfrigørende løsninger

1. Kunstig intelligens til monitorering på sengeafdelinger

s. 9

s. 12

s. 15

2. Kunstig intelligens til monitorering af intensivpatienter

3. Delegering af opgaver på tværs af sektorer

4. Kunstig intelligens til bistand i diagnostikken

5. Automatisering af manuelle processer i klinikken

s. 18

s. 21

Confidential between PA and Danske Regioner

Sammenligning af løsninger

Frigørelse af årsværk

Omkostninger

Projekt

Drift

Kvalitative gevinster

Kunstig intelligens til monitorering på

sengeafdelinger

WARD 24/7

110

årsværk årligt

20-27

mio kr.

55-90

mio kr.

•

Forbedret klinisk kvalitet og patientsikkerhed

Reduktion i sværhedsgrad af komplikationer, mén og mortalitet

Øget tryghed for personale og patienter.

Kunstig intelligens til monitorering af

intenstiv patienter

Migo

175-200

årsværk årligt

12-17

mio kr.

•

Øget sikkerhed for patienten

Øget fleksibilitet og autonomi for personalet

Mere effektiv udnyttelse af ressourcer, særligt under aften- og nattevagter.

Delegering af opgaver på tværs af

sektorer

Dermloop

90-100

årsværk årligt

27-37

mio kr.

60-80

mio kr.

•

Nedbragt svartid, som øger patienternes tilfredshed

Hurtigere diagnostik og behandling af modermærkekræft og almindelig hudkræft

Bedre tværfaglig kommunikation mellem de involverede aktører (praktiserende læger,

hudlæger, plastikkirurger og patologer)

Nemmere og bedre adgang til effektiv læring på tværs af specialerne

Fald i antal unødvendige biopsier

Mulighed for at frigøre lægetid i almen praksis ved at delegere til sygeplejerske.

Kunstig intelligens til bistand i

diagnostikken

Mammografiske screeningsundersøgelser

årsværk årligt

mio kr.

•

Nedbragt svartid på screeningsundersøgelser

Nedsat ventetid på klinisk mammografi

Nedsat arbejdsbyrde for de erfarne mammaradiologer

Automatisering af manuelle processer i

klinikken

Brug af automatiseringsteknologier til indberetning

af kliniske kvalitetsdata

årsværk årligt

10-14

mio kr.

1-2

mio kr.

•

Færre fejl i indberetninger som følge af en mere automatiseret proces

Nedbringelse af administrationsopgaver, hvor det berørte personale vil kunne bruge

den frigjorte tid på andre, mere patientnære aktiviteter.

Confidential between PA and Danske Regioner

1. Kunstig intelligens til monitorering på sengeafdelinger

WARD 24/7 og tilsvarende løsninger

Løsningen WARD 24/7 (herefter WARD) muliggør trådløs, kontinuerlig vitalparameterovervågning, hvor kunstig intelligens sorterer i

alarmer fra overvågningen, så alle relevante alarmer tilgår sygeplejersker på sengeafdelinger. På denne måde reduceres antallet af

alarmer med 85%. Løsningen erstatter nuværende manuelle arbejdsgange i forbindelse med håndteringen af risikopatienter på

sengeafdelinger og bidrager dermed til at frigøre tid. Løsningen medfører desuden en række forbedringer for patienter og personale.

Beskrivelse af løsningen

WARD adresserer en række udfordringer ved den aktuelle kliniske standard for overvågning af vitalparametre på sengeafdelingen, f.eks. Early

Warning Score (EWS) eller Tidlig Opsporing af Kritisk Sygdom (TOKS), der ud over at være en manuel og arbejdstung proces også indebærer risiko

for ikke-observeret kritisk forværring mellem de manuelle observationer. Ved brug af trådløst måleudstyr indsamler WARD kontinuerligt de samme

vitalparametre som EWS/TOKS. Det trådløse udstyr sender data om patienternes vitalparametre til en server, der via kunstig intelligens sender

relevante alarmer videre til en målrettet app på

sygeplejerskes

mobile enheder. WARDs algoritme muliggør en reduktion på 85% i antallet af alarmer

og tilbyder personalet et kontinuerligt og fleksibelt overblik over patienternes tilstand.

Med brugen af WARD kan der spares ca. 13 minutter dagligt pr. patient som direkte konsekvens af erstatningen af EWS/TOKS-målinger. Derudover

giver løsningen en række kvalitetsmæssige forbedringer i form af færre komplikationer, reduktion af komplikationers alvorlighed (herunder

intensivindlæggelse og re-operationer) samt reduktion af indlæggelsesvarighed med komplikationer. Hertil oplever både personale og patienter øget

tryghed som følge af den kontinuerlige måling. Løsningen er som led i kliniske forsøg implementeret på ni afdelinger på Rigshospitalet og Bispebjerg

Hospital med høj brugertilfredshed. Løsningen forventes CE-godkendt medio 2023, og evidensen udbygges løbende i en række kliniske studier.

Frigørelse af årsværk

Omkostninger

Teknologier i løsningen

Trådløst udstyr til måling af

vitalparametre

App med overvågning/alarmer

på sygeplejerskes mobile

enheder

Server med algoritme til

monitorering af måledata

Erfaringer med løsningen

•

Lovende resultater fra >2500

monitorerede patienter

Løsningen er under fortsat

afprøvning på ni afdelinger

på Bispebjerg og

Rigshospitalet

110

årsværk årligt

Faggruppe:

Sygeplejersker

20-27

mio. kr. i

projektomkostninger

55-90

mio. kr. i

årlige driftsomkostninger

Confidential between PA and Danske Regioner

Kunstig intelligens til monitorering på sengeafdelinger

WARD 24/7 og tilsvarende løsninger

Potentiale for frigørelse af årsværk

Der ses et samlet potentiale på ca. 110 årsværk ved national implementering af WARD på

risikopatienter – baseret på 725.000 indlæggelser og en gns. indlæggelsestid på fire døgn.

Årlig effekt på nationalt niveau

Tidsbesparelse pr. døgn pr. patient ved at anvende WARD i forhold til

manuelle målinger (EWS)

Antal indlæggelser på mere end 12 timer (2022)

Andel indlagte patienter med størst gavn af monitorering med WARD

Gennemsnitlig indlæggelsestid

Frigørelse af årsværk, i alt ca.

13,25 min.

725.000

25%

4 døgn

110

Udgifter på nationalt niveau

Midlertidige projektudgifter, samlede udgifter

Estimerede udgifter til projektledelse og organisatorisk

implementering, inkl. administrativt overhead

Kilde: PA-beregning baseret på erfaringstal

20-25 mio. kr.

2 mio. kr.

Estimerede udbudsomkostninger ved landsdækkende udbredelse

Kilde: PA-beregning baseret på erfaringstal

Varige driftsudgifter, årlige udgifter

Årlige udgifter til løsning (licens, support, måleudstyr) pr. patient

pr. døgn

Kilde: Projektbeskrivelse

75-125 kr.

55-90 mio. kr.

Samlede udgifter til drift pr. år ved 725.000 patienter

Der er fordele ved at erstatte den

manuelle EWS-måling med trådløs,

kontinuerlig overvågning. Omvendt

giver kontinuerlig overvågning mange

alarmer for personalet.

WARD kan, med brug af kunstig

intelligens, sortere i alarmerne, så

sygeplejersken kun modtager de

relevante alarmer.

Samlede udgifter

Nationale projektudgifter i alt

Nationale årlige driftsudgifter i alt

22-27 mio. kr.

55-90 mio. kr.

Kvalitative effekter

•

Forbedret klinisk kvalitet og patientsikkerhed

Reduktion i sværhedsgrad af komplikationer, mén og mortalitet

Øget tryghed for personale og patienter.

Confidential between PA and Danske Regioner

Kunstig intelligens til monitorering på sengeafdelinger

WARD 24/7 og tilsvarende løsninger

Teknologiske forudsætninger

•

Løsningen består af medicoteknisk måleudstyr til monitorering af

patienten, server med AI-funktionalitet samt en app til installation på

sygeplejerskernes mobile enheder

Løsningen kræver ikke integration til andre systemer

National skalering forudsætter skalering af teknisk infrastruktur til

håndtering af større antal patienter.

Faktorer for national skalering

Opmærksomhedspunkter

• National skalering vil kunne understøttes gennem udvikling

af et formaliseret uddannelses- og

implementeringsprogram med faste pakker til uddannelse

og introduktion på afdelinger, etablering af styregruppe for

implementering med deltagelse af hospitalsledelser samt

forankring i kvalitetsfølgegruppe for at sikre vedvarende

effekt af implementering.

Modenhed

• Afprøvet på ni afdelinger på Bispebjerg og Rigshospitalet i

adskillige kliniske forsøg med over 2500 patienter i alt

• Løsningen har demonstreret potentiale for frigørelse af

arbejdstid, og aktuelle randomiserede kliniske forsøg

forventes at dokumentere, at løsningen bidrager til fald i

alvorlige komplikationer og den gennemsnitlige liggetid.

Tidshorisont

• Baseret på erfaringerne fra Region Hovedstaden vil

løsningen kunne skaleres til national udbredelse i løbet af

et til to år

• Den angivne implementeringstid vil dels forudsætte et

fælles projektsetup med dedikerede tværgående

ressourcer samt regionale implementeringsteams drevet af

stærke faglige ledere.

Juridiske forudsætninger

•

Løsningen er i proces til CE-mærkning og forventes godkendt i andet

kvartal af 2023.

Kompetencemæssige forudsætninger

•

Løsningen i sig selv er simpel og intuitiv og kræver derfor kun en kort

introduktion før ibrugtagning

Brug af løsningen ændrer den typiske arbejdsgang for sygeplejersker

på sengeafdelinger, primært ift. gennemførelse af og opfølgning på

EWS/TOKS. Det er derfor forventningen, at implementering på de

enkelte afdelinger vil kræve en ledelsesmæssig og organisatorisk

indsats ift. at arbejde med kultur og vante måder at arbejde på.

Confidential between PA and Danske Regioner

2. Kunstig intelligens til monitorering af intensivpatienter

Migo og tilsvarende løsninger

Migo er en kamerabaseret patientmonitoreringsløsning, der med brug af kunstig intelligens kan sende målrettede alarmer til det

patientansvarlige personales mobile enhed og dermed øge fleksibiliteten og autonomien for både patienter og personalet på

intensivafdelinger. Løsningen medvirker til en frigørelse af årsværk og løser samtidig de udfordringer, som især enestuer medfører,

hvor det for intensivpatienter kræves, at der er én sygeplejersker pr. patient til kontinuerlig monitorering.

Beskrivelse af løsningen

Med de nuværende patientmonitoreringssystemer er sygeplejersker på intensivafdelinger nødsaget til at være hos patienterne, idet systemet først

alarmerer, ”når skaden er sket”. Der er således ikke indlagt den nødvendige fleksibilitet i den nuværende monitorering, planlægning og

kapacitetsstyring ift. det konkrete plejebehov. Løsningen Migo sender, ved hjælp af kameramonitorering og kunstig intelligens, alarmer ved

specifikke bevægelser eller events hos intensivpatienten. Alarmerne modtages direkte på sygeplejerskernes mobile enheder.

Et kamera over patientens seng registrerer hele døgnet patientens bevægelser og sender, ved hjælp af kunstig intelligens, alarmer til den ansvarlige

sygeplejerske, hvis patienten foretager de specifikke bevægelser, som sygeplejersken har angivet bør udløse en alarm. Når en alarm udløses, har

sygeplejersken mulighed for at se patienten via et live videofeed på sin mobile enhed. Sygeplejersken kan dermed trygt bevæge sig rundt på

afdelingen og løse andre opgaver eller give pårørende tid alene med patienten.

Løsningen kan give en øget fleksibilitet og autonomi i personalets hverdag, som ud over øget tryghed i jobbet er gavnligt for arbejdsmiljø og

fastholdelse. Effekten af løsningen er særligt stor på afdelinger med enkelt- eller tvillingestuer samt under aften- og nattevagter. Sygeplejersken

undgår desuden en række irrelevante alarmer, hvilket er en veldokumenteret og stigende udfordring i moderne patientmonitorering. De valgte

alarmer er bestemt af personalet ud fra relevans og målrettes den patientpopulation, som er på den givne afdeling.

Frigørelse af årsværk

Omkostninger

Teknologier i løsningen

Kamera til monitorering

over sengen

App med monitorering

/alarmer på sygeplejerskes

mobile enheder

Server med algoritme til

udløsning af alarmer

Erfaringer med løsningen

•

Løsningen er i mindre skala

afprøvet i Region

Hovedstaden. Der kører pt. en

udbudsproces med forventning

om implementering på

Rigshospitalet i løbet af Q2

2023

175-200

årsværk årligt

Faggruppe:

Sygeplejersker

12-17

mio. kr. i

projektomkostninger

mio. kr. i

årlige driftsomkostninger

Confidential between PA and Danske Regioner

Kunstig intelligens til monitorering af intensivpatienter

Migo og tilsvarende løsninger

Potentiale for frigørelse af årsværk

Det samlede potentiale på nationalt niveau er opgjort til 175-200 sygeplejerskeårsværk på

tværs af landets intensivafdelinger. Estimaterne beror primært på vurderinger fra

innovationsprojektets ledende medarbejdere samt udvalgte nøgletal.

Årlig effekt på nationalt niveau

Antal intensive sengepladser på landsplan (RKKP, dec 2021)

Antal årsværk til bemanding af intensivsengeplads pr. år

Tidsbesparelse pr. sengeplads ved introduktion af Migo

Frigørelse af årsværk i alt

310

Ca. 12%

Ca. 175-200

Varige driftsudgifter, årlige udgifter

Årlige driftsudgifter pr. seng pr. måned

(pris for drift af samlet løsning)

Kilde: Migo

Udgifter på nationalt niveau

Midlertidige projektudgifter, samlede udgifter

Estimerede udgifter til projektledelse og organisatorisk

implementering, inkl. administrativt overhead

Kilde: PA-beregning baseret på erfaringstal

10-15 mio. kr.

2 mio. kr.

Estimerede udbudsomkostninger ved landsdækkende udbredelse

Kilde: PA-beregning baseret på erfaringstal

7.000 kr.

26 mio. kr.

Kvalitative effekter

•

Øget sikkerhed for patienten

Øget fleksibilitet og autonomi for personalet

Mere effektiv udnyttelse af ressourcer, særligt under aften- og nattevagter.

Samlede udgifter til drift pr. år ved 310 intensiv-

sengepladser

Samlede udgifter

Nationale projektudgifter i alt

Nationale årlige driftsudgifter i alt

12-17 mio. kr.

26 mio. kr.

Confidential between PA and Danske Regioner

Kunstig intelligens til monitorering af intensivpatienter

Migo og tilsvarende løsninger

Teknologiske forudsætninger

•

Løsningen består af et standardkamera til montering i loft, server med

AI-funktionalitet, et system til styring af alarm-flow samt en app til

installation på sygeplejerskernes mobile enhed

Løsningen kræver ikke integration til andre systemer.

Faktorer for national skalering

Opmærksomhedspunkter

• Løsningen er udviklet til at imødegå udfordringer med

bemanding ved overgang til enestuer på intensivafdelinger

og deraf følgende ændrede arbejdsgange, f.eks. at det

bliver sværere at dække af for hinanden og samarbejde

omkring monitorering af patienter, fordi de ikke ligger

samlet.

Modenhed

• Løsningen er udviklet i et innovationsforløb på

Rigshospitalet

• Pilotafprøvning på intensivafdeling med 11 senge forventes

påbegyndt i 2. kvartal 2023.

Tidshorisont

• Det vil være naturligt at planlægge en landsdækkende

udbredelse, så den falder sammen med den løbende

overgang til enestuer på intensivafdelinger, hvor potentialet

for brug af løsningen vurderes at være størst.

Juridiske forudsætninger

•

Løsningen overholder GDPR, og der er foretaget ekspertvurdering af

de etiske aspekter af brug af videomonitorering

Løsningen er i proces til CE- og MDR-mærkning som medicinsk

produkt og forventes godkendt i 2. kvartal 2023.

Kompetencemæssige forudsætninger

•

Løsningen i sig selv er simpel og intuitiv og kræver derfor ikke særskilt

oplæring i brug

Brug af løsningen ændrer den typiske arbejdsgang for sygeplejersker

på intensivafdelinger, primært ift. den måde, de er vant til at monitorere

den eller de patienter, de har ansvar for. Det er derfor forventningen, at

implementering på de enkelte afdelinger vil kræve en ledelsesmæssig

og organisatorisk indsats ift. at arbejde med kultur og vante måder at

arbejde på.

Confidential between PA and Danske Regioner

3. Delegering af opgaver på tværs af sektorer

Dermloop og tilsvarende løsninger

Løsningen Dermloop sikrer, at essentiel diagnostisk information om hudtilstande bliver delt på tværs af specialer og sektorer.

Dermloop gør det muligt at indsamle, vurdere og diagnosticere hudlæsioner effektivt og sikkert samt træne læger i at blive bedre til

at diagnosticere og understøtte direkte tværfaglig feedback og kommunikation mellem klinikere og patologer. Dermed muliggør

Dermloop kortere ventetid for borgerne samt frigjorte årsværk blandt hudlæger, plastikkirurger, patologer og bioanalytikere.

Beskrivelse af løsningen

Borgere med hudlidelser oplever lange ventetider, før de kan blive set af en hudlæge, og oplever ligeledes ventetid, før de modtager en endelig

diagnose. Derudover går essentielle diagnostiske data tabt mellem de forskellige sundhedssektorer, hvorfor det ofte er svært for hudlægen eller

plastikkirurgen at stille en diagnose. Nuværende teledermatologiske løsninger benyttes ikke til fulde, da det tager for lang tid at lave virtuelle

henvisninger, og fordi billedkvaliteten ofte er for dårlig.

Dermloop’s platform adresserer disse udfordringer ved at tilbyde en digital løsning med tre hovedkomponenter til effektiv deling af information om

hudtilstande samt træning af læger i modermærkegenkendelse. (1)

Dermloop Desktop™

består af tilpassede grænseflader til administratorer,

praktiserende læger, hudlæger og patologer til registrering, klinisk styring, gennemgang, diagnostik og feedback. (2)

Dermloop Capture™

er en app til

håndholdte enheder, der muliggør hurtig registrering og øjeblikkelig overførsel af hudlæsioner til Dermloop-platformen. (3)

Dermloop Learn™

tilbyder

simuleret træning i mønstergenkendelse understøttet af kunstig intelligens.

Løsningen kan frigive årsværk og reducere ventetid, da en række henvisninger

og præoperative visitationer

kan håndteres uden fysisk fremmøde. De

praktiserende læger bliver desuden løbende bedre til at vurdere og triagere hudtumorer som følge af den digitale feedback, hvilket nedbringer det

totale antal henvisninger (fysiske og

virtuelle). Løsningen kan desuden øge kvaliteten via bedre diagnostisk information til hudlæger og patologer,

hurtigere identificering af almindelig hudkræft og modermærkekræft samt tidlig afslutning af godartede forandringer direkte i almen praksis. Dermed

muliggør løsningen frigivelse af årsværk på tværs af samtlige sektorer.

Frigørelse af årsværk

Omkostninger

Teknologier i løsningen

SAAS-platform

Erfaringer med løsningen

•

Aktuelt er Dermloop i drift

på tværs af et antal

hospitalsafdelinger og

praksislæger i Region

Hovedstaden og Region

Syddanmark

90-100

årsværk årligt

Faggrupper:

Dermatologer, plastikkirurger,

patologer og bioanalytikere

27-37

mio. kr. i

projektomkostninger

60-80

mio. kr. i

årlige driftsomkostninger

Smart devices + app til

registrering

Læringsplatform baseret

på kunstig intelligens

Confidential between PA and Danske Regioner

Delegering af opgaver på tværs af sektorer

Dermloop og tilsvarende løsninger

Potentiale for frigørelse af årsværk

Det samlede potentiale på nationalt niveau er opgjort til 93-95 lægeårsværk på tværs af

specialerne dermatologi, plastikkirurgi og patologi. Estimaterne beror primært på

ekspertvurderinger i projektet og en analyse gennemført af Digitaliseringsstyrelsen.

Årlig effekt på nationalt niveau

Dermatologi: Flere telekonsultationer samt færre henvisninger fra

almen praksis

Antal årsværk

3-5

Udgifter på nationalt niveau

Midlertidige projektudgifter, samlede udgifter

Estimerede udgifter til projektledelse og organisatorisk

implementering, inkl. administrativt overhead

Kilde: PA-beregning baseret på Melatech og erfaringstal

25-35 mio. kr.

2 mio. kr.

Estimerede udbudsomkostninger ved landsdækkende udbredelse

Kilde: PA-beregning baseret på erfaringstal

Plastikkirurgi: Hurtigere præoperative forløb samt teledermatologiske

afslutninger af godartede læsioner

Patologi: Reduktion af antal biopsier

Frigørelse af årsværk i alt

Varige driftsudgifter, årlige udgifter

Årlige licensudgifter

Kilde: Projektbeskrivelse fra Danske Regioner

90-100

60-80 mio. kr.

Samlede udgifter

Nationale projektudgifter i alt

Nationale årlige driftsudgifter i alt

27-37 mio. kr.

60-80 mio. kr.

Færre henvisninger

grundet læring i den

almene praksis

Diagnostik og præ-

operative forløb via

teledermatologi

Reduktion i

antallet af

hudbiopsier

Kvalitative effekter

•

Nedbragt svartid, som øger patienternes tilfredshed

Hurtigere diagnostik og behandling af modermærkekræft og almindelig hudkræft

Bedre tværfaglig kommunikation mellem de involverede aktører (praktiserende læger,

hudlæger, plastikkirurger og patologer)

Nemmere og bedre adgang til effektiv læring på tværs af specialerne

Fald i antal unødvendige biopsier

Mulighed for at frigøre lægetid i almen praksis ved at delegere til sygeplejerske.

Almen praksis

Dermatologi

Plastikkirurgi

Patologi

Confidential between PA and Danske Regioner

Delegering af opgaver på tværs af sektorer

Dermloop og tilsvarende løsninger

Teknologiske forudsætninger

•

Løsningen består en desktop-applikation, en applikation til håndholdte

enheder og en mobilapp til simuleret træning

Løsningen understøtter standalone-journalisering for hudtumorer, og det

skal derfor overvejes, hvordan den bedst muligt integreres med EPJ og

lægepraksissystemer.

Faktorer for national skalering

Opmærksomhedspunkter

• Det er et opmærksomhedspunkt, at de praktiserende

læger organisatorisk set er forskellige og vil have

varierende forudsætninger og kompetencer til at tage

Dermloop i brug. Det anses derfor som realistisk at nå en

samlet national udbredelse på ca. 80% (initialt)

• Ifm. implementering hos de praktiserende læger skal både

finansiering og incitamentsstruktur til at anvende Dermloop

nærmere fastlægges og aftales mellem de relevante

politiske og fagorganisatoriske aktører.

Modenhed

• Aktuelt er Dermloop i drift i Region Hovedstaden på tre

udvalgte hospitalsafdelinger og i otte udvalgte almene

praksisser samt i Region Syddanmark på en

hospitalsafdeling, syv private hudkliniker og 10 almene

praksiser.

Tidshorisont

• En national implementering med en udbredelsesgrad på

80% anslås at have en varighed på ca. tre år, givet at der

er tale om en tværsektoriel løsning

• Den angivne implementeringstid medtager successiv

udrulning i forlængelse af aktuelle pilotforsøg samt et

regionalt implementeringsteam mhp. at understøtte fælles

styring og læring. Herudover tager tidshorisonten højde for

den organisatorisk varians, der er i almene praksisser.

Juridiske forudsætninger

•

Der er sikret juridisk afklaring, inkl. et databehandlersetup, som er

udarbejdet og godkendt på tværs af region Hovedstaden og

Syddanmark.

Kompetencemæssige forudsætninger

•

Løsningen indholder flere elementer, som kræver oplæring.

Dermloop

Desktop™

Dermloop Capture™

kræver særskilt oplæring mhp. at

understøtte de kliniske processer, mens

Dermloop Learn™

skal ses

som et værktøj til kompetenceudvikling. De anslåede udgifter til

implementering dækker selve oplæringen i applikationerne, der

understøtter den direkte kliniske anvendelse, mens

kompetenceudvikling via

Dermloop Learn™

ikke er medtaget

Brug af løsningen ændrer den typiske arbejdsgang for flere faggrupper

på tværs af sektorer, hvilket øger kompleksiteten i den organisatoriske

implementering. Det er derfor forventningen, at implementering på de

enkelte afdelinger og hos de praktiserende læger vil kræve en

ledelsesmæssig og organisatorisk indsats ift. at arbejde med kultur og

vante måder at arbejde på.

•

Confidential between PA and Danske Regioner

4. Kunstig intelligens til bistand i diagnostikken

Mammografiske screeningsundersøgelser

Løsningen benytter kunstig intelligens som input til vurderinger af mammografiscreeningsundersøgelser i lavrisikogruppen. I dag

dobbeltgranskes screeninger af to speciallæger uafhængigt af hinanden. AI-løsningen erstatter den ene af de to speciallæger, som

vurderer de røntgenbilleder, der bliver taget i forbindelse med screeningen. Løsningen adresserer manglen på radiologer,

forbedrer svartid på mammografiundersøgelser og medfører et serviceløft i form af kortere udredningstid.

Beskrivelse af løsningen

Der er i dag et begrænset antal mammaradiologer med ekspertise til at vurdere det store antal årlige screeningsundersøgelser, som anslås til ca.

275.000 på landsplan. Det er en udfordring, fordi det er de samme radiologer, der varetager den kliniske mammografi, andre mammaradiologiske

undersøgelser og multidisciplinære konferencer. Brugen af kunstig intelligens som input i vurderingen af screeningsundersøgelser frigør arbejdstid

for radiologerne uden at give køb på screeningsprogrammets høje faglige kvalitet.

På baggrund af et stort retrospektivt simulationsstudie (publiceret i Radiology i 2022), hvor resultatet viste, at mammaradiologernes og den kunstige

intelligens’ vurdering i den angivne simulation var sammenlignelig, har Region Hovedstaden siden november 2021 implementeret kunstig intelligens

som en såkaldt ”første-vurderer” for lavrisikogruppen i screeningspopulationen. Der findes overordnet tre (høj-mellem-lav) risikogrupper, som

identificeres ved hjælp af den kunstige intelligens. Lavrisikogruppen udgør ca. 70% af screeningspopulationen.

Hidtil bedømmes hver undersøgelse ved dobbeltblindet vurdering af to mammaradiologer. Brugen af kunstig intelligens muliggør frigivelse af

årsværk, så der for lavrisikogruppen benyttes kunstig intelligens som første-vurderer og en erfaren mammaradiolog som anden-vurderer. I tilfælde af

diskrepans mellem vurderingerne sendes screeningen til konsensuskonference, hvor en eller to radiologer ekstravurderer undersøgelserne. De

resterende screeningsundersøgelser i mellem- og højrisikogrupperne både første- og anden-vurderes af radiologer som hidtil. De ressourcer, der

frigives, er medvirkende til, at svartid på såvel screeningsundersøgelser eller ventetid på klinisk mammografi kan nedbringes.

Frigørelse af årsværk

Omkostninger

Teknologier i løsningen

Erfaringer med løsningen

•

Region Hovedstaden har

anvendt løsningen siden

november 2021

årsværk årligt

Faggruppe:

Mammaradiologer

mio. kr. i

projektomkostninger

mio. kr. i

årlige driftsomkostninger

Screeningsoftware med

kunstig intelligens til

mønstergenkendelse

Confidential between PA and Danske Regioner

Kunstig intelligens til bistand i diagnostikken

Mammografiske screeningsundersøgelser

Potentiale for frigørelse af årsværk

Der foretages omkring 275.000 mammografiske undersøgelser hvert år på tværs af alle fem

regioner som del af det nationale screeningsprogram, hvoraf lavrisikogruppen udgør 70% af

den samlede population svarende til 190.000 vurderinger. Der anvendes i gennemsnit et til

tre minutter pr. radiolog på vurderingen af hver screeningsundersøgelse, hvor løsningen

frigør tidsforbrug svarende til den ene radiolog i lavrisikogruppen. Her er tidsforbruget typisk

ca. et minut svarende til to årsværk.

Årlig effekt på nationalt niveau

Vurderinger i lavrisikogruppen

Frigjorte årsværk ved antagelse om et minut pr. radiolog pr. screening

190.000

Varige driftsudgifter, årlige udgifter

Årlige licensudgifter beregnet ud fra 276.192

screeningsundersøgelser

Kilde: PA-beregning baseret på erfaringer fra Region H

Udgifter på nationalt niveau

Midlertidige projektudgifter, samlede udgifter

Estimerede udgifter til projektledelse og organisatorisk implementering,

inkl. administrativt overhead

Kilde: PA-beregning baseret på erfaringer fra Region H

23 mio. kr

2 mio. kr.

Estimerede udbudsomkostninger ved landsdækkende udbredelse

Kilde: PA-beregning baseret på erfaringstal

4 mio. kr.

Kvalitative effekter

•

Nedbragt svartid på screeningsundersøgelser

Nedsat ventetid på klinisk mammografi

Nedsat arbejdsbyrde for de erfarne mammaradiologer.

Årlige driftsudgifter estimeret som 20% af de årlige

licensudgifter – varig udgift

Kilde: PA-erfaringstal

1 mio. kr.

5 mio. kr.

Samlede udgifter til drift pr. år nationalt

Vurderinger i

lavrisikogruppen i dag

Vurderinger i

lavrisikogruppen med bistand

fra kunstig intelligens

Samlede udgifter

Nationale projektudgifter i alt

Nationale årlige driftsudgifter i alt

25 mio. kr.

5 mio. kr.

1. vurdering

2. vurdering

1. vurdering

2. vurdering

Confidential between PA and Danske Regioner

Kunstig intelligens til bistand i diagnostikken

Mammografiske screeningsundersøgelser

Teknologiske forudsætninger

•

AI-løsningen integrerer med

RIS/PACS-systemer*

og anvender

eksisterende mammografiapparater

AI-løsningen kræver ingen investering i yderligere hardware.

Faktorer for national skalering

Opmærksomhedspunkter

• Løsningen skal integreres i et stabilt og velfungerende

driftssetup for at sikre, at billeder kan overføres og tilgås

hurtigt

• Implementeringen kan omfatte alle screeningssteder, og

der kan med fordel tænkes i et fælles projektsetup med

anvendelse af tværgående kompetencer

• Gevinst og kvalitet i screeningsprogrammet hænger tæt

sammen. Der er derfor nødvendigt at monitorere udvalgte

nøgleparametre tæt, herunder genindkaldelsesprocent og

detektionsrate.

Modenhed

• Løsningen har været i drift i Region Hovedstaden siden

november 2021

• Der ses allerede positive resultater i form af frigjort

arbejdstid. Potentialet kan på længere sigt blive større,

selvom en udvidelse til øvrige målgrupper ikke lægger lige

for.

Tidshorisont

• Baseret på erfaringerne fra Region Hovedstaden vil

løsningen kunne skaleres til national udbredelse i løbet af

to-tre år

• Den angivne implementeringstid vil dels forudsætte et

fælles projektsetup med dedikerede tværgående

ressourcer samt regionale implementeringsteams drevet af

stærke faglige ledere.

Juridiske forudsætninger

•

Løsningen er CE-mærket og blev i 2021 sat i drift inden for rammerne

af dansk lovgivning og EU-retningslinjer.

Kompetencemæssige forudsætninger

•

Anvendelsen af AI-løsningen kræver oplæring af radiologer, som hver

har modtaget tre-fire timers undervisning

Opsætning kræver teknisk ekspertise og tid hos en

systemadministrator til test, opsætning og konfigurering

Effektfuld anvendelse kræver tydelig faglig ledelse og kommunikation

om, hvilke mål og faglige niveauer som ønskes opnået

Tæt og løbende validering af den faglige kvalitet på en række udvalgte

indikatorer – ikke mindst i opstartsfasen.

*Radiology Information System/Picture Archive and Communication System.

Kilde: An Artificial-Intelligence-based Mammography Screening Protocol for Breast Cancer: Outcome and Radiologist Workload. Radiology 2022

Confidential between PA and Danske Regioner

5. Automatisering af manuelle processer i klinikken

Brug af automatiseringsteknologier til indberetning af kliniske kvalitetsdata

RPA (Robotic Process Automation) er en af flere teknologier, som kan anvendes til automatisering af manuelle administrative

processer i klinikken, eksempelvis genindtastning af data fra et it-system i et andet it-system. Konkret omfatter løsningen en hel

eller delvis automatisering af de manuelle indberetninger fra regionerne til de kliniske kvalitetsdatabaser. På længere sigt vil

tilsvarende løsninger kunne etableres i forbindelse med en række andre manuelle indberetninger og bestillingsprocesser.

Beskrivelse af løsningen

Medarbejdere på landets hospitaler – både læger, sygeplejersker og lægesekretærer – har fortsat en række opgaver, hvor data, der allerede ligger i

et it-system, skal genindtastes manuelt i et andet, eksempelvis i forbindelse med bestillinger, indberetninger og forskningsprojekter.

Årsagen til de manuelle indtastninger er, at der ikke er etableret egentlige integrationer mellem de pågældende it-systemer, hvilket ofte skyldes, at

dette vil være for ressourcekrævende ift. omfanget af den opgave, der skal automatiseres. Der finde i dag flere forskellige

automatiseringsteknologier, herunder eksempelvis RPA. RPA er en moden teknologi, der i dag anvendes som prisbilligt alternativ til integrationer i

forbindelse med automatisering af arbejdsprocesser, og som alle fem regioner i varierende omfang har erfaringer med.

Et af de områder, hvor medarbejdere i både psykiatrien og somatikken i væsentlig omfang er berørt af manuelle genindtastninger, er indberetninger

til de kliniske kvalitetsdatabaser. Der findes i alt 57 databaser, hvor en eller flere regioner indberetter manuelt. Samlet set estimeres omfanget af

regionernes manuelle indberetninger til de kliniske kvalitetsdatabaser at omfatte omkring 450.000 indberetninger årligt svarende til et tidsforbrug på

80-90 årsværk. Løsningen forudsætter en foranalyse, der mere præcist kortlægger de teknologiske forudsætninger og potentialets omfang.

Brug af automatiseringsteknologier vil dermed kunne frigøre væsentlige arbejdsressourcer. Konkret vil det kræve, at der etableres løsninger, som

helt eller delvist automatiserer fremfinding af relevante data i regionernes EPJ-systemer og aflevering til de kliniske kvalitetsdatabaser. Det

estimerede omkostningsniveau tager afsæt i RPA-teknologi. Andre løsninger vil have en anden omkostningsprofil.

Frigørelse af årsværk

Omkostninger

Teknologier i løsningen

Erfaringer med løsningen

•

Alle fem regioner bruger

automatiseringsløsninger,

eks. RPA.

80-90

årsværk årligt

Faggruppe:

Læger, sygeplejersker,

lægesekretærer

10-14

mio. kr. i

projektomkostninger

1-2

mio. kr. i

årlige driftsomkostninger

Robotic Process Automation og

andre automatiseringsteknologier

Confidential between PA and Danske Regioner

Automatisering af manuelle processer i klinikken

Brug af automatiseringsteknologier til indberetning af kliniske kvalitetsdata

Udgifter på nationalt niveau

Årlig effekt på nationalt niveau

Midlertidige projektudgifter, samlede udgifter

Årligt antal manuelle indberetninger (skemaer)

Registreringer (datafelter) pr. indberetning

Manuelle registreringer

Tid pr. registrering, angivet i minutter

Frigørelse af årsværk i alt

450.000

11.250.000

0,65

Projektledelse og tekniske tilpasninger

80-90

Kilde: PA-estimat baseret på erfaringstal

Foranalyse mhp. procesafdækning og vurderinger af nuværende

setup på tværs af regioner

Kilde: PA-estimat baseret på erfaringstal

1 mio. kr.

Udvikling af RPA-løsning (antaget høj kompleksitet) med eksterne

udviklere

Kilde: PA-estimat baseret på erfaringstal

5-8 mio kr.

2-3 mio. kr.

2-2 mio. kr.

10-14 mio. kr.

Organisatorisk tilpasning

Kvalitative effekter

•

Færre fejl i indberetninger som følge af en mere automatiseret proces

Nedbringelse af administrationsopgaver, hvor det berørte personale vil kunne bruge den

frigjorte tid på andre, mere patientnære aktiviteter.

Kilde: PA-estimat baseret på erfaringstal

Samlede midlertidige projektudgifter

Varige driftsudgifter, årlige udgifter

Manuelle indberetninger til

RKKP’s databaser i dag

Automatiserede indberetninger

ved brug af RPA

Årlige driftsudgifter estimeret som 20% af de tekniske udviklings-

omkostninger

Kilde: PA-erfaringstal

1-2 mio. kr.

Samlede udgifter

EPJ

Manuel

indtastning i

indberetnings-

skemaer

RKKP’s

databaser

EPJ

Automatiseret

indberetning

RKKP’s

databaser

Nationale projektudgifter i alt

Nationale årlige driftsudgifter i alt

10-14 mio. kr.

1-2 mio. kr.

Confidential between PA and Danske Regioner

Automatisering af manuelle processer i klinikken

Brug af automatiseringsteknologier til indberetning af kliniske kvalitetsdata

Teknologiske forudsætninger

•

Der skal udvikles RPA-løsninger eller løsninger baseret på andre

automatiseringsteknologier, som understøtter automatiseret

indberetning fra de regionale EPJ’er til de kliniske kvalitetsdatabaser.

Den estimerede økonomi tager udgangspunkt i brug af RPA-teknologi,

at regionerne anvender forskellige EPJ-installationer, og at der findes

databaser med forskellige typer af skemaer til indberetning

Det vil være nødvendigt at etablere faste processer med RKKP og

egne EPJ-organisationer mhp. at sikre viden om løbende opdateringer

af de datafelter, der er omfattet af den automatiserede indberetning

Den tekniske løsning kan laves af eksterne udviklere, men kan også

laves af regionernes interne RPA-udviklere.

Faktorer for national skalering

Opmærksomhedspunkter

• De fem regioner benytter to forskellige EPJ-systemer, hvor

opsætning, lokale installationer og konfigurationer varierer

• RKKP stiller flere forskellige indberetningsløsninger til rådighed

på tværs af de enkelte kvalitetsdatabaser til både manuel

indberetning og indberetning via web services. RPA vil være

mest oplagt til mere simple indberetninger, hvor der ikke er

etableret web services, mens andre automatiseringsteknologier

kan være mere egnede i andre situationer.

Modenhed

• Alle fem regioner har erfaring med brug af

automatiseringsteknologier. Region Midtjylland har eksempelvis

etableret 165 RPA-løsninger, som har sparet regionen for ca.

60.000 arbejdstimer

• Region Nordjylland og Region Midtjylland har erfaringer med at

lave tekniske integrationer til udvalgte kvalitetsdatabaser – f.eks.

DanAKS-databasen

• Der er høstet foreløbige erfaringer med

automatiseringsteknologier ifm. kvalitetsdatabaserne. Derfor er

der behov for i en foranalyse at foretage en nærmere vurdering

af, hvor mange indberetningsskemaer, der vil være egnet til RPA

eller andre automatiseringsteknologier, og hvilke konsekvenser

det har for det samlede potentiale.

Tidshorisont

• Løsningen vil kunne udvikles og implementeres på tværs af

regionene i løbet af et år, inkl. foranalyse med nærmere

vurderinger af processer, skemaer og dataflows

• Den angivne tidshorisont forudsætter, at der etableres et fælles

tværregionalt projekt i tæt samarbejde med RKKP.

•

Juridiske forudsætninger

•

Den etablerede løsning skal dokumenteres og understøtte bedste

praksis for udvikling, logning samt bruger- og adgangsstyring for at

overholde krav til sikkerhed og datahåndtering.

Kompetencemæssige forudsætninger

•

Løsningen vil forudsætte en grundig foranalyse af nuværende praksis

og forretningsprocesser samt en vurdering af de konkrete

indberetningsskemaer, som varierer i kompleksitet. Det kræver

kompetencer inden for proces- og forretningsanalyse

Der vil herudover være behov for projektledelse til at koordinere et

fælles projekt mellem regioner og i samarbejde med RKKP*.

•

*Regionernes Kliniske Kvalitetsudviklingsprogram.

Confidential between PA and Danske Regioner

Confidential between PA and Danske Regioner

Copenhagen Office

Portland Towers

Göteborg Plads 1

DK-2150

Nordhavn

+45 39 25 5000

About PA.

We believe in the power of ingenuity to build a positive human future.

As strategies, technologies, and innovation collide, we create opportunity from complexity.

Our diverse teams of experts combine innovative thinking and breakthrough technologies to progress further,

faster. Our clients adapt and transform, and together we achieve enduring results.

We are over 4,000 strategists, innovators, designers, consultants, digital experts, scientists, engineers, and

technologists. And we have deep expertise in consumer and manufacturing, defence and security, energy and

utilities, financial services, government and public services, health and life sciences, and transport.

Our teams operate globally from offices across the UK, Ireland, US, Nordics, and Netherlands.

PA. Bringing Ingenuity to Life.

This report has been prepared by PA Consulting Group

on the basis of information supplied by the client, third

parties (if appropriate) and that which is available in the

public domain. No representation or warranty is given as

to the achievability or reasonableness of future

projections or the assumptions underlying them, targets,

valuations, opinions, prospects or returns, if any, which

have not been independently verified. Except where

otherwise indicated, the report speaks as at the date

indicated within the report.

paconsulting.com

This report is confidential to the organisation named

herein and may not be reproduced, stored in a retrieval

system, or transmitted in any form or by any means,

electronic, mechanical or otherwise, without the prior

written permission of PA Consulting Group. In the event

that you receive this document in error, you should return

it to PA Consulting Group, Portland Towers, Göteborg

Plads 1, DK-2150, Nordhavn. PA Consulting Group

accepts no liability whatsoever should an unauthorised

recipient of this report act on its contents.

Discover more at

paconsulting.com

and connect with PA on

and

Twitter