haku: @keyword flow / yhteensä: 14
hakutulos-lista
viite: 10 / 14
« edellinen | seuraava »
Tekijä:Manninen, Antti Ilari
Työn nimi:Applying the Principles of Process Mining to Finnish Healthcare
Prosessilouhinnan periaatteiden hyödyntäminen suomalaisessa terveydenhuollossa
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:105 s. + liitt. 5      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Oppiaine:Teollisuustalous   (TU-22)
Valvoja:Lillrank, Paul
Ohjaaja:Lehto, Teemu
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201203131435
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  6085   | Arkisto
Avainsanat:process mining
healthcare
activity
flow
episode
evidence-based medicine
prosessilouhinta
terveydenhuolto
aktiviteetti
virta
episodi
näyttöihin perustuva lääketiede
Tiivistelmä (fin): Terveydenhuollon järjestelmiin tallennettavat potilastietokannat sisältävät suuren määrän dataa, mutta tätä dataa ei useinkaan hyödynnetä systemaattisesti prosessien kehityksessä.
Organisaatiorajat ylittävä tieto prosessien tilasta on usein epäselvä.
Prosessilouhinta (process mining) on tekniikka, jolla prosessitietoa kerätään ohjelmallisesti tietokannoista.
Tässä tutkimuksessa käsitellään Suomen terveydenhuoltojärjestelmistä poimittuja potilastietokantoja ja sovelletaan prosessilouhintaa näihin kantoihin.
Data on kerätty Helsingissä sijaitsevista Meilahden ja Töölön sairaaloista.

Tutkimuksessa kehitetään tuoteprototyyppi, jonka avulla prosessilouhinta-algoritmin toimintaa voidaan validoida.
Tämä prototyyppi tuottaa prosessimallin tietokannasta löytyvistä aktiviteeteista ja niiden välisistä siirtymistä.
Lisäksi se ryhmittelee datasta löytyvät prosessi-instanssit keskenään samankaltaisiin luokkiin.
Tuloksena syntyvät prosessimallit esitetään graafisesti.
Analyysimalleihin lasketaan myös erilaisia tunnuslukuja prosessianalyysin helpottamiseksi.

Prosessilouhinnan tuottama prosessimalli perustuu puhtaasti tosiasioihin ja kuvaa prosessia potilaan kokeman episodin kautta.
Tämä periaate prosessimallien piirtämiseen on huomattavan erilainen perinteiseen, asiantuntijalähtöiseen prosessimallinnukseen verrattuna.
Tällä tavalla tehtyjä prosessimalleja voidaan käyttää esimerkiksi mallien validointiin tai prosessin nykytilan kartoitukseen.

Tuoteprototyypin saama vastaanotto on ollut positiivista ja sen avulla piirretyt prosessimallit ovat herättäneet vilkasta keskustelua.
Prototyypissä on toki edelleen joitakin haasteita, liittyen pääasiassa prosessimallien graafisiin ominaisuuksiin sekä algoritmin suorituskykyyn.
Tuotteen kaupallinen potentiaali vaikuttaisi kuitenkin varsin suurelta ja hyödyt selkeiltä.
Tiivistelmä (eng): Healthcare patient records contain a large amount of data, but this data is not used in a systematic, process development oriented way.
The picture of what happens in the process across organizational boundaries is often unclear.
Process mining is a technique for programmatically extracting process information from event logs.
This study takes event logs from Finnish healthcare sector and applies process mining to these logs.
The logs are taken from Meilahti and Töölö hospitals, both located in the Helsinki area.

In this study a product prototype applying a refined process mining algorithm is developed and validated.
This prototype produces process model based on the activities and transitions found from the log and groups the separate process instances found from the log to classification groups.
The resulting models are presented graphically.
Statistics and figures are shown in the resulting analysis models to enable fast analysis of processes.

The process model created by process mining is a fact-based model describing patient episodes.
This principle of drawing a process model is fundamentally different from traditional, expert driven process modeling.
Process models created this way could be used, for example, for validation or to give insight into the current status of the processes.

The reception caused by the process mining based product prototype has been positive and the resulting process models drawn using it have aroused interesting discussions.
Some challenges still exist, especially with visual properties of the drawn models as well as with the performance of the algorithm, but it looks clear that the tool would provide clear business benefits.
ED:2010-05-24
INSSI tietueen numero: 39677
+ lisää koriin
« edellinen | seuraava »
INSSI