Model-based efficiency analyses of healthcare delivery

Abstract

In the years to come, healthcare organizations are challenged to deliver care to more patients, of higher quality, and with scarce financial and human resources. To improve the value of healthcare delivery, allocating resources efficiently is paramount. In support of allocation decisions, there is an increasing amount and variety of patient-related information available from, for example, clinical tests and biomarkers. This information provides substantial possibilities of improving healthcare but, nevertheless, its full exploitation requires advanced methods.

This Dissertation develops and applies mathematical models to support the efficient use and allocation of resources in healthcare. The models help assess the efficiency of healthcare systems and thus identify best practices for learning. Furthermore, the models can be used to identify efficient testing and intervention strategies. These models can support, for instance, the benchmarking of healthcare systems, clinicians' decision making, policy making, and decisions on the acquisition or price setting of testing or treatment technologies.

The Dissertation provides evidence in support of the claim that systematic methods of efficiency and decision analysis help improve the practices of healthcare. For example, the Dissertation demonstrates that the use of decision-analytic modeling and optimization methods is useful when identifying such prevention, detection, and treatment actions which are, on the one hand, targeted based on patients' personal information, and, on the other hand, efficient on the population-level examination. Also, making the impact of value judgments explicit related to healthcare resource allocation decisions is important and possible with advanced models and methods.

Tulevaisuudessa terveydenhuoltopalvelujen tarve ja laatuvaatimukset kasvavat paljon. Siksi on ensiarvoisen tärkeää parantaa terveydenhuollon tehokkuutta suuntaamalla resurssit tarkoituksenmukaisesti. Kohdentamispäätösten tueksi on saatavissa aiempaa paljon enemmän kliinisten testien ja biomarkkereiden tarjoamaa potilaskohtaista tietoa. Tämä tietopohjan vahvistuminen tarjoaa huomattavia mahdollisuuksia terveydenhuollon kehittämiseksi, kunhan tieto pystytään jalostamaan kehittyneillä menetelmillä päätöksenteon tueksi.

Väitöskirjassa kehitetään ja sovelletaan matemaattisia malleja, jotka tukevat terveydenhuollon resurssien tehokasta käyttöä ja kohdentamista. Malleilla voidaan analysoida terveydenhuoltojärjestelmien tehokkuutta ja täten tunnistaa parhaita käytäntöjä, joista voidaan oppia ja joita kannattaa ottaa laajemmin käyttöön. Samoin ne auttavat suunnittelemaan kustannustehokkaita testaus- ja hoitostrategioita. Malleihin tukeutumalla voidaan parantaa esimerkiksi terveydenhuoltojärjestelmien vertailu- ja kehittämisprosesseja, tukea kliinikoiden päätöksentekoa ja tuottaa perusteita testaus- ja hoitoteknologioiden hankintaa ja hinnoittelua koskeville ratkaisuille.

Väitöskirjan tulosten valossa tehokkuus- ja päätösanalyysimenetelmät antavat pohjaa terveydenhuollon käytäntöjen systemaattiselle kehittämiselle. Potilaskohtaiseen tietoon perustuvat päätösanalyyttiset optimointimallit auttavat valitsemaan sellaisia ennaltaehkäisy-, havaitsemis- ja hoitotoimia, jotka ovat tehokkaita myös väestötasolla. Malleissa voidaan käsitellä eksplisiittisesti myös kysymyksiä siitä, mitä erilaiset terveysvaikutuksia koskevat arvostukset tarkoittavat muun muassa resurssien kohdentamisen kannalta.