Vi kan forudsige, hvem der får brug for hjemmepleje – men skal vi?

Ved hjælp af anonymiserede data fra Danmarks Statistik, Sundhedsdatastyrelsen og Københavns Kommune kan Sasmita Kusumastuti forudsige hvem, der får brug for hjemmehjælp. Men vi må se på etikken og spørge os selv: Hvad er rigtigt, retfærdigt og passende? Siger hun.

Pernille Tranberg underviser, holder foredrag og rådgiver om datademokrati, dataetik, dataforståelse og etisk ansvarlig brug af persondata for virksomheder, organisationer og myndigheder.

Hun er medstifter af den europæiske tænkehandletank DataEthics.eu https://dataethics.eu/, der fremmer etisk ansvarlig brug af persondata.

Hun har skrevet 7 bøger og er tidligere journalist på Politiken og chefredaktør på Tænk

Klummen udtrykker alene skribentens holdninger.

I Danmark kan du, når du er fyldt 65 år, få besøg fra kommunen, hvis du har behov for det. Formålet er at vurdere din situation og kortlægge behovet for hjælp, det være sig hjemmepleje eller forebyggende programmer fra det offentlige. Når du fylder 75 (70, hvis du bor alene) får du besøg fra kommunen uanset hvad, men som 65 skal du have et behov. Men hvordan kan en kommune vide, hvilke behov du har? Det er meget dyrt at sende en kommunal medarbejder ud til alle borgere, der netop har fejret deres 65-års fødselsdag. Og med tanke på færre offentlige ressourcer og en voksende ældrebefolkning bliver det endnu sværere.

Kan data og machine learning hjælpe her? Det mener Sasmita Kusumastuti, der er adjunkt ved Afdeling for Epidemiologi, Institut for Folkesundhed og Center for Sund Aldring ved Københavns Universitet.

– I mit projekt har vi bevist, at vi kan bruge data og machine learning til at udvikle en forudsigende algoritme, der kan hjælpe kommuner med at identificere, hvem der vil være mest tilbøjelige til at få behov for hjemmepleje, siger hun. – Det endelige mål er naturligvis at hjælpe flere borgere ved at gøre forebyggende pleje mere bæredygtigt og billigere i det lange løb.

Anonymiserede registerdata fra Danmarks Statistik, sundhedsdata fra Sundhedsdatastyrelsen og data fra Københavns Kommune er kombineret i den prædiktive algoritme. Ingen data stammer direkte fra patienter. Det er data som livssituation, uddannelse, familiestruktur og økonomisk status, om du har været indlagt, diagnoser og medicinforbrug, og hvilken form for pleje, der blevet modtaget. Data dækker 15 år.

– Vi studerer begivenhedsmønstre i dit liv. Fx en mand, 75 år med høj social og økonomisk status, der blev indlagt for nogle år siden, kunne skyldes en brækket hofte, og han har måske fået noget medicin. Alle disse mønstre bruges i vores forudsigelser, som kan ende med at sige, at der er 80% risiko for hjemmeplejebehov i den nærmeste fremtid for en person med disse karakteristika, forklarer Kusumastuti.

Projektet undersøger også historiske data om personer, der allerede har modtaget hjemmepleje, for at vurdere fælles karakteristika, der gør folk tilbøjelige til at have behov for hjemmepleje.

Dette kan implementeres på en sådan måde, at når man fylder 65 år, og algoritmen viser, at man har 60% eller højere risiko for at få hjemmepleje i de kommende år, så vil man få tilbud om et besøg fra kommunen, forklarer hun. Hun fortæller, at den algoritme, der er udviklet i samarbejde med machine learningseksperter, har temmelig høj nøjagtighed.

– Vi skabte forudsigelser for mere en million ældre borgere baseret på historiske anonymiserede data. Vi havde en læringsperiode mellem 1997 og 2014, hvor vi analyserede rækkefølgen af begivenheder eller mønstre i borgernes liv, fx flytning, skilsmisse, alene-boende, hospitalsindlæggelse, medicinforbrug, osv. Med disse oplysninger forudsagde vi, hvem der ville have behov hjemmepleje mindst en time om måneden eller, hvem der ville komme på plejehjem, og vi opnåede en nøjagtighed på mellem 85 og 95 procent, siger hun.

Lige nu bruges algoritmen kun i forskningsmæssig sammenhæng og er ikke implementeret i det virkelige liv. I dag træffer kommunen beslutninger om, hvem der har behov for hjemmepleje og omfanget heraf, baseret på spørgeskemaer, der udfyldes ved alle forebyggende hjemmebesøg. Hvis du siger ja til tilbuddet, besøger de dig helt sikkert, når du fylder 75 (70, hvis du bor alene). Det har været fremme, at nogle borgere eller beboere af anden etnisk herkomst end dansk, har takket nej til tilbuddet om hjemmebesøg, men de fleste siger ja. Men det er meget svært at kortlægge, hvem der har behov for assistance i 65-årsalderen, og dette gør det besværligt for en kommune at leve op til velfærdsloven samt at optimere deres forebyggelsesstrategier.

Mange etiske aspekter

Sasmita Kusumastuti er meget bevidst om sit projekts kontroversielle aspekter.

– Ligesom en kniv eller enhver anden form for værktøj, uanset om det er godt eller dårligt, afhænger det af personen, som betjener værktøjet. Derfor er vi nødt til at henlede opmærksomheden på dataetik for at forhindre kaos. Vi må spørge os selv: Hvad er rigtigt, retfærdigt og passende, siger hun.

Blandt de etiske spørgsmål, som Sasmita Kusumastuti stiller sig selv, er:

  • Hvem kommer det mest til gode: De mest udsatte borgere, der får besøg og dermed deltager i forebyggelsesprogrammer eller får hjemmepleje i tide, eller kommunen, der kan spare penge eller bruge pengene til noget andet. For at være dataetisk skal det først og fremmest gavne mennesket.
  • Er der skævheder i algoritmen, der favoriserer fx gamle danskere frem for nye danskere? Ifølge Kusumastuti udelukker registerdata ikke systematisk nogen, og registerdata er nok til at udarbejde prognoser. Hvis man fx kun har været i Danmark i 5 år, er der ikke så mange data, som algoritmen kan skabe forudsigelsen ud fra, og dermed er tilflyttere sværere at forudsige. Derudover findes kun data på borgere, der accepterer tilbuddet om besøg. Der findes altså ikke data på borgere, der blev tilbudt, men afviste besøg. Derfor er det, at vi forudsiger brugen af pleje og ikke behovet for pleje.
  • Retfærdighed. Er denne forudsigende algoritme på nogen måde det samme som at forudsige, om nogen vil begå kriminalitet, spørger hun og bemærker, at vi forudsiger, hvem der er mest tilbøjelige til at være en byrde for samfundet i deres seniorliv.
  • Ligestilling. Og endelig, udelader vi nogen? Det sker helt sikkert i dag uden brug af data og machine learning, men bliver det bedre ved brug af data og machine learning?

På nogle måder er data er ikke det samme som virkeligheden. Data kan ikke fortælle hele historien og er ikke gode nok uden korrektion. Fx viser registerdata kun, hvor du bor, og om du bor sammen med andre. De viser ikke, om man har pårørende i nærheden, der kan hjælpe, forklarer hun. Forskere mangler også adfærdsmæssige data om fx rygning, alkoholforbrug og motionsvaner, der har stor indflydelse på sund aldring.

Bortset fra de etiske overvejelser, er der to ting, der skal fastlægges, hvis den prædiktive algoritme for alvor skal anvendes.

– For det første har kommunerne ikke adgang til registerdata fra Danmarks Statistik. Det har jeg som forsker. Og for det andet skal du have borgernes samtykke til at benytte persondata for at konstruere en prædiktiv risikoalgoritme, siger Sasmita Kusumastuti.

Denne uge:

Vi kan forudsige, hvem der får brug for hjemmepleje – men skal vi?

Ved hjælp af anonymiserede data fra Danmarks Statistik, Sundhedsdatastyrelsen og Københavns Kommune kan Sasmita Kusumastuti forudsige hvem, der får brug for hjemmehjælp. Men vi må se på etikken og spørge os selv: Hvad er rigtigt, retfærdigt og passende? Siger hun.

Pernille Tranberg underviser, holder foredrag og rådgiver om datademokrati, dataetik, dataforståelse og etisk ansvarlig brug af persondata for virksomheder, organisationer og myndigheder.

Hun er medstifter af den europæiske tænkehandletank DataEthics.eu https://dataethics.eu/, der fremmer etisk ansvarlig brug af persondata.

Hun har skrevet 7 bøger og er tidligere journalist på Politiken og chefredaktør på Tænk

Klummen udtrykker alene skribentens holdninger.

I Danmark kan du, når du er fyldt 65 år, få besøg fra kommunen, hvis du har behov for det. Formålet er at vurdere din situation og kortlægge behovet for hjælp, det være sig hjemmepleje eller forebyggende programmer fra det offentlige. Når du fylder 75 (70, hvis du bor alene) får du besøg fra kommunen uanset hvad, men som 65 skal du have et behov. Men hvordan kan en kommune vide, hvilke behov du har? Det er meget dyrt at sende en kommunal medarbejder ud til alle borgere, der netop har fejret deres 65-års fødselsdag. Og med tanke på færre offentlige ressourcer og en voksende ældrebefolkning bliver det endnu sværere.

Kan data og machine learning hjælpe her? Det mener Sasmita Kusumastuti, der er adjunkt ved Afdeling for Epidemiologi, Institut for Folkesundhed og Center for Sund Aldring ved Københavns Universitet.

– I mit projekt har vi bevist, at vi kan bruge data og machine learning til at udvikle en forudsigende algoritme, der kan hjælpe kommuner med at identificere, hvem der vil være mest tilbøjelige til at få behov for hjemmepleje, siger hun. – Det endelige mål er naturligvis at hjælpe flere borgere ved at gøre forebyggende pleje mere bæredygtigt og billigere i det lange løb.

Anonymiserede registerdata fra Danmarks Statistik, sundhedsdata fra Sundhedsdatastyrelsen og data fra Københavns Kommune er kombineret i den prædiktive algoritme. Ingen data stammer direkte fra patienter. Det er data som livssituation, uddannelse, familiestruktur og økonomisk status, om du har været indlagt, diagnoser og medicinforbrug, og hvilken form for pleje, der blevet modtaget. Data dækker 15 år.

– Vi studerer begivenhedsmønstre i dit liv. Fx en mand, 75 år med høj social og økonomisk status, der blev indlagt for nogle år siden, kunne skyldes en brækket hofte, og han har måske fået noget medicin. Alle disse mønstre bruges i vores forudsigelser, som kan ende med at sige, at der er 80% risiko for hjemmeplejebehov i den nærmeste fremtid for en person med disse karakteristika, forklarer Kusumastuti.

Projektet undersøger også historiske data om personer, der allerede har modtaget hjemmepleje, for at vurdere fælles karakteristika, der gør folk tilbøjelige til at have behov for hjemmepleje.

Dette kan implementeres på en sådan måde, at når man fylder 65 år, og algoritmen viser, at man har 60% eller højere risiko for at få hjemmepleje i de kommende år, så vil man få tilbud om et besøg fra kommunen, forklarer hun. Hun fortæller, at den algoritme, der er udviklet i samarbejde med machine learningseksperter, har temmelig høj nøjagtighed.

– Vi skabte forudsigelser for mere en million ældre borgere baseret på historiske anonymiserede data. Vi havde en læringsperiode mellem 1997 og 2014, hvor vi analyserede rækkefølgen af begivenheder eller mønstre i borgernes liv, fx flytning, skilsmisse, alene-boende, hospitalsindlæggelse, medicinforbrug, osv. Med disse oplysninger forudsagde vi, hvem der ville have behov hjemmepleje mindst en time om måneden eller, hvem der ville komme på plejehjem, og vi opnåede en nøjagtighed på mellem 85 og 95 procent, siger hun.

Lige nu bruges algoritmen kun i forskningsmæssig sammenhæng og er ikke implementeret i det virkelige liv. I dag træffer kommunen beslutninger om, hvem der har behov for hjemmepleje og omfanget heraf, baseret på spørgeskemaer, der udfyldes ved alle forebyggende hjemmebesøg. Hvis du siger ja til tilbuddet, besøger de dig helt sikkert, når du fylder 75 (70, hvis du bor alene). Det har været fremme, at nogle borgere eller beboere af anden etnisk herkomst end dansk, har takket nej til tilbuddet om hjemmebesøg, men de fleste siger ja. Men det er meget svært at kortlægge, hvem der har behov for assistance i 65-årsalderen, og dette gør det besværligt for en kommune at leve op til velfærdsloven samt at optimere deres forebyggelsesstrategier.

Mange etiske aspekter

Sasmita Kusumastuti er meget bevidst om sit projekts kontroversielle aspekter.

– Ligesom en kniv eller enhver anden form for værktøj, uanset om det er godt eller dårligt, afhænger det af personen, som betjener værktøjet. Derfor er vi nødt til at henlede opmærksomheden på dataetik for at forhindre kaos. Vi må spørge os selv: Hvad er rigtigt, retfærdigt og passende, siger hun.

Blandt de etiske spørgsmål, som Sasmita Kusumastuti stiller sig selv, er:

  • Hvem kommer det mest til gode: De mest udsatte borgere, der får besøg og dermed deltager i forebyggelsesprogrammer eller får hjemmepleje i tide, eller kommunen, der kan spare penge eller bruge pengene til noget andet. For at være dataetisk skal det først og fremmest gavne mennesket.
  • Er der skævheder i algoritmen, der favoriserer fx gamle danskere frem for nye danskere? Ifølge Kusumastuti udelukker registerdata ikke systematisk nogen, og registerdata er nok til at udarbejde prognoser. Hvis man fx kun har været i Danmark i 5 år, er der ikke så mange data, som algoritmen kan skabe forudsigelsen ud fra, og dermed er tilflyttere sværere at forudsige. Derudover findes kun data på borgere, der accepterer tilbuddet om besøg. Der findes altså ikke data på borgere, der blev tilbudt, men afviste besøg. Derfor er det, at vi forudsiger brugen af pleje og ikke behovet for pleje.
  • Retfærdighed. Er denne forudsigende algoritme på nogen måde det samme som at forudsige, om nogen vil begå kriminalitet, spørger hun og bemærker, at vi forudsiger, hvem der er mest tilbøjelige til at være en byrde for samfundet i deres seniorliv.
  • Ligestilling. Og endelig, udelader vi nogen? Det sker helt sikkert i dag uden brug af data og machine learning, men bliver det bedre ved brug af data og machine learning?

På nogle måder er data er ikke det samme som virkeligheden. Data kan ikke fortælle hele historien og er ikke gode nok uden korrektion. Fx viser registerdata kun, hvor du bor, og om du bor sammen med andre. De viser ikke, om man har pårørende i nærheden, der kan hjælpe, forklarer hun. Forskere mangler også adfærdsmæssige data om fx rygning, alkoholforbrug og motionsvaner, der har stor indflydelse på sund aldring.

Bortset fra de etiske overvejelser, er der to ting, der skal fastlægges, hvis den prædiktive algoritme for alvor skal anvendes.

– For det første har kommunerne ikke adgang til registerdata fra Danmarks Statistik. Det har jeg som forsker. Og for det andet skal du have borgernes samtykke til at benytte persondata for at konstruere en prædiktiv risikoalgoritme, siger Sasmita Kusumastuti.

Log ind

Opret kundekonto

Dine personlige data vil blive anvendt til at understøtte din brugeroplevelse,, til at administrere adgang til din konto, og til andre formål, som er beskrevet i vores persondatapolitik.

Ja tak, jeg vil gerne have et gratis prøveabonnement og adgang til alle artikler

Enkelt abonnement


Abonnement

30 dages gratis prøveperiode. Herefter 49,00 DKK per måned. Dit abonnement bliver fornyet automatisk, når prøveperioden udløber. Du kan opsige abonnementet når du vil.

30 dages gratis prøveperiode. Herefter 49,00 DKK per måned

Varenummer (SKU): 40000 Varekategori:

Gruppeabonnement


Gruppeabonnement

Dit abonnement bliver fornyet automatisk, når prøveperioden udløber. Du kan opsige abonnementet når du vil.

30 dages gratis prøveperiode. Herefter Fra: 39,00 DKK per måned per medlem

Fra 5102550
Clear

Gruppemedlemmer:

Varenummer (SKU): 30000 Varekategori:

Gavekort


Tilbud

Gavekort

Gavekortet modtages som kode via e-mail og kan frit gives væk. Den første måned er stadig gratis ved brug af gavekort.

90,00 DKK120,00 DKK

3 måneder4 måneder
Ryd

Varenummer (SKU): N/A Varekategori: