A 2023-as „Egészségpart” mobil nyári szűrő- és egészségedukációs program digitális egészségüggyel kapcsolatos szervezési szempontjai és működési tapasztalatai
Absztrakt
BEVEZETÉS: A Magyar Egészségügyi Menedzsment Társaság 2023-ban harmadik alkalommal rendezte meg az „Egészségpart” mobil nyári szűrő- és egészség-edukációs programot. A tanulmány célja az volt, hogy bemutassa a 2023-as „Egészségpart” program digitális egészségüggyel kapcsolatos szervezési és működési aspektusait, beleértve az emberierőforrás-igényeket, és azok allokációját, a skill-labor alkalmazását, illetve a kommunikációs módszereket. A tanulmány bemutatja, hogy miképp szolgálhat egy mobil program kommunikációs eszközként a lakosság számára, mindamellett, hogy digitális egészségügyi központként is megállja a helyét.
MÓDSZERTAN: A vizsgálat során részletesen elemeztük a szűréseken résztvevők számát és lakóhely szerinti eloszlását, valamint bemutattuk a szűrőprogram elemeinek elrendezését, és a részvétel folyamatát. Felmértük a program megvalósításához szükséges emberi erőforrásokat, valamint a partnerek közötti agilis együttműködés szempontjait. Mindemellett értékeltük a szűrőprogramhoz kapcsolódó kommunikációs és disszeminációs eszközöket, és bemutattuk a skill labor keretében megvalósult digitális szájüregi szűrést.
EREDMÉNYEK: Összesen 727 fő vett részt a különböző szűrővizsgálatokon, beleértve a vérből történő vizsgálatokat, az életmódi kockázatfelmérést, valamint a bőrgyógyászati és a digitális szájüregi szűréseket. Kiemelt figyelmet fordítottunk a digitális eszközök és mesterséges intelligencia által támogatott megoldások alkalmazására, a digitális egészségügyi skill-labor funkció kiépítésére és a digitális egészségügyi megoldások népszerűsítésére. A szűrésen résztvevők körében a nők aránya meghaladta az ötven százalékot, az átlagéletkor pedig 54,2 év volt. A programon résztvevők több, mint fele (60,2 %) a Balaton környéki vármegyékből, negyede (25,3 %) pedig Pest vármegyéből érkezett. A program megvalósításában átlagosan napi 31 fő együttműködő vett részt 11 háttérintézményből és partnerszervezettől, köztük az Országos Kórházi Főigazgatóságtól és a Nemzeti Népegészségügyi és Gyógyszerészeti Központtól. Az együttműködő szervezetek különböző tevékenységi köröket és feladatokat láttak el. Az agilis együttműködés lehetővé tette a gyors és hatékony problémamegoldást. A program során alkalmazott kommunikációs módszerek, a több, mint 30 kihelyezett helyszíni reklám és plakát, a Facebook és a weboldal hirdetései, amelyek több, mint negyven- és ötvenezer főt értek el, illetve a szűrőprogramról szóló tájékoztatás sikeresen növelte a program ismertségét és a résztvevők tájékozottságát. A program során olyan technológiai megoldásokat, digitális eszközöket is alkalmaztunk, amelyek működését már mesterséges intelligencia segíti és támogatja (pl. szájszkenner). Digitális egészségügyi skill-labor funkció alatt olyan gyakorló központot vagy oktatási helyszínt értünk, ahol az egészségügyi dolgozók és hallgatók fejleszthetik digitális készségeiket, valamint megismerhetik és elsajátíthatják a digitális egészségügyi eszközök használatát.
KÖVETKEZTETÉSEK: Ismertté vált, hogy miként lehet a digitális megoldásokat hatékonyan integrálni és működtetni az egészségügyi szűrőprogramok keretében. Az Egészségpart 2023 sikeresen összekapcsolta a hagyományos szűrési eljárásokat az új technológiák bevonásával, mint például a szájüregi szűrés keretében a digitális szájszkenner használatát és az adatvezérelt egészségügyi megoldások támogatását. A programelemek elrendezését minden évben a helyszínekhez igazítottan szükséges kialakítani, az optimális működés érdekében.
Hivatkozások
Andermann, A., Blancquaert, I., Beauchamp, S., & Déry, V. (2008). Revisting wilson and Jungner in the genomic age: a review of screening criteria over the past 40 years. Bulletin of the World Health Organization, 86(4), 317–319. https://doi.org/10.2471/blt.07.050112
Angyal, V., Bertalan, Á., Domján, P., & Dinya, E. (2024). ScreenGPT – A mesterséges intelligencia alkalmazásának lehetőségei és korlátai a primer, szekunder és tercier prevencióban. Orvosi hetilap, 165(16), 629–635. https://doi.org/10.1556/650.2024.33029
Bakacsi, G., (2015). A szervezeti magatartás alapjai: alaptankönyv Bachelor hallgatók számára. Semmelweis Kiadó, Budapest 2015 ISBN 978-963-331-313-8
Balogh, J., Szócska, M., Palicz, T., Kontsek, E., Pollner, P., Varga, G., Ugrin, I., Davidovics, K., & Joó, T. (2022). A mesterséges intelligencia alapú megoldások fejlesztése és bevezetése az egészségügyben – kézműves manufaktúrától a gyártósorig? IME - Az Egészségügyi Vezetők Szaklapja, 21(2), 56–63. https://doi.org/10.53020/ime-2022-206
Barna, I., Balogh, Z., Daiki, T., Halmy, E., Egervári, Á., Kékes, E., Majoros, A., Nagy, Z. Z., Németh, J., Szőts, G., Szűcs, Z., & Dankovics, G. (2023). Magyarország Átfogó egészségvédelmi Szűrőprogramja 2010–2022. Lege Artis Medicinae, 33(Különszám), 1–44. https://doi.org/10.33616/lam.33.s10001
Bertoncello, C., Cocchio, S., Fonzo, M., Bennici, S. E., Russo, F., & Putoto, G. (2020). The potential of mobile health clinics in chronic disease prevention and health promotion in universal healthcare systems. An on-field experiment. International Journal for Equity in Health, 19(1). https://doi.org/10.1186/s12939-020-01174-8
Boromisza, P., (2020). A Semmelweis Egyetem, mint a mesterséges intelligencia motorja az egészségügyben. IME – Az egészségügyi vezetők szaklapja. 2020; 19(1): 34-35. https://www.imeonline.hu/tmp/4164f484a1dfe9a845bd44801ed4ea67.pdf
Donabedian, A. (1988). The quality of care. How can it be assessed? JAMA, 260(12), 1743–1748. https://doi.org/10.1001/jama.260.12.1743
Eurostat, (2024). Life expectancy at birth by sex. https://ec.europa.eu/eurostat/databrowser/view/demo_mlexpec/default/table?lang=en&category=demo.demo_mor
Győrffy, Z. (2019). E-páciensek és digitális gyógyítóik. Magyar Tudomány. https://doi.org/10.1556/2065.180.2019.10.6
Karácsony, I., Tamás, R. B., Egri, C. Á., Fürtös, V. D., Szőllősi, G. J., & Surján, O. (2023). A „Helybe visszük a szűrővizsgálatokat” program 2021. évi adatainak összegzése. Orvosi Hetilap, 164(27), 1070–1076. https://doi.org/10.1556/650.2023.32763
Kaul, V., Enslin, S., & Gross, S. A. (2020). History of artificial intelligence in medicine. Gastrointestinal Endoscopy, 92(4), 807–812. https://doi.org/10.1016/j.gie.2020.06.040
Központi Statisztikai Hivatal: European Health Interview Survey (EHIS) We can do for our health. [Európai Lakossági Egészségfelmérés (ELEF) Tehetünk az egészségünkért.] 2019; https://www.ksh.hu/docs/hun/xftp/ido-szaki/elef/te_2019/index.html (Megtekintve: 2024.01.08.)
Magyar Lelkiállapot 2021 – tanulmánykötet. (2023, January 25). https://semmelweis.hu/magtud/2023/01/25/magyar-lelkiallapot-2021-2/
Magyarország átfogó egészségvédelmi szűrőprogramja 2010-2020- 2030.: Programtájékoztató. 2024 https://egeszsegprogram.eu/program-tajekoztato (Megtekintve: 2024.02.05.)
Majd, S., & Majd, Z. (2023). Agile management in healthcare system. Integrated Research in Health and Disease Journal. 1. 21-31. ISBN: 2981-9229
Maxwell, R. J. (1984). Quality assessment in health. BMJ, 288(6428), 1470–1472. https://doi.org/10.1136/bmj.288.6428.1470
Meskó, B., Drobni, Z., Bényei, É., Gergely, B., & Győrffy, Z. (2017). Digital health is a cultural transformation of traditional healthcare. mHealth, 3, 38. https://doi.org/10.21037/mhealth.2017.08.07
Mitchell, P. H., Wynia, M. K., Golden, R., McNellis, B., Okun, S., Webb, C. E., Rohrbach, V., & Von Kohorn, I. (2012). Core Principles & Values of Effective Team-Based Health Care. NAM Perspectives, 2(10). https://doi.org/10.31478/201210c
Needleman, J., Buerhaus, P., Pankratz, V. S., Leibson, C. L., Stevens, S. R., & Harris, M. (2011). Nurse staffing and inpatient hospital mortality. New England Journal of Medicine, 364(11), 1037–1045. https://doi.org/10.1056/nejmsa1001025
Parasuraman, A. P., Zeithaml, V., Berry L., (1988). SERVQUAL A Multiple-item Scale for Measuring Consumer Perceptions of Service Quality. Journal of Retailing. 64. 12-40.
Patel, V. L., Shortliffe, E. H., Stefanelli, M., Szolovits, P., Berthold, M. R., Bellazzi, R., & Abu-Hanna, A. (2008). The coming of age of artificial intelligence in medicine. Artificial Intelligence in Medicine, 46(1), 5–17. https://doi.org/10.1016/j.artmed.2008.07.017
Pénzes, M., Mikesy, G., Kenesei-Kalló, A., Jóni, A. D., Lengyel, L., Tamás, R. B., Egri, C. Á., Gál, V., & Joó, T. (2024). „Egészségpart” mobil nyári szűrő- és egészség-edukációs programsorozat: a 2021–2023. évek között megvalósult programok értékelése. IME - Az Egészségügyi Vezetők Szaklapja, 23(1), 39–48. https://doi.org/10.53020/ime-2024-106
Seale, J., Knoetze, M., Phung, A., Prior, D., & Butchers, C. (2018). Commencing technical clinical skills training in the early stages of medical Education: Exploring student views. Medical Science Educator, 29(1), 173–179. https://doi.org/10.1007/s40670-018-00657-2
Simon, H., (2019) Hogyan hozzunk létre agilis vállalkozást a digitális korban?, Pallas Athéné Könyvkiadó, Magyarország, ISBN 9786155884443
Sindhwani, R., Singh, P. L., Prajapati, D. K., Iqbal, A., Phanden, R. K., & Malhotra, V. (2019). Agile System in Health Care: Literature review. In Lecture notes in mechanical engineering (pp. 643–652). https://doi.org/10.1007/978-981-13-6412-9_61
Szász, O., Lengyel, Zs., Hampel, Gy., Battyáni, Z., Szalai, G., Battyáni, I., (2010). Komplex, mobil szűrés során szerzett tapasztalataink melanoma és non-melanoma bőrtumorok vonatkozásában a Dél-Dunántúl régióban. IME. 2010; 9(2): 42–44.
Upadhayay, N. (2017). Clinical training in medical students during preclinical years in the skill lab. Advances in Medical Education and Practice, Volume 8, 189–194. https://doi.org/10.2147/amep.s130367
Vollset, S. E., Ababneh, H. S., Abate, Y. H., Abbafati, C., Abbasgholizadeh, R., Abbasian, M., Abbastabar, H., Magied, A. H. a. a. A., ElHafeez, S. A., Abdelkader, A., Abdelmasseh, M., Abd-Elsalam, S., Abdi, P., Abdollahi, M., Abdoun, M., Abdullahi, A., Abebe, M., Abiodun, O., Aboagye, R. G., . . . Murray, C. J. L. (2024). Burden of disease scenarios for 204 countries and territories, 2022–2050: a forecasting analysis for the Global Burden of Disease Study 2021. The Lancet, 403(10440), 2204–2256. https://doi.org/10.1016/s0140-6736(24)00685-8
WHO Working Group, Bohigas, L., Heyrman, J., Jessee, W. F., Jolly, D., Net i Castel, A., Nadal, J., Pelkonen, R. M., Perraro, F., Piulachs, M. T., Reerink, E., Reizenstein, P., de Schouwer, P., Selbmann, H. K., Sheldon, M. G., Simunic, M., Suñol, R., Vuori, H., & Owen, J. W. (1989). THE PRINCIPLES OF QUALITY ASSURANCE. Quality Assurance in Health Care, 1(2/3), 79–95. http://www.jstor.org/stable/45124219
Wilson, J. M. G., & Jungner, G. (1968). Principles and practice of screening for disease. https://apps.who.int/iris/handle/10665/37650
