Talk Magazine 2025 | Tekoäly hoitajien avuksi vähentämään työn kuormitusta

Teknologiasovellusten ja -laitteiden sekä tekoälyteknologian integroimisella hoitotyöhön pyritään parantamaan potilashoidon laatua sekä lisäämään tehokkuutta ja työtyytyväisyyttä. Teknologian hyväksyntä on keskeisessä roolissa näiden etujen saavuttamisessa. On tärkeää, että sairaanhoitajat kokevat teknologian hyödylliseksi työssään.

Teksti | Maarit Janhunen, lehtori, Master School, Terveys ja hyvinvointi; Tiina Pelander, yliopettaja, Sairaanhoidon osaamisalue; Paula Savolainen, lehtori, Liiketoiminta Kuva | Adobe Stock

Sairaanhoitajien merkittäviä töitä on kirjata hoitotapahtumia ja kirjoittaa hoitoyhteenvetoja. Tutkimuksen mukaan kirjaamismäärät ovat kasvaneet merkittävästi ja vievät keskimäärin neljänneksen päivittäisestä työajasta. Sairaanhoitajat toivovat teknologisista ratkaisuista apua tähän tilanteeseen.

Sairaanhoitajat kuitenkin kokevat, että yksi suurimmista kirjaamista haastavista tekijöistä on tietojärjestelmien käytettävyys. On oleellista, että sairaanhoitajat hyväksyvät hoitotyössä käytettävän teknologian ja kokevat käyttämisen olevan enemmän hyödyksi kuin haitaksi.

Vaikka noin neljännes sosiaali- ja terveyspalveluissa työskentelevistä henkilöistä on sairaanhoitajia ja siten suuri terveysteknologian käyttäjäryhmä, teknologian hyväksyttävyyden tutkimus on kohdentunut pääsääntöisesti potilaisiin tai muihin ammattiryhmiin.

Ymmärrys yksilötason tekijöistä

Kun tutkitaan teknologian hyväksyttävyyttä, voidaan käyttää vakiintuneita teknologian hyväksymismalleja. Esimerkiksi UTAUT2-mallissa hyväksyttävyyttä tarkastellaan viidestä näkökulmasta: tekninen, organisatorinen, toiminnallinen, affektiivinen ja käyttöliittymään liittyvä hyväksyttävyys. Hyväksymismallit auttavat ymmärtämään yksilötason tekijöitä, jotka vaikuttavat aikomukseen käyttää teknologiaa (Behavioral intention) ja teknologian käyttöön sen käyttöönoton jälkeen (Use behavior).

Vakiintuneet mallit eivät kuitenkaan täysin sovellu terveyden ja hyvinvoinnin kontekstiin, eivätkä ne sisällä tunnekokemukseen liittyviä tekijöitä. Tunnekokemusta voidaan mitata subjektiivisesti kyselyllä. Esimerkiksi voidaan kysyä teknologian käytön miellyttävyyttä.

Teknologisten ratkaisujen hyväksyttävyyden tutkimusta voidaan täydentää objektiivisilla mittauksilla, kuten silmänliikeseurannalla ja liikeratamittauksella. Silmän tahdonalaiset liikkeet voivat paljastaa esimerkiksi tietojärjestelmän käyttöliittymästä kohdat, joita tulee muuttaa käytettävyyden parantamiseksi. Liikeanalyysilla on puolestaan mahdollista tulkita myönteisiä ja kielteisiä tunnetiloja, joista jälkimmäinen saattaa liikemallissa näkyä esimerkiksi ryhdin huononemisena.

Hoitotyön teknologian hyväksymismallia kehittämässä

Turun ammattikorkeakoulussa luodaan mallia, joka sisältää sekä vakiintuneen hyväksymismallin tekijät että subjektiivisesti ja objektiivisesti mitattavat tunnekokemuksen tekijät. Hoitotyön teknologian hyväksymismallia testataan sairaanhoitajaopiskelijoilla muun muassa opintoihin liittyvissä hoitotyön simulaatioissa, joihin tuodaan testattavaksi kehitteillä olevaa teknologiaa.

Hoitotyön teknologian hyväksymismallia voi käyttää erityisesti terveyssektorin tuotekehityksen ja -testauksen osana.

Yksi testattavista teknologioista on tekoälyä hyödyntävä, kontekstitietoinen ja puheesta kliinistä informaatiota tulkitseva sovellus, joka mahdollistaa tiedon siirron tietojärjestelmiin vähäisellä hoitajan työllä. Tämä on huomisen tulevaisuutta, jota Turun ammattikorkeakoulun sairaanhoitajaopiskelijat pääsevät kokeilemaan ja siten olemaan mukana vaikuttamassa sairaanhoitajan osaamisen ja työn kehittämiseen.

Teknologian kehittäminen ei siis ole itseisarvo – teknologian tulee olla hyväksyttävää, ja tässä Turun ammattikorkeakoulun työ on keskeistä. Tulevaisuudessa terveysalan kansalliset ja kansainväliset yritykset ja muut toimijat voivat käyttää kehitettyä hoitotyön teknologian hyväksymismallia erityisesti terveyssektorin tuotekehityksen ja -testauksen osana. Lisäksi hyvinvointialueet voivat hyödyntää mallia kehittäessään omaa toimintaansa sekä tehdessään hankintoja.

Uutta terveysteknologiaa, osaamista ja teknologian hyväksyttävyyttä

Turun AMK kehittää hoitotyön teknologian hyväksymismallia kansainvälisessä PROFIT (PRocedure Optimization and data-driven eFficiency Improvement in healthcare environmenTs) -yhteishankkeessa (1.3.2024–30.6.2027), jota Suomessa rahoittaa Business Finland.

Projektissa tuotetaan kansainvälisesti uutta tietoa ja ratkaisuja terveydenhoidon työnkulkujen yksinkertaistamiseen ja optimointiin työprosessien tehostamiseksi ja hoidon laadun parantamiseksi.

Suomesta hankkeessa ovat mukana Turun AMK:n lisäksi Teknologian tutkimuskeskus VTT, Itä-Suomen yliopisto, Pohjois-Savon ja Varsinais-Suomen hyvinvointialueet, MediConsult, Oiva Health ja Solita. Turun AMK:n tutkimusryhmistä hankkeeseen osallistuvat Asiakaskäyttäytyminen sekä Terveydenhuollon kehittäminen hybridimaailmassa.

Lähteet: 

Alshammari, M. H., & Alenezi, A. (2023). Nursing workforce competencies and job satisfaction: the role of technology integration, self-efficacy, social support, and prior experience. BMC Nursing, 22. https://doi.org/10.1186/s12912-023-01474-8 

Heinsch, M., Wyllie, J., Carlson, J., Wells, H., Tickner, C., & Kay-Lambkin, F. (2021). Theories informing ehealth implementation: Systematic review and typology classification. In Journal of Medical Internet Research (Vol. 23, Issue 5). JMIR Publications Inc. https://doi.org/10.2196/18500 

Marikyan, D., Papagiannidis, S., & Stewart, G. (2023). Technology acceptance research: Meta-analysis. Journal of Information Science. https://doi.org/10.1177/01655515231191177 

Nummenmaa ym., 2018 

Saranto, K., Koponen, S., Kivekäs, E., & Vehko, T. (2021). Assessments of nurses’ experiences of patient and client information system usage in joint health care and social welfare services and overall in health care. Finnish Journal of EHealth and EWelfare, 13(4), 332–346. https://doi.org/10.23996/fjhw.109932 

Schomakers, E.-M., Lidynia, C., Vervier, L. S., Calero Valdez, A., & Ziefle, M. (2022). Applying an Extended UTAUT2 Model to Explain User Acceptance of Lifestyle and Therapy Mobile Health Apps: Survey Study. JMIR MHealth and UHealth, 10(1), e27095. https://doi.org/10.2196/27095 

STM. (2024). Selvitys kirjaamisen kuormittavuudesta ja hyötykäytöstä hyvinvointialueiden kokemana. Loppuraportti. 

Strandvall, T. (2009). Eye tracking in human-computer interaction and usability research. In T. Gross, J. Gulliksen, P. Kotze, L. Oestreicher, P. Palanque, R. O. Prates, & M. Winckler (Eds.), Human-Computer Interaction - INTERACT 2009 (pp. 936–937). https://doi.org/10.1007/978-3-642-03658-3_119 

Tetik, G., Türkeli, S., Pinar, S., & Tarim, M. (2024). Health information systems with technology acceptance model approach: A systematic review. In International Journal of Medical Informatics (Vol. 190). Elsevier Ireland Ltd. https://doi.org/10.1016/j.ijmedinf.2024.105556 

Uhlrich, S. D., Falisse, A., Kidziński, Ł., Muccini, J., Ko, M., Chaudhari, A. S., Hicks, J. L., & Delp, S. L. (2023). OpenCap: Human movement dynamics from smartphone videos. PLOS Computational Biology, 19(10), e1011462. https://doi.org/10.1371/journal.pcbi.1011462 

Venkatesh, V., Walton, S. M., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412 

Wang, J., Antonenko, P., Celepkolu, M., Jimenez, Y., Fieldman, E., & Fieldman, A. (2019). Exploring relationships between eye tracking and traditional usability testing data. International Journal of Human–Computer Interaction, 35(6), 483–494. https://doi.org/10.1080/10447318.2018.1464776 

Wu, C., Davaasuren, D., Shafir, T., Tsachor, R., & Wang, J. Z. (2023). Bodily expressed emotion understanding through integrating Laban movement analysis. Patterns, 4(10), 100816. https://doi.org/10.1016/j.patter.2023.100816