Potilaiden ja asiakkaiden ryhmittelyllä eli segmentoinnilla tarkoitetaan potilaiden ryhmittelyä palvelutarpeen tai palveluiden käytön mukaisesti «Mäkelä M, Keinänen-Kiukaanniemi S, Korhonen P ym. ...»1, «Liukko E, Koivisto J, Tiirinki H. Pysyvät ja muunt...»2. Ryhmittelyllä pyritään tunnistamaan samankaltaisessa tilanteessa olevia potilaita. Ryhmittelyn tavoitteita voivat olla terveyspalveluiden resurssien suunnittelu ja kohdentaminen, terveystilanteen ennusteen tekeminen (health/prognostic index), profilointi elämäntapojen mukaan ja yksilön kohdalla hoidon järjestelyjen räätälöiminen tuen tarpeen mukaan «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3. Ryhmittely ei vaikuta lääketieteelliseen hoitoon «Mäkelä M, Keinänen-Kiukaanniemi S, Korhonen P ym. ...»1.
Segmentointimenetelmiä on kehitetty 1970-luvulta lähtien Yhdysvaltojen Kaiser Permanentessa «Garfield SR. The Delivery of Medical Care: Medical...»4. Vanhenevan väestön ja kroonisten sairauksien määrän kasvaessa segmentoinnin tarve on lisääntynyt. Useissa rekisteritutkimuksissa onkin todettu, että pieni osa potilaista vastaa suuresta osasta terveydenhuollon resurssien käyttöä ja kustannuksia. Tutkimusten mukaan suuri osa segmentoinnista perustuu terveyspalveluiden käyttöön, ei terveyspalveluiden tarpeeseen «Chong JL, Lim KK, Matchar DB. Population segmentat...»5. Vuik ja kumppanit «Vuik SI, Mayer EK, Darzi A. Patient Segmentation A...»6 kuvasivat 3 viitekehystä tai erilaista kohderyhmää segmentoinnille, joka tähtää hoitopolun koordinointiin (integrated care): 1) väestö, 2) osaväestö esimerkiksi alueellisesti tai sairauden mukaan ja 3) suuren riskin potilaat, jolloin tavoitteena on ehkäistä ei-toivottuja tilanteita, kuten suunnittelemattomia sairaalajaksoja.
Systemaattisen katsauksen tavoitteena oli kuvata erilaiset tietolähtöiset segmentointitavat ja se, miten tutkijat ovat arvioineet tutkitun segmentointitavan luotettavuutta «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3. Mukaan otettiin tutkimukset, joissa oli käytetty kliinisessä työssä kertyvää potilastietoa. Sisäänottokriteerit täytti 216 tutkimusta, joista 163 käsitteli kansallisesti edustavaa väestöä ja loput kohdistuivat tiettyyn krooniseen sairauteen. Noin puolet tutkimuksista oli tehty Pohjois-Amerikassa ja 60 Euroopassa. Segmentoinnissa käytettiin ainakin kahta erilaista lähestymistapaa: asiantuntijalähtöinen lähestymistapa (expert-driven), jossa asiantuntijat laativat kirjallisuuden ja konsensuksen pohjalta kriteerit ryhmittelylle, ja tietolähtöinen (data-driven) lähestymistapa, jossa käytetään pohjana empiiristä tietoa (tyypillisesti potilastietojärjestelmiä tai hallinnollista ja vakuutuspohjaista tietoa). Segmentoinnissa on käytetty demografisten tietojen lisäksi sekä määrällistä että laadullista tietoa, kuten kliinistä arviota, tai pelkkää kvantitatiivista tietoa «Chong JL, Lim KK, Matchar DB. Population segmentat...»5, «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7.
Segmentoinnista on laadittu ainakin kaksi systemaattista katsausta «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3, «Chong JL, Lim KK, Matchar DB. Population segmentat...»5. Yanin katsauksen «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3 tavoitteena oli kuvata erilaiset tietolähtöiset segmentointitavat ja se, miten tutkijat ovat arvioineet tutkitun segmentointitavan luotettavuutta. Chongin «Chong JL, Lim KK, Matchar DB. Population segmentat...»5 katsauksen tavoitteena oli tunnistaa sellaiset segmentointityökalut, joiden avulla segmentoitiin väestöä terveyspalveluiden tarpeen suhteen. Kumpikin katsaus on siten tuottanut kuvailevaa tietoa segmentointityökaluista. Kummassakaan ei arvioida segmentoinnin merkitystä palveluiden ohjaamiseen, palveluohjauksen vaikutuksia potilaille tai terveyspalvelujen kustannuksille. NHS:n(the National Health Service) kirjallisuuskatsauksessa «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7 selvitettiin, miten organisaatiot segmentoivat paljon palveluita käyttäviä väestöjään (high-need, high-cost, HNHC). Suurin osa tässä katsauksessa kuvatuista segmentointihankkeista tähtäsi terveyspalveluiden käytön vähentämiseen ja sitä kautta myös kustannusten vähentämiseen.
Segmentointitutkimukset kuvaavat pääosin sitä, miten segmentointi on tehty ja minkälaisia segmenttejä käytetyt segmentointikriteerit tuottavat. On vain vähän tietoa siitä, miten segmentointi on vaikuttanut kohderyhmän hoitopolkuun «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7. Tämä tarkoittaa segmenteille räätälöityjen palveluiden kuvausta ilman tietoa hoidon potilaille merkityksellisistä tuloksista. Kuvattuihin palveluihin kuuluivat muun muassa asiakasvastaava (care manager), omahoitotiimi ja sosiaalipalvelut. Näyttää siltä, että erilaisilla analyyseillä, kuten klusterianalyysillä, voidaan tuottaa potilasryhmiä, jotka ovat demografisten ja sairastavuusominaisuuksien perusteella riittävän homogeenisiä, jotta tietoa voidaan hyödyntää palveluiden suunnittelussa. Tyypillisesti analyyseissä on muodostettu 4–10 segmenttiä. Suomalainen Suuntima on ainoa tunnistamamme segmentointityökalu, jossa otetaan huomioon potilaan oma arvio voimavaroista «Riihimies R, Kosunen E, Koskela T. Experiences of ...»8. Tämä arvio lienee olennainen, kun arvioidaan potilaan mahdollisuutta sitoutua esimerkiksi omahoitoon. Singaporelaisten tutkimusten «Low LL, Yan S, Kwan YH ym. Assessing the validity ...»9, «Yan S, Seng BJJ, Kwan YH ym. Identifying heterogen...»10 mukaan niin koko väestöstä kuin perusterveydenhuollon väestöstä on mahdollista ryhmitellä segmentit terveyspalveluiden käytön, sairastavuuden ja demografisten tietojen pohjalta ryhmiä, joiden terveyspalveluiden käyttö ja kuolleisuus eroavat 1 ja 4 vuoden seurannassa.
Kun segmentointia tehdään, tulee huomioida lait, jotka ohjaavat terveydenhuollon palveluiden järjestämistä. Terveydenhuoltolain «https://www.finlex.fi/fi/laki/ajantasa/2010/20101326»1, «Terveydenhuoltolaki. 30.12.2010/1326. (Viitattu 10...»11 mukaan kunnan ja sairaanhoitopiirin kuntayhtymän on huolehdittava vastuullaan olevien asukkaiden palvelujen järjestämisestä ja saatavuudesta yhdenvertaisesti koko alueellaan. Kunnan ja sairaanhoitopiirin on järjestettävä terveydenhuollon palvelut sisällöltään ja laajuudeltaan sellaisiksi kuin kunnan tai sairaanhoitopiirin kuntayhtymän asukkaiden hyvinvointi, potilasturvallisuus, sosiaalinen turvallisuus ja terveydentila sekä niihin vaikuttavien tekijöiden seurannan perusteella lääketieteellisesti, hammaslääketieteellisesti tai terveystieteellisesti arvioitu perusteltu tarve edellyttävät. Lakiin potilaan asemasta ja oikeuksista «https://www.finlex.fi/fi/laki/ajantasa/1992/19920785»2, «Laki potilaan asemasta ja oikeuksista. 17.8.1992/7...»12 on kirjattu, että jokaisella Suomessa pysyvästi asuvalla henkilöllä on oikeus ilman syrjintää hänen terveydentilansa edellyttämään terveyden- ja sairaanhoitoon niiden voimavarojen rajoissa, jotka kulloinkin ovat terveydenhuollon käytettävissä. Potilaalla on oikeus hyvälaatuiseen terveyden- ja sairaanhoitoon. Hänen hoitonsa on järjestettävä ja häntä on kohdeltava siten, ettei hänen ihmisarvoaan loukata ja että hänen vakaumustaan ja yksityisyyttään kunnioitetaan. Terveyden- ja sairaanhoitoa toteutettaessa on tarvittaessa laadittava tutkimusta, hoitoa ja lääkinnällistä kuntoutusta koskeva tai muu vastaava suunnitelma. Suunnitelmasta tulee ilmetä potilaan hoidon järjestäminen ja toteuttamisaikataulu. Suunnitelma on laadittava yhteisymmärryksessä potilaan, hänen omaisensa tai läheisensä taikka hänen laillisen edustajansa kanssa. Potilasta on hoidettava yhteisymmärryksessä hänen kanssaan. Jos potilas kieltäytyy tietystä hoidosta tai hoitotoimenpiteestä, häntä on mahdollisuuksien mukaan hoidettava yhteisymmärryksessä hänen kanssaan muulla lääketieteellisesti hyväksyttävällä tavalla. Potilaan yksilölliset tarpeet on mahdollisuuksien mukaan otettava huomioon hänen hoidossaan. Lisätietoa ks. taustamateriaali 2. Otteita lainsäädännöstä «Taustamateriaali 2. Otteita lainsäädännöstä»1.
Alla on kuvattu tarkemmin yksittäisiä segmentointitutkimuksia ja niissä muodostettuja segmenttejä.
Yhdysvaltalaisen tutkimuksen «Dorr DA, Ross RL, Cohen D ym. Primary care practic...»13 tavoitteena oli tarkastella perusterveydenhuollon erilaisissa yksiköissä käytössä olevien riskiarvioiden osuvuutta ei-toivottuihin lopputuloksiin (sairaalahoitoon päätyminen, päivystyskäynnit) verrattuna yleiseen käytössä olevaan riskipisteytykseen (Hierarchical Condition Categories, HCC). Tutkimukseen pyydetyt perusterveydenhuollon yksiköt luokittelivat kaikki potilaansa. Vertailua varten kerättiin riskipisteytyksen tulos (taso: pieni, kohtalainen, suuri tai erittäin suuri riski), HCC-pisteytys ja taso, kokonaiskustannukset, sairaanhoitoon päätymisten määrä, päivystyskäyntien määrä vuosi ennen riskiarviointia ja vuosi sen jälkeen. Stratifiointimenetelmät luokiteltiin 3 luokkaan: kliininen arvio, standardoitu riskipisteytys ja standardoitu riskipisteytys yhdistettynä kliiniseen arvioon. Tutkimukseen osallistui 6 perusterveydenhuollon yksikköä yhden osavaltion alueelta. Suurin osa käytti riskipisteytyksen lisäksi kliinistä arviota (n = 4), 1 yksikkö käytti pelkkää kliinistä arviota ja 1 riskipisteytystä. Potilaita oli yhteensä 40342, heistä 29417 (73 %) arvioitiin pienen riskin potilaiksi ja 2613 (7 %) suuren riskin potilaiksi molemmilla pisteytyksillä, kun 6 771 (38,5 %) arvioitiin suuren riskin potilaaksi jommallakummalla pisteytyksellä (kappa 0,26). Riittävän kattavat tiedot sairaalahoitoon ja päivystykseen päätymisestä analyysiä varten oli käytettävissä 3 381 (8,4 %) potilaalta. Heistä 187 (5 %) arvioitiin suuren riskin potilaiksi molemmilla pisteytyksillä (kappa 0,32). HCC oli tarkempi ja herkempi ennustamaan sairaalahoitoon päätymistä ja kokonaiskustannuksia, mutta päivystyskäyntien osalta eroa ei ollut verrattuna muihin pisteytyksiin. Kliininen arvio yksin (herkkyyden vaihteluväli 0,10–0,15; PPV vaihteluväli 0,06–0,17) oli huonompi kuin pisteytys tai pisteytys yhdistettynä kliiniseen arvioon (herkkyyden vaihteluväli 0,36–0,40; PPV vaihteluväli 0,23–0,30). Tulosten yleistettävyyteen vaikuttaa se, että tutkimukseen oli haettu erilaisia perusterveydenhuollon yksiköitä, mutta mukaan lähti vain 6 yksikköä, joista 4 oli kaupunkiympäristöstä ja 4 keskisuuria. Vain 8,4 %:lla potilaista oli riittävän kattavat tiedot lopputulosmuuttujista.
Kanadalaisen tutkimuksen «Langton JM, Wong ST, Burge F ym. Population segmen...»14 tavoitteena oli arvioida segmentointityökalun toimivuutta, kun potilaat jaettiin 4 segmenttiin: alhainen tarve (segmentti 1), monisairastavuus (segmentti 2), lääketieteellinen monimutkaisuus (segmentti 3) ja hauraus (segmentti 4). Eri segmenttien kuvaamiseen käytettiin mittareina palveluiden saatavuutta, jatkuvuutta ja koordinointia. Pääasiallinen lopputulosmuuttuja olivat hoidon kokonaiskustannukset. Lisäksi mitattiin yleislääkärikäyntien, sairaalahoitojaksojen, päivystyskäyntien ja määrättyjen lääkeluokkien määrää. Tutkimukseen otettiin mukaan kaikki alueen asukkaat, jotka olivat vähintään 18-vuotiaita, joista oli luotettavat demografiset ja sosioekonomiset tiedot ja jotka kuuluivat Medical Services Planiin (MSP) 75 % päivistä tutkimusvuosina. Segmentointi perustui 2 vuoden hallinnolliseen dataan vuosilta 2013–2015 (krooniset sairaudet, lääketieteellistä monimutkaisuutta kuvaavat tapahtumat (esim. dialyysi) ja haurauden merkit). Lisäksi huomioitiin sosioekonomisia tekijöitä. Sisäänottokriteerit täyttävistä 3441393 potilaasta 82 % kuului segmenttiin 1, 13 % segmenttiin 2, 3 % segmenttiin 3 ja 2 % segmenttiin 4. Segmentissä 4 noin 62 % oli naisia, muissa segmenteissä naisten osuus oli hieman yli 50 %. Yli 75-vuotiaiden osuus oli eri segmenteissä 5, 29, 18 ja 80 %. Kroonisia sairauksia oli keskimäärin 0,3 per potilas segmentissä 1, kun muissa segmenteissä luku oli 2,5–2,8. Hoidon kokonaiskustannusten keskiarvo oli segmentissä 1 noin 1 500 dollaria ja segmentissä 2 noin 6 000 dollaria, kun segmenteissä 3 ja 4 ne olivat yli 10 000 dollaria. Pääosa kustannuksista tuli sairaalahoidosta ja lääkekuluista ja segmentissä 3 erikoissairaanhoidon kuluista. Matala sosioekonominen status näytti liittyvän suurempiin kustannuksiin. Hoidon jatkuvuus ei eronnut segmenttien välillä, mutta se näytti olevan yhteydessä pienempiin kokonaiskustannuksiin segmentissä 4.
Isossa-Britanniassa toteutetun tutkimuksen tavoitteena «Nnoaham KE, Cann KF. Can cluster analyses of linke...»15 oli tutkia terveyspalveluiden käyttöön perustuvan segmentoinnin käyttökelpoisuutta alueellisessa segmentoinnissa perusterveydenhuollon yksikössä (GP-registered). Segmentoinnissa käytettiin 7:ää eri terveydenhuollon käyttöä kuvaavaa tietoa ja tietoja iästä, kroonisista sairauksista, köyhyydestä ja riskistä päätyä päivystykseen. Tutkimuspopulaation koko oli 79607 potilasta (50,1 % naisia, iän keskiarvo 41,4 vuotta). Klusterianalyysi tuotti 10 segmenttiä. Segmentit 1, 3, 5, 8 ja 10 olivat vähäisen palvelutarpeen segmenttejä, mutta ne erosivat toisistaan muun muassa iän (nuoria vs. keski-ikäisiä) ja kroonisten sairauksien määrän (0–3), luonteen ja niiden hoitotasapainon suhteen. Segmentit 2 ja 7 olivat suuren palvelutarpeen potilaita, joilla lääketieteellinen monimutkaisuus oli alhainen. Heillä palvelutarve syntyi elektiivisistä osastohoidoista tai avohoidon palveluista. Segmentit 4, 6 ja 9 olivat suuren palvelutarpeen potilaita, joilla myös lääketieteellinen monimutkaisuus oli suurta. Näihin segmentteihin kuului hyvin eri-ikäisiä potilaita, jotka olivat köyhiä ja joilla oli usein yli 5 kroonista sairautta. Segmenttiin 1 kuului 50 % potilaista, ja he vastasivat 6,2 %:sta kustannuksia, kun segmenttiin 4 kuului vain 1 prosentti potilaista, mutta he vastasivat 10 %:sta kustannuksia.
Suomalaisesta monimenetelmäisestä tutkimuksesta, jonka tavoitteena on arvioida Suuntimaksi (Navigator) nimettyä Pirkanmaan sairaanhoitopiirissä kehitettyä segmentointityökalua, on julkaistu protokolla «Riihimies R, Kosunen E, Koskela T. Web-Based Patie...»16 ja laadullinen tutkimus «Riihimies R, Kosunen E, Koskela T. Experiences of ...»17. Suuntimalla toteutettu segmentointi pohjautuu asiakkaan ja ammattilaisen yhteiseen arvioon: potilas arvioi voimavarojaan ja toimintakykyään arjessa ja ammattilainen potilaan terveydentilaa ja sairauden vaikeusastetta. Kyselyiden pohjalta potilas segmentoidaan yhteen neljästä asiakkuudesta: yhteisö-, verkosto-, omatoimi- tai yhteistyöasiakkuus (kuva 4.2.1). Tavoitteena on tukea omahoitoa ohjaamalla potilas oikeisiin terveydenhuollon palveluihin.
Kuva 4.2.1. Asiakkuuksien tunnistamisen malli. Mukaillen: Suuntima 2020. Lähde: Yleislääketieteen perusteet. Kustannus Oy Duodecim 2020
Suuntiman toteutettavuutta ja sisältö- (content) ja ilmivaliditeettia (face) on tutkittu diabetespotilaille ja terveydenhuollon ammattihenkilöille suunnatulla kyselyllä ja ammattihenkilöiden fokusryhmähaastattelulla «Riihimies R, Kosunen E, Koskela T. Experiences of ...»17. Kyselyyn vastasi 272 potilasta niistä 304 potilaasta, joille Suuntima täytettiin. 14 hoitajaa osallistui fokusryhmähaastatteluihin. Potilaat pitivät Suuntimaa helppokäyttöisenä (90 %), se auttoi pohtimaan omaa tilannetta eri näkökulmista (57 %) eikä vienyt liikaa aikaa (80 %). Potilaista 85 % oli yhtä mieltä sen antamasta asiakkuudesta ja hoitopolkuehdotuksesta. Hoitajat pitivät sitä helppokäyttöisenä (100 %) ja soveltuvana käytettäväksi segmentointiin vastaanoton yhteydessä (86 %). Se auttoi keskustelussa (61 %), ja kysymykset olivat selkeitä (64 %). Kaikki vastaajat pitivät Suuntimaa soveltuvana työkaluna segmentointiin. Sen täyttäminen vei yleensä alle 25 minuuttia (95 %:lla potilaista). Avoimissa vastauksissa tuli esille, että täyttäminen on aikaavievää vanhojen ja puheliaiden ihmisten kanssa. Fokusryhmähaastatteluissa tuotiin esille, että se on hyvin toimiva web-pohjainen palvelu. Se stimuloi keskustelua ja auttaa siten päätöksenteossa ja tukee hoitomotivaatiota. Suuntima on järkevä täyttää yhdessä ammattihenkilön kanssa, joka voi auttaa vaikeiden kysymysten selventämisessä. Lisäksi nostettiin esille, että tarvitaan koulutusta ja esimerkiksi VAS-pisteiden arviointi ei ole yhtenäistä. Haastatteluissa keskusteltiin myös kehittämistarpeista, muun muassa joidenkin kysymysten selkiyttämisestä. Tutkimuspopulaation koko oli pieni, mikä saattaa heikentää tiedon yleistettävyyttä.
Singaporelaisessa tutkimuksessa «Low LL, Yan S, Kwan YH ym. Assessing the validity ...»9 tavoitteena oli tutkia väestöpohjaista terveyspalveluiden käyttöön pohjautuvaa segmentointia ja seurata (4 vuotta) terveyspalveluiden käyttöä ja kuolleisuutta. Otoksessa olivat kaikki Singaporen aikuiset asukkaat, joilla oli vähintään 1 käynti alueellisessa terveydenhuollossa vuonna 2012. Otos jaettiin segmentteihin iän ja terveyspalveluiden käytön perusteella ja segmenttejä verrattiin toisiinsa demografisten tietojen ja sairauksien perusteella. Analyysissä käytettiin potilaan demografisia tietoja, sairaustietoja (ICD-koodit), terveyspalveluiden käyttötietoja sekä kuolleisuustietoja. Otokseen valikoitui 146999 henkilöä, iän keskiarvo oli 50 vuotta, ja enemmistö oli etniseltä taustaltaan kiinalaisia. Analyysissä väestöstä muodostui 5 segmenttiä iän ja terveyspalveluiden käytön perusteella: 1) nuoret ja terveet, 2) keski-ikäiset terveet, 3) stabiili krooninen sairaus, 4) kompleksinen krooninen sairaus ja 5) toistuvat osastojaksot. Segmentti 5 oli pienin, 1,79 %, kun muiden koko oli 16–28 %. Segmenttien 1 ja 2 terveyspalveluiden käyttö oli vähäistä (50 % väestöstä, 11 % sairaalahoitojaksoista ja 24 % perusterveydenhuollon vastaanottokäynneistä vuonna 2012). Segmentti 5:n väestölle kertyi vuonna 2012 69 % sairaalahoitojaksoista, 77 % erikoissairaanhoidon poliklinikkakäynneistä ja 54 % päivystyskäynneistä. Terveyspalveluiden käyttö pysyi segmenteissä samanlaisena 4 vuoden seurannassa. Kun referenssiryhmänä oli segmentti 1, ilmaantumistiheyksien suhde (Incidence rate ratio (IRR)) sairaalahoitojaksolle segmentissä 5 oli 14,9 (95 % luottamusväli 13,5–16,4), segmentissä 4 IRR 4,7 (95 % luottamusväli 4,5–4,9) ja päivystyskäyntien osalta segmentin 5 IRR oli 11,1 (95 % luottamusväli 10,1–2,2) ja segmentin 4 4,8 (95 % luottamusväli 4,6–5,0). Seurannassa elossaolo-osuus oli segmenteittäin: 1) 99,8 %, 2) 99,2 %, 3) 97,1 %, 4) 83,8 % ja 5) 74,5 %.
Toisen singaporelaisen kohorttitutkimuksen «Yan S, Seng BJJ, Kwan YH ym. Identifying heterogen...»10 tavoitteena oli segmentoida sairauksien mukaan perusterveydenhuollon palveluiden käyttäjiä (vähintään 21-vuotiaat) ja seurata 1 vuoden ajan palveluiden käyttöä ja kuolleisuutta. Analyysissä käytettiin potilaan demografisia tietoja, sairaustietoja (ICD-koodit) ja terveyspalveluiden käyttötietoja. Otoksen koko oli 100747 potilasta, iän keskiarvo oli 52 vuotta, 45 % oli miehiä ja lähes 80 % etniseltä taustaltaan kiinalaisia. Analyysissä muodostui 6 segmenttiä: 1) melko terveet, 2) stabiili metabolinen sairaus, 3) metabolinen sairaus ja vaskulaarinen komplikaatio, 4) suuri hengityselinten sairaustaakka, 5) suuri metabolisten sairauksien taakka, ei komplikaatioita ja 6) metabolinen sairaus ja usean elimen komplikaatio. Terveyspalveluiden käyttö oli suurinta segmentissä 6 (verrattuna segmenttiin 1 ilmaantumistiheyksien suhde (Incidence Rate Ratio (IRR)) erikoissairaanhoidon poliklinikkakäynnit 6,6 (95 % luottamusväli 5,8–7,6), päivystyskäynnit 13,9 (95 % luottamusväli 11,7–16,4) ja sairaalahoitojaksot 19,7 (95 % luottamusväli 16,4–23,6)). Tässä segmentissä vuoden seurannassa kuolleisuus oli myös suurinta HR 28,0 (95 % luottamusväli 25,0–31,3).
Isossa-Britanniassa käytössä on segmentointimenetelmä Bridges to Health Population. Se perustuu kahteen tutkimukseen «Vuik SI, Mayer E, Darzi A. A quantitative evidence...»18, «Lynn J, Straube BM, Bell KM ym. Using population s...»19, ja sen tavoitteena on resurssien suunnittelu ja hoidon toteutuksen suunnittelu väestötasolla. Segmenttejä on 8: pääosin terveet (segmentit 1, 2 ja 3); henkilöt, joilla on jokin krooninen sairaus tai toiminnanvajaus (segmentit 4 ja 5), ja henkilöt, jotka ovat elämän loppuvaiheessa (segmentit 6, 7 ja 8). Vuikin tutkimuksessa 3 segmentin todettiin vastaavan isosta osasta kustannuksia (segmentti 3 päivityskäynnit, segmentti 6 valtimosairaudet, segmentti 8 kotiin tuotetut palvelut ja asumispalvelut) «Vuik SI, Mayer E, Darzi A. A quantitative evidence...»18.
Bloem-Stalpersin malli perustuu sosioekonomiseen ja -demografiseen tietoon. Sen tavoitteena on tunnistaa potilaan subjektiivinen kokemus terveydestään, sairauden hyväksyntä ja koettu kontrolli «Bloem S, Stalpers J, Groenland EAG ym. Segmentatio...»20. Se kuvaa 4:ää potilassegmenttiä. Bloemin tutkimuksen tavoitteena oli tarkentaa segmenttien rajoja ja tarkastella, miten hollantilainen väestö jakautuu segmentteihin. Tutkimus toteutettiin kyselyllä ja osallistujia kutsuttiin sähköpostilla. Kyselyssä selvitettiin, miten henkilö on hyväksynyt terveydentilansa (acceptance of personal health condition, 3 kysymystä), ja koettua terveydentilan hallintaa (perceived control of health condition, 3 kysymystä). Kyselyssä käytettiin Likert-asteikkoa 1 (täysin samaa mieltä) – 7 (täysin eri mieltä). Hyväksynnän ja hallinnan kokemuksen osalta laskettiin yhteisarvo, ja arvolle laskettiin mediaani, jota käytettiin raja-arvona (pieni/suuri arvo). Näiden perusteella muodostettiin 4 segmenttiä: 1) suuri arvo hyväksynnässä ja hallinnassa, 2) pieni arvo hyväksynnässä ja suuri hallinnassa, 3) suuri arvo hyväksynnässä ja pieni hallinnassa ja 4) pieni arvo hyväksynnässä ja hallinnassa. Sosiodemografisia tietoja verrattiin näin muodostettujen segmenttien kesken. Kyselyyn vastasi 2465 hollantilaista, joiden ikäjakauma ja koulutustausta vastasi muutoin Hollannin väestöä, mutta vastaajissa oli enemmän naisia (60,5 %). Faktorianalyysin mukaan 3 kysymyksen perusteella tuotettu arvo kuvasi luotettavasti hyväksyntää ja koettua hallintaa. Naisten yliedustus otoksessa ei näyttänyt vaikuttavan mediaaniarvioihin. Otos jakautui segmentteihin: 1) 32 %, 2) 17 %, 3) 19 % ja 4) 32 %. Segmenttejä kuvattiin tarkemmin sosioekonomisten ja -demografisten tietojen avulla. Segmentti 1) ‘Importance of self-management' – melko nuoria, korkea yhteiskuntaluokka, tarvitsevat luotettavaa tietoa, segmentti 2) ‘Importance of personal control' – melko iäkkäitä, asuivat maaseudulla, tarvitsevat tukea hallinnan kokemukseen ja taitoihin, segmentti 3) ‘Importance of acceptance' – melko nuoria miehiä, tarvitsevat lääkärin ja hoitajan tukea, ja segmentti 4) ‘Importance of perspective and direction' – naisia, alhainen yhteiskuntaluokka, tarvitsevat neuvontaa ja henkilökohtaista hoitoa. Tutkijat toteavat, että segmentit eivät välttämättä ole yleistettävissä erilaiseen kohdejoukkoon, esimerkiksi tietyssä sairausryhmässä.
Hollantilaisessa tutkimuksessa «Rijken M, van der Heide I. Identifying subgroups o...»21 tavoitteena oli erotella monisairaista potilaista ryhmiä, joiden tarpeet ovat erilaisia lääketieteellisen kompleksisuuden ja henkilökohtaisten voimavarojen suhteen. 613 potilasta, joilla oli 2 tai useampia somaattisia sairauksia valittiin 38:sta perusterveydenhuollon yksiköstä. Elämänlaatua ja hoidon ja tuen tarvetta arvioitiin RAND-36-kyselyllä. Lisäksi käytettiin taustatietojen keräämiseen kyselyä ja yleislääkärit kirjasivat diagnoosikoodit sekä kroonisten sairauksien määrän. Analyysissä tunnistettiin 3 potilassegmenttiä: 1) melko hyvä elämänlaatu (48 %), 2) heikko fyysinen elämänlaatu (28 %) ja 3) heikko elämänlaatu (24 %). Segmentti 1:n potilailla oli vähemmän ja stabiilimpia kroonisia sairauksia ja lyhyempi sairauden kesto. Segmentin 3 potilailla henkilökohtaiset voimavarat olivat selkeästi heikommat. Segmenteissä ei havaittu eroja ikäjakaumassa, mutta segmentissä 3 oli enemmän naisia. Kirjoittajien mukaan monisairaiden hoitoa voidaan suunnitella näiden segmenttien mukaan.
Segmentointitutkimuksissa ei yleensä ole kuvattu sitä, kuka segmentoinnin on tehnyt. Suuntimaa käytettäessä arviointi tehdään hoitajan ja potilaan yhteistyönä. Suuntimalla arvioinnin tekemiseen kului aikaa alle 25 minuuttia 96 %:lla potilaista «Riihimies R, Kosunen E, Koskela T. Experiences of ...»17. Kun ammattihenkilö oli potilaan omahoitaja, aikaa kului vähemmän (p = 0,000) «Riihimies R, Kosunen E, Koskela T. Experiences of ...»17.
Tiedonhaussamme löytyneissä katsauksissa «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3, «Chong JL, Lim KK, Matchar DB. Population segmentat...»5, «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7, «Seng JJB, Monteiro AY, Kwan YH ym. Population segm...»22 ei ole arvioitu segmentoinnin hyötyjä tai haittoja. Kuten edellä on kuvattu, 3 erilaista kohderyhmää segmentoinnille on tunnistettu: 1) väestö, 2) osaväestö esimerkiksi sairauden mukaan ja 3) suuren riskin potilaat «Vuik SI, Mayer EK, Darzi A. Patient Segmentation A...»6.
Väestötasolla tavoitteena on koko populaation integroitu hoidonohjaus. Singaporelaisissa tutkimuksissa tutkittiin väestön «Low LL, Yan S, Kwan YH ym. Assessing the validity ...»9 ja perusterveydenhuollon palveluiden käyttäjien «Yan S, Seng BJJ, Kwan YH ym. Identifying heterogen...»10 terveyspalveluiden käyttöön pohjautuvaa segmentointia ja seurattiin terveyspalveluiden käyttöä ja kuolleisuutta. Väestöotoksessa olivat kaikki Singaporen aikuiset asukkaat, joilla oli vähintään 1 käynti alueellisessa terveydenhuollossa vuonna 2012. Otos jaettiin segmentteihin iän ja terveyspalveluiden käytön perusteella ja segmenttejä verrattiin toisiinsa demografisten tietojen ja sairauksien perusteella. Analyysissä käytettiin potilaan demografisia tietoja, sairaustietoja (ICD-koodit), terveyspalveluiden käyttötietoja sekä kuolleisuustietoja. Seuranta-aika oli 4 vuotta. Otokseen valikoitui 146999 henkilöä, iän keskiarvo oli 50 vuotta, ja enemmistö oli etniseltä taustaltaan kiinalaisia. Analyysissä väestöstä muodostui 5 segmenttiä iän ja terveyspalveluiden käytön perusteella: 1) nuoret ja terveet, 2) keski-ikäiset terveet, 3) stabiili krooninen sairaus, 4) kompleksinen krooninen sairaus ja 5) toistuvat osastojaksot. Segmenttien 1 ja 2 terveyspalveluiden käyttö oli vähäistä (50 % väestöstä, 11 % sairaalahoitojaksoista ja 24 % perusterveydenhuollon vastaanottokäynneistä vuonna 2012). Segmentti 5:n väestölle kertyi vuonna 2012 69 % sairaalahoitojaksoista, 77 % erikoissairaanhoidon poliklinikkakäynneistä ja 54 % päivystyskäynneistä. Terveyspalveluiden käyttö pysyi segmenteissä samanlaisena 4 vuoden seurannassa. Kun referenssiryhmänä oli segmentti 1, ilmaantumistiheyksien suhde (Incidence Rate Ratio (IRR)) sairaalahoitojaksolle segmentissä 5 oli 14,9 (95 % luottamusväli 13,5–16,4), segmentissä 4 IRR 4,7 (95 % luottamusväli 4,5–4,9) ja päivystyskäyntien osalta segmentin 5 IRR oli 11,1 (95 % luottamusväli 10,1–2,2) ja segmentissä 4 4,8 (95 % luottamusväli 4,6–5,0). Seurannassa elossaolo-osuus oli segmenteittäin: 1) 99,8 %, 2) 99,2 %, 3) 97,1 %, 4) 83,8 % ja 5) 74,5 %. Perusterveydenhuollon otoksen koko oli 100 747 potilasta, iän keskiarvo oli 52 vuotta, 45 % oli miehiä ja lähes 80 % etniseltä taustaltaan kiinalaisia. Analyysissä muodostui 6 segmenttiä: 1) melko terveet, 2) stabiili metabolinen sairaus, 3) metabolinen sairaus ja vaskulaarinen komplikaatio, 4) suuri hengityselinten sairaustaakka, 5) suuri metabolisten sairauksien taakka, ei komplikaatioita ja 6) metabolinen sairaus ja usean elimen komplikaatio. Segmentissä 6 terveyspalveluiden käyttö oli suurinta (verrattuna segmenttiin 1 ilmaantumistiheyksien suhde (Incidence Rate Ratio (IRR)) erikoissairaanhoidon poliklinikkakäynnit 6,6 (95 % luottamusväli 5,75–7,56), päivystyskäynnit 13,9 (95 % luottamusväli 11,7–16,4) ja sairaalahoitojaksot 19,7 (95 % luottamusväli 16,4–23,6)). Tässä segmentissä vuoden seurannassa myös kuolleisuus oli suurinta HR 28,0 (95 % luottamusväli 25,0–31,3).
Isossa-Britanniassa tehdyn tutkimuksen tavoitteena oli arvioida terveyspalveluiden käyttöön perustuvan segmentoinnin arvoa «Vuik SI, Mayer E, Darzi A. A quantitative evidence...»18. Potilaspopulaatio oli 300000 henkilön satunnainen otos väestöstä. Lopulliseen otokseen tuli 298 432 potilasta, joista 50,5 % oli naisia. Iän keskiarvo oli 45 vuotta. Otoksen potilailla köyhyys oli vähäisempää kuin väestöllä keskimäärin. Jokaiselle potilaalle laskettiin 6 terveyspalveluiden käytön muuttujaa (vuosittainen määrä: ei-elektiiviset osastojaksot, elektiiviset osastojaksot, poliklinikkakäynnit, yleislääkärikäynnit, yleislääkärin kotikäynnit, lääkemääräykset). Ryhmittelyanalyysia (cluster analysis) käytettiin optimaalisen segmenttimäärän laskemiseen ja lopullisten segmenttien muodostamiseen. Analyysi tunnisti 8 segmenttiä: segmenttien 1–2 potilaat olivat nuoria ja vähän palveluita käyttäviä, segmenttien 3–5 potilaat käyttivät paljon tiettyä terveyspalvelua (esim. segmentti 3 päivystyspalveluita), segmenttien 6–7 potilaat olivat iäkkäämpiä ja paljon palveluita käyttäviä, ja segmentit 8 potilaat olivat iäkkäitä ja tarvitsivat paljon kotipalveluita. Kolmen segmentin todettiin vastaavan isosta osasta kustannuksia (segmentti 3 päivityskäynnit, segmentti 6 valtimosairaudet, segmentti 8 kotiin tuotetut palvelut ja asumispalvelut).
Näiden kolmen tutkimusesimerkin valossa vaikuttaa siltä, että väestön ja perusterveydenhuollon väestötasolla on mahdollista tunnistaa potilasryhmiä, joiden terveyspalveluiden käyttö on suurta. Tästä saattaa olla hyötyä, kun suunnitellaan resurssitarpeita ja hoitoketjuja. Väestön segmentoinnissa päädytään tyypillisesti alle 10 segmenttiin «Chong JL, Lim KK, Matchar DB. Population segmentat...»5, segmentoinnin pohjana on terveyspalveluiden käyttö, ja siten niissä tarvitaan toimivaa sähköistä potilastietojärjestelmää. Väestösegmentoinnin riskinä on yksilöllisyyden sivuuttaminen «Liukko E, Koivisto J, Tiirinki H. Pysyvät ja muunt...»2.
Osaväestöön kohdistuva segmentointi käsittää usein tietyn kroonisen sairauden. Tällöin tavoitteena on tunnistaa ne potilaat, jotka ovat kyvykkäitä omahoitoon, ja toisaalta ne, jotka tarvitsevat enemmän ammattihenkilöiden tukea. Diabetespotilaiden segmentointia käsittelevässä kartoittavassa katsauksessa (scoping review) todettiin, että segmentointiin käytetään hyvin erilaisia tietoja, tyypillisimmin sosiodemografisia ja diabetekseen liittyviä tietoja «Seng JJB, Monteiro AY, Kwan YH ym. Population segm...»22. Vaikuttavuutta voidaan lisätä myös sillä, että koordinoitua hoidon suunnittelua tehdään segmentointiin pohjautuen sellaisille potilasryhmille, joille tästä on osoitettu olevan hyötyä «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7.
Hollantilaisessa tutkimuksessa «Rijken M, van der Heide I. Identifying subgroups o...»21 tavoitteena oli tunnistaa monisairaista potilaista ryhmiä, joiden tarpeet ovat erilaisia lääketieteellisen kompleksisuuden ja henkilökohtaisten voimavarojen suhteen. 613 potilasta, joilla oli 2 tai useampia somaattisia sairauksia valittiin 38:sta perusterveydenhuollon yksiköstä. Elämänlaatua ja hoidon ja tuen tarvetta arvioitiin RAND-36-kyselyllä. Lisäksi käytettiin taustatietojen keräämiseen kyselyä ja yleislääkärit kirjasivat diagnoosikoodit sekä kroonisten sairauksien määrän. Analyysissä tunnistettiin 3 potilassegmenttiä: 1) melko hyvä elämänlaatu (48 %), 2) heikko fyysinen elämänlaatu (28 %) ja 3) heikko elämänlaatu (24 %). Segmentti 1:n potilailla oli vähemmän ja stabiilimpia kroonisia sairauksia ja lyhyempi sairauden kesto. Segmentin 3 potilailla henkilökohtaiset voimavarat olivat selkeästi heikommat. Segmenttien ikäjakaumassa ei havaittu eroja, mutta segmentissä 3 oli enemmän naisia.
Näiden kahden esimerkin valossa voidaan todeta, että osaväestön segmentointi voi perustua niin kyseisen sairauden kuin elämänlaadun arviointiin. Toisaalta myös sairausryhmäkohtaisessa segmentoinnissa voidaan käyttää perusteena terveyspalveluiden käyttöä «Vuik SI, Mayer EK, Darzi A. Patient Segmentation A...»6. Samasta kroonisesta sairaudesta kärsivät voivat kokea sairautensa hyvin eri tavoin, ja heidän voimavaransa ja elämäntilanteessa voivat olla hyvin erilaiset. Siten myös heidän tuen tarpeensa voi olla erilainen. Sairauden perusteella toteutetusta segmentoinnista voi siten olla hyötyä, kun suunnitellaan yksilöllistä hoitopolkua.
Potilaita, joilla on riski saada tietty ei-toivottu lopputulos, kuten päätyä sairaalahoitoon, voidaan tunnistaa segmentoinnilla. Tavoitteena on pystyä tarjoamaan tällaisille potilaille hoidon koordinointia (case management) ja siten ehkäistä ei-toivottuja tapahtumia. Vaikka tässä segmentointikohderyhmässä voidaan käyttää samanlaista empiiristä tietoa kuin väestötasollakin (esim. sairaalahoitojaksot), saadaan parempia tuloksia, jos näitä yhdistetään laadulliseen tietoon «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7. Potilaan yhteisymmärrys ja halu sitoutua segmentoinnin perusteella valittuun hoito-ohjelmaan lisää hoidon vaikuttavuutta. Riihimiehen ym. tutkimuksen mukaan 85 % potilaista oli samaa mieltä Suuntiman arvioinnin perusteella asetetusta asiakkuustyypistä «Riihimies R, Kosunen E, Koskela T. Web-Based Patie...»16.
Ei ole tutkimusnäyttöä siitä, miten segmentointi tulisi toteuttaa ja mitä välineitä tulisi käyttää. Yanin ja kumppaneiden systemaattisessa katsauksessa «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3 todetaan, että on olemassa laaja joukko erilaisia statistisia tekniikoita ja ohjelmistoja tietopohjaisen segmentoinnin analysointiin. Jokaisella tekniikalla on erityisiä ominaisuuksia, jotka saattavat johtaa erilaisiin tulkintoihin, vaikka käytettäisiin samoja kriteereitä. Tekniikan valinnan tuleekin perustua käytetyn tiedon ominaisuuksiin, otoskokoon ja segmentoinnin tavoitteisiin.
Erityyppisen tiedon (määrällinen, laadullinen) käyttämiseen liittyy erilaisia hyötyjä ja haittoja. Katsauksen «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7 mukaan määrällinen tieto esimerkiksi korvauksiin liittyvistä tietokannoista on helposti saatavilla ja määrällisen tiedon avulla pystytään helposti tunnistamaan ne, joiden terveydenhoitokustannukset ovat suuret. Potilastietojärjestelmistä on mahdollista saada ajantasaisempaa tietoa. Toisaalta segmentointitiedon kerääminen potilastietojärjestelmästä asettaa tiettyjä vaatimuksia järjestelmän kattavuudelle «Chong JL, Lim KK, Matchar DB. Population segmentat...»5 ja rakenteiselle kirjaamiselle. Ainoastaan määrällisen tiedon käyttäminen jättää huomiotta osan potilaiden ominaisuuksista, kuten halukkuuden osallistua hoito-ohjelmaan «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7. Laadullisen tiedon yhdistäminen määrälliseen tietoon saattaakin johtaakin luotettavampaan, toteuttamiskelpoisempaan ja kliinisesti merkityksellisempään segmentointiin. Laadullinen tieto saattaa sisältää esimerkiksi kliinisen arvion, terveysriskin tai haurauden arvioinnin ja arvion sosiaalihuollon tarpeesta. Toisaalta pelkkään kliiniseen arvioon perustuva segmentointi voi aiheuttaa arvioijaan liittyvän harhan. Yhdysvaltalainen tuore tutkimus «Dorr DA, Ross RL, Cohen D ym. Primary care practic...»13 vahvistaa tätä näkemystä. Tutkimuksen tavoitteena oli tarkastella perusterveydenhuollon erilaisissa yksiköissä käytössä olevien riskiarvioiden osuvuutta ei-toivottuihin lopputuloksiin (sairaalahoitoon päätyminen, päivystyskäynnit) verrattuna yleiseen käytössä olevaan riskipisteytykseen (Hierarchical Condition Categories, HCC). Tutkimukseen osallistuneista 6:sta perusterveydenhuollon yksiköstä 4 käytti riskipisteytyksen lisäksi kliinistä arviota (n = 4), 1 yksikkö pelkkää kliinistä arviota ja 1 pelkkää riskipisteytystä. Riittävän kattavat tiedot sairaalahoitoon ja päivystykseen päätymisestä analyysiä varten oli käytettävissä 3381 (8,4 %, N = 40342) potilaalta. Heistä 187 (5 %) arvioitiin suuren riskin potilaiksi molemmilla pisteytyksillä (kappa 0,32). HCC eli standardoitu pisteytys oli tarkempi ja herkempi ennustamaan sairaalahoitoon päätymistä ja kokonaiskustannuksia, mutta päivystyskäyntien osalta eroa ei ollut verrattuna muihin pisteytyksiin. Kliininen arvio yksin (herkkyyden vaihteluväli 0,10–0,15; PPV vaihteluväli 0,06–0,17) oli huonompi kuin standardoitu pisteytys tai pisteytys yhdistettynä kliiniseen arvioon (herkkyyden vaihteluväli 0,36–0,40; PPV vaihteluväli 0,23–0,30). Tulosten yleistettävyyttä heikentää se, että tutkimukseen oli haettu erilaisia perusterveydenhuollon yksiköitä, mutta mukaan lähti vain 6 yksikköä, joista 4 oli kaupunkiympäristöstä ja 4 keskisuuria. Vain 8,4 %:lla potilaista oli riittävän kattavat tiedot lopputulosmuuttujista.
Suuntimalla segmentointi toteutetaan asiakkaan ja ammattilaisen tekemien arvioiden perusteella: potilas arvioi voimavarojaan ja toimintakykyään arjessa ja ammattilainen potilaan terveydentilaa ja sairauden vaikeusastetta «Riihimies R, Kosunen E, Koskela T. Experiences of ...»17. Monimenetelmäisen tutkimuksen mukaan potilaat ja hoitajat pitivät Suuntimaa helppokäyttöisenä ja se auttoi pohtimaan potilaan tilannetta eri näkökulmista. Suuntiman täyttäminen vei aikaa 20–25 minuuttia. Potilaista 85 % oli yhtä mieltä Suuntiman antamasta asiakkuudesta ja hoitopolkuehdotuksesta. Tutkimuspotilaat olivat diabeetikoita. Lisäksi tutkimustulosten yleistettävyyttä saattaa heikentää tutkimuspopulaation pieni koko.
Terveyden ja hyvinvoinnin laitoksen (THL) raportin mukaan sosiaali- ja terveydenhuollon uudistuksen (sote-uudistus) yksi keskeinen elementti on palvelujen yhteensovittaminen, integraatio. Sote-uudistuksessa järjestämisvastuuseen kuuluisivat laaja-alaisesti yhteen sovitettuja ja useita eri palveluja tarvitsevien asiakasryhmien ja asiakkaiden tunnistaminen sekä palveluketjujen ja palvelukokonaisuuksien määritteleminen. Raportti perustuu kahteen aineistoon: sosiaali- ja terveysministeriön ja THL:n käynnistämän maakuntien palvelukokonaisuuksien ja palveluketjujen kehittämisverkoston (PKPK-verkosto) laatimaan materiaaliin segmentoinnin tietopohjasta ja erityisesti ilmiöpohjaisesta väestön segmentoinnista ja THL:n reformit-yksikössä tehtyyn palveluintegraation tutkimukselliseen arviointiin. Raportin päälöydöksenä oli, että yleisiä maakunnissa käytettyjä segmentoinnin kriteerejä ovat elämänkaari, paljon tai laaja-alaisesti palveluja tarvitsevat asiakkaat sekä paljon tai erityistä tukea tarvitsevat asiakkaat. Raportissa todettiin, että palvelujärjestelmää voidaan jäsentää kansallisesti kaikille maakunnille yhteisillä, pysyvillä segmenteillä. Samalla on kuitenkin tärkeää ottaa huomioon paikallisia erityispiirteitä tilanneanalyysiin perustuvilla, muuntuvilla segmenteillä. Tilanneanalyysissä hyödyllisiä näkökulmia ovat muun muassa
Vakiintunutta käytäntöä segmentointikriteerien arvioinnille ei ole. Systemaattisten katsausten ja kartoittavan katsauksen mukaan «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3, «Chong JL, Lim KK, Matchar DB. Population segmentat...»5, «Jean-Baptiste D, O'Malley A, Shah T. Population Se...»7, «Seng JJB, Monteiro AY, Kwan YH ym. Population segm...»22 sekä aiemmin tässä taustamateriaalissa esitettyjen tutkimusesimerkkien perusteella potilaiden ryhmittelyyn on käytetty erilaisia segmentointikriteereitä. Niillä on pystytty ryhmittelemään suhteellisen homogeenisiä potilasryhmiä tiettyjen tekijöiden, kuten terveyspalveluiden käytön, mukaan. Ei kuitenkaan ole näyttöä siitä, että tietyillä segmentointikriteereillä ja niiden mukaan toteutetulla palveluohjauksella olisi vaikutusta potilaan ennusteeseen.
Esimerkiksi singaporelaisessa väestötason tutkimuksessa «Low LL, Yan S, Kwan YH ym. Assessing the validity ...»9, jossa segmentointi perustui terveyspalveluiden käyttöön, terveyspalveluiden käyttö pysyi segmenteissä samanlaisena 4 vuoden seurannassa. Isossa-Britanniassa käytössä olevien segmentointikriteerien (Bridges to Health Population) yhtenä tavoitteena onkin se, että segmentit ovat melko stabiileita «NHS. Segmentation for Outcomes. Segmentation appro...»23.
Järjestelmällisen katsauksen «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3 yhtenä tavoitteena oli kuvata, miten tutkijat ovat arvioineet tutkitun segmentointitavan luotettavuutta. Sisäänottokriteerit täytti 216 tutkimusta, joista 163 käsitteli kansallisesti edustavaa väestöä ja loput kohdistuivat tiettyyn krooniseen sairauteen. Kriteerit segmentointikriteerien arvioinnille muokattiin kuluttajasegmentoinnin arviointikriteereistä. Näitä arviointikriteereitä olivat sisäinen validiteetti (internal validity), ulkoinen validiteetti (yleistettävyys, external validity), tunnistettavuus (identifiability/interpretability), riittävä koko (substantiality), pysyvyys (stability) ja toteuttamiskelpoisuus (actionability/accessibility, segmentin pitää olla helposti lähestyttävissä ja tunnistaa sille räätälöityjä hoitostrategioita). Suurin osa tutkimuksista arvioi muita tekijöitä, mutta vain 10 tutkimusta arvioi pysyvyyttä. Lisäksi systemaattisen katsauksen tekijät arvioivat vähäisyyden olevan tärkeä arviointikriteeri, jotta segmenttien määrä olisi kohtuullinen ja siten myös toteutettavampi. Suurimassa osassa tutkimuksista oli käytetyillä kriteereillä saavutettu enintään 10 segmenttiä.
Tutkimusnäytön perusteella ei pystytä antamaan suositusta siitä, mitä segmentointikriteereitä tulisi käyttää. Segmentointikriteerien suunnittelussa tarvitaan kuitenkin kliinistä asiantuntijuutta, ympäristön ymmärrystä, käsitteellistämisymmärrystä, vakiointia ja muokkausta sekä toistuvia analyysejä «Yan S, Kwan YH, Tan CS ym. A systematic review of ...»3.