Ja, vi hjælper altid. Vores teknikere er som udgangspunkt tilgængelige på alle hverdage mellem kl. 8 og 16, og yderligere supportadgang kan tilkøbes. Kontakt os for priser.
Selvfølgelig. Vi kender de fleste systemer i sundhedsvæsenet og integrerer ind i flere af dem allerede. Og kender vi ikke dit system, så skal vi nok lære det og hjælpe dig godt igennem processen. Det er dog ikke en del af vores standardleverance, så kontakt os for tilbud på, hvad det vil koste.
Du ringer til vores hovednummer 25 56 30 20 eller sender en mail på support@praemostro.com.
Vi tilbyder (og anbefaler kraftigt) at afvikle forecasts på vores servere. Resultaterne leveres som en webside, som kan åbnes på alle maskiner, eller som en fil i et format specificeret af kunden. Hvis man vælger at afvikle systemet på egne maskiner (fx for at sikre, at man aldrig sender data uden for en firewall), kræves hardware svarende til en kraftig stationær computer, som kører Linux og supporterer docker containere for at kunne se vores forecasts, mens træning af modeller kræver noget mere kraftig hardware (kontakt os for detaljer).
Prisen afhænger af, hvilket produkt man vælger, samt om det skal afvikles på vores servere eller på kundens eget udstyr. Ud over betaling for software skal man også afsætte tid (ca. 15 minutter hver 14. dag) til at oplyse os om kommende begivenheder, som man forventer vil påvirke ”produktionen”, samt større organisatoriske ændringer, som kan ændre det fremmøde, man ønsker at forecaste.
Dette kommer an på produktet. Vores langtidsforecast, PraePlan, kan købes som enkeltydelser, mens PraeSight kræver minimum 6 eller 12 måneders abonnement – afhængigt af hvor systemet skal køre (på vores servere eller hos kunden). Se vores standardbetingelser.
Alle vores systemer kræver historiske data, for at kunne tilpasses den enkelte kunde. Vi skal minimum have data for 3 år og gerne længere. Kan vi komme 6-8 år tilbage, er det ideelt. Vores korttidsforecast, PraeSight, skal også have ”live” data på, hvad der er ankommet den sidste time. Derudover skal vi kende til begivenheder, der kan påvirke driften, samt organisatoriske ændringer, der kan påvirke, hvor mange patienter man potentielt kan se.
Når man bruger vores PraeSight-løsning, kan man selv vælge, om man kører på vores servere eller hos sig selv. Der er dog potentielt forskel på kvaliteten af de forecasts, man får ud, se nedenfor. Da det teknisk er noget mere krævende at afvikle forecasts på kundernes egne servere, er dette noget dyrere end, hvis man vælger at afvikle sine forecasts på vores maskiner.
Når forecasts afvikles på vores servere, har vi bedre mulighed for at opdatere algoritmer, integrere nye dataserier og sammenkøre modeller. Det vil sige, at vi nogle gange vil kunne levere et bedre – og billigere – produkt, hvis man vælger at afvikle forecasts på vores maskiner. Og husk, at begge dele er sikkert. Vi har styr på vores IT-sikkerhed.
Nej, det har vi ikke. Men vores forecasts er udviklet, så grafikken er skalerbar og tilpasser sig det format, du vil se den i. Dermed kan vores forecasts ses på en mobiltelefon, en tablet eller en computer. Det er helt op til dig.
Kort fortalt: Alle dem du vil. Vi begrænser ikke antallet af skærme, der viser vores forecasts – det er helt op til dig. Så du kan vælge at se, hvor du vil og videregive linket til dem, du vil. Vi er bare interesserede i, at du får så meget ud af produkterne som muligt.
Vi har udarbejdet et teknisk dokument, der beskriver dette i detaljer. Men i bund og grund skal vi bruge en fil, der indeholder tidspunkt og antal for det, der skal forecastes, fx 01-01-2023 08:00-08:59, 23; 01-01-2023 09:00-09:59, 45; etc., og en fil for begivenheder, der kan påvirke antallet af patienter, I kan forvente at se. Vi er naturligvis behjælpelige, hvis det driller.
Vi lever op til de højeste sikkerhedskrav, der er. Vi er kompliante med ISO 27001 og ISO 27002 og arbejder altid ud fra et dataminimeringsprincip, som gør, at vi aldrig har reelt personhenførbare data liggende i vores systemer.
Vi har gennem årene set, at nogle begivenheder betyder meget for travlhed de steder, hvor vores forecasts anvendes. Nogle begivenheder giver lidt sig selv – en stor koncert lige ved siden af en akutmodtagelse vil give ekstra arbejde – men andre er overraskende; fx har vi set en reduktion i antallet af henvendelser på tværs af enheder de dage, Donald Trump har været på valg. Nogle begivenheder kan vi forudse fra vores side og lægge ind i systemet (fx store sportsbegivenheder, festivaler osv.), mens andre kræver lokalkendskab – og dér er kunden nødt til at hjælpe os. Vi har gjort det nemt at tilføje begivenheder til vores system, så det tager ikke mange sekunder at lægge ind, men det skal løbende gøres. Samtidig tester vi løbende vores forecasts, så vi hele tiden bliver lidt klogere på, hvilke begivenheder der reelt betyder noget; måske behøver vi ikke at holde øje med dem alle, og måske skal vi føje andre til listen.
Vores forecasts baserer sig alene på, hvor mange der ankommer i et givent tidsrum, fx at der kommer 12 personer mellem kl. 13 og 14. Det er som sådan ikke personhenførbart, men lovgivningen kræver, at vi laver en databehandleraftale med vores kunder, da man – ved at have adgang til kundens IT-systemer – teoretisk vil kunne identificere individer. Når man indgår en kontrakt med Praemostro, vil vi derfor indgå en databehandleraftale. Enten ved at bruge kundens eller vores egen (som baserer sig på Datatilsynets standardkontrakt) version.
Vi kan nemt integrere nye datakilder i vores modeller. Men for at sikre, at det giver mening at bruge dem, vil vi altid foretage en konkret vurdering af værdien, inden vi implementerer det. Vi vil eksempelvis se på værdien for forecasts, leveringssikkerhed, troværdighed med mere.
Vi bruger serverkapacitet flere steder. Vores egne servere er placeret i Danmark, men vi bruger også en cloud service i Tyskland. Datakilder integrerer vi fra der, hvor de nu er placeret, mens kundernes egne servere står, hvor de har valgt.
Vores korttidsforecast, der ser 12 timer frem, PraeSight, har i de næsten 3 år, det har kørt, konsekvent ramt +/- én patient i timen (95% af tiden målt over 8 timer) i en afdeling, hvor der kommer 75-100 patienter om dagen.
Vores langtidsforecast, der ser måneder ud i fremtiden, PraePlan, rammer +/- 1-2 patienter i timen (93% af tiden målt over 24 timer) i en afdeling med ca. 130-150 patienter om dagen.
Men det er vigtigt at huske, at når man laver forecasting, som vi gør, vil man altid ramme lidt ved siden af. Nogle gange mere end andre. Det gør vi også, men vi strækker os langt for altid at blive bedre. Vi overvåger aktivt vores systemer, og når vi ikke rammer, som vi skal, så leder vi efter årsagen, retter til og bliver bedre.
Vi overvåger aktivt vores forecasts for at identificere dage, hvor vi rammer mindre godt. De præcise kriterier kan sættes op i samarbejde med kunderne, men når det sker, så leder vi efter årsagen. Var der en begivenhed, vi ikke havde fanget, var der forhold i vejret, vi ikke havde taget højde for – eller noget helt andet. Kan vi ikke selv finde en forklaring, går vi i dialog med kunden. For hele vores etos bygger på at gøre en forskel for mennesker, der gør en forskel for andre – og det kan vi kun gøre, hvis vi altid gør vores bedste.
Det er klart, at der er et mønster i, hvor mange der kommer de forskellige dage. I en akutmodtagelse er mandag og fredag oftest de travleste dage, og om eftermiddagen og tidlig aften er der klart mest at lave – sådan er det over hele verden. Men alle dage er ikke ens. Nogle dage er bare mere travle – og andre mere stille – end andre. Og det er der, vores systemer giver mening. For har man en heads-up på, om en given dag bliver stille eller travl, kan man bemande hensigtsmæssigt – og dermed økonomisk og ressourcemæssigt mest rationelt. Vi har samlet en række mandage på en af de akutmodtagelser, vi samarbejder med, så man kan se, hvordan to dage ikke er ens. Graferne viser det forventede antal patienter de næste 12 timer startende kl. 7 om morgenen.
Det kunne man måske godt tænke – men sådan forholder det sig ikke. Vores modeller opdateres løbende, når der kommer nye data ind, hvad enten det er på antal forekomster, vejrudsigt eller fra andre kilder. Og dermed bliver systemet hele tiden mere og mere klogt på, hvad man skal forvente. Herunder ser du et eksempel på, hvordan graferne for en enkelt dag udvikler sig fra time til time.
Praemostro er latin og betyder ”at forudse”. Ideen bag navnet kommer fra Mikkels yngste søn, som syntes, at vi var nødt til at have et navn på latin, når vi nu stammer fra sygehusverdenen. Vi synes, at det godt beskriver de ydelser, vi leverer – omend det ikke altid er helt mundret at udtale. Den fonetiske beskrivelse er präe̯ˈmõːs̠t̪roː
Tilbage i 2016 var Mikkel ansvarlig for forskning i akutte patienter på et regionalt sygehus. Direktionen havde ansat en akademisk matematikøkonom (Troels), som var på rundtur til alle afdelinger for at introducere sig selv. Da Mikkel lige havde læst en artikel om, at forværring af rygerlunger var associeret med vejret, gav han Troels den udfordring at forudse antallet af patienter, der ankom til akutmodtagelsen flere måneder frem i tiden. Troels tog udfordringen op og udviklede en computermodel, som viste sig at være meget præcis (+/- 3% per dag, se figur). Andre projekter tog opmærksomheden, indtil Odense Universitetshospital slog innovationsmidler op i 2021, og ideen blev genoptaget og siden udviklet til de produkter, vi har i dag.
Vores korttidsforecast, PraeSight, tager cirka 1 måned at sætte op. Ud over at det juridiske skal på plads, og data leveres fra kunden, så tager det op til 3 uger at udvikle den første model.
Vores langtidsforecast, PraePlan, kan leveres hurtigt uden nævneværdig ventetid.
Vores system giver mening, hvis man er i en situation, hvor man ikke kan sige nej til opgaver, fx i en akutmodtagelse, hvor man er nødt til at tage imod patienter, som de kommer – eller i en lægevagt, hvor alle skal ses hurtigst muligt. Men det kan anvendes alle steder, hvor ankomster varierer, og hvor man er nødt til at tage imod.
Vores systemer giver kunderne mulighed for at se ind i fremtiden. Vi gør det muligt at se, hvor travlt man skal forvente at have, enten time for time 12 timer frem i tiden med PraeSight, eller vagt for vagt eller dag for dag med PraePlan. Fra tid til anden rammer vi ved siden af, men vi gør alt, hvad vi kan. Og de dage, hvor vi rammer ved siden af, leder vi efter årsagen, lærer af det og gør det bedre næste gang. Det lover vi.
Vi er bekendt med ét system, der er kommercielt tilgængeligt (faculty.ai). Vi ved, at andre har forsøgt, men ikke er lykkedes med integration af data, interne systemer i organisationen og matematikken.
Fordi det ikke er lige så godt. Ganske simpelt. Når man integrerer så mange datakilder, som vi gør, og samtidig skal have den komplicerede matematik bagved til at hænge sammen, så kommer almindelige statistikprogrammer til kort.
