Dünyada Sahtecilik ve Bilişim Önlemleri

 (Bu yazı SD Platform dergisinin 16. sayısında Eylül 2010'da yayınlanmıştır).

Dünyada Sahtecilik ve Suistimal Araştırmaları

Yaygın anlamıyla sahtecilik (fraud), “yanlış olduğu bilinmesine rağmen bir şeyin kasıtlı olarak farklı beyan edilmesi suretiyle başkalarına zarar verme veya feshedildiği takdirde karşı tarafın aleyhine olacak bir sözleşmenin feshi için karşı tarafı zorlama” eylemidir. Yakın anlamlı diğer bir kavram olan suistimal (abuse) ise “bir şeyden, kötü veya yanlış bir maksatla faydalanma veya amacı dışında kullanma” olarak tanımlanır.

Bu terimler, aynı zamanda kriminal niteliğe sahip olduklarından, neyin sahtecilik olduğuna dair hukuki bazı kriterler vardır. Örneğin, bir olayın sahtecilik sayılabilmesi için aşağıdaki koşulların yerine gelmiş olması beklenmektedir[1]:

1.      Eyleme dair bir sunuş (ifade) vardır

2.      Maddi çıkar söz konusudur

3.      Eylemin yanlışlığı sabittir

4.      İfade verenler, eylemin yanlışlığına dair bilgi sahibidir

5.      İfade verenlerin, bu eylemin mağdura karşı işlenmesi gerektiğine dair niyetleri vardır

6.      Mağdur, eylemin sahtecilik olduğunu fark etmemiştir

7.      Mağdur, sunuluşu itibariyle eylemde bir sorun olduğunu fark etmemiştir

8.      Mağdur, sunuluşu itibariyle eyleme güvenmede haklıdır

9.      Ancak mağdur, eylemin sonuçlarından zarar görmüştür

Pek çok suçta olduğu gibi, kitabına uydurularak işlenen suçların tespiti oldukça zordur. Konu sağlık alanında sahteciliğe geldiğinde ise, bu zorluk bir kat daha artmaktadır. Zira bir olayın sahtecilik olup olmadığına karar vermek için;

•        Yeterli medikal bilgiye

•        Ödeme talep edilen işlemle ilgili detaylı verilere

•        Hatta sağlık hizmeti alan kişinin geçmiş işlem verilerine

gereksinim duyulmaktadır.

Hatta bu veriler elde edilse bile medikal süreçlerin (klinik kılavuzların) sürekli gelişiyor ve değişiyor olması, tıptaki “hastalık yok hasta vardır” kuralının yapılan pek çok müdahale için bir açıklama yapabilme esnekliği sağlıyor olması, bir medikal işlemin doğruluğu konusunda farklı görüşlerin ortaya çıkmasına neden olabilmektedir. Bütün bunlar, şüpheli bir durumun sahtecilik olduğu konusunda karar vermeyi zorlaştırmaktadır.

İşin doğası gereği, sağlıkta sahteciliğin ne oranda yapıldığına dair kesin bir bilgi elde edilememektedir. Ancak belirli örneklemler üzerindeki çalışmalar, bize bazı tahminler vermektedir. Örneğin ABD’de; sigortacılık sahteciliğinin %10 oranında (yaklaşık 30 milyar USD)[2] sağlık işlemlerinde toplam %3 [3] ila %10 [4] oranında (yaklaşık 115 milyar USD) sahtecilik yapıldığını göstermektedir. İngiltere’de sigortacılık sahteciliğinin 3.8 milyar USD miktarında[5], Kanada’da ise kişisel sigortacılık sahteciliklerin 500 milyon USD miktarında[6] yapıldığı tahmin edilmektedir.

Bu araştırmalara ek olarak ABD Ulusal Sağlıkta Sahtecilikle Mücadele Birliği (National Healthcare Anti-Fraud Association) başkanı Louis Saccoccio, 2010 Ocak ayında yaptığı açıklamada, 2009 yılında gerçekleştiğini tahmin ettikleri sahtecilik olaylarının maliyetinin 100 milyar dolar olduğunu bildirmiştir. Aynı açıklamada, bu suistimallerin farklı yöntemlerle yapıldığını, ancak en yaygın yöntemin sigortalıların sigorta numaraları ve sağlık kayıtlarının çalınması suretiyle, sigortalılar adına hiç yapılmamış işlemlerin yapılmış gibi gösterilmesi ve hizmet ve ilaç ücretlerinin sigorta şirketinden tahsil edilmesi olduğunu vurgulamaktadır. [7]

Yine bu yılın başında Dünya Sağlık Örgütü, tüm dünyada alınan sağlık hizmetinin (4,7 trilyon USD) yaklaşık %5,59’unun ( 260 milyar USD) sahtecilik işlemi olduğuna dair bir çalışmasını duyurdu. Bu tür araştırmalara baktığımızda ülkeden ülkeye değişmekle birlikte sahteciliğin az da olsa yapıldığını ve genellikle %3-%10 dolaylarında olduğunu görmekteyiz. Sağlık Bakanlığı’nın 2011 bütçesinde sağlık hizmet sunumu için önerdiği bütçesinin yaklaşık 26 milyar TL olduğunu dikkate alırsak, dünya ortalamasına göre 2011 yılında ilaç harcamaları hariç yaklaşık 1,5 milyar TL civarında sahtecilik beklendiğini söyleyebiliriz. Eğer bu oran %10’lara kadar çıkıyorsa bu durumda 2,5 milyar TL civarında bir kayıptan bahsedebiliriz.

Sahtecilikten En Çok Zararı Hastalar Görüyor

Sahteciliğin kamu bütçesinde oluşturduğu kaybı bu şekilde ortaya koyunca, konu daha çok mali bir mesele olarak algılanabiliyor. Hâlbuki başka açıdan bakıldığında 1,5-2,5 milyar TL’lik bütçenin sağlık hizmetine gerçekten ihtiyaç duyan vatandaşımıza ulaştırılamadığı gerçeğini görüyoruz. Dolayısıyla sahteciliğin gerçek mağduru yine vatandaş oluyor. Diğer taraftan vatandaşın sahtecilik kaynaklı mağduriyeti, sadece sağlık hizmetine ulaşamamakla da bitmiyor. Bazen gereksiz sağlık hizmeti veya ilaç almak şeklinde de tezahür ediyor ki, hangisinin daha zararlı olduğuna karar vermek gerçekten güç. Gereksiz ilaç yazılması veya tetkik istenmesi, normal doğum yerine sezaryenin teşvik edilmesi, insan bedeninin bütünlüğüne müdahale konusunda aşırı cesaretli davranılması, vb örnekler günlük haberler arasında ve hatta bizzat şahit olduğumuz durumlar haline geldi. Sahtecilik, sağlık sisteminde de facto bir durumdur, varlığını tartışmak anlamsızdır. Ancak sahteciliğin nasıl yapıldığı, şüphesiz oradaki sağlık geri ödeme sisteminden, vatandaşın sağlık hizmet anlayışından, caydırıcı mevzuattan ve sahtecilik tespit yöntemlerinden önemli ölçüde etkilenmektedir. Üzerinde tartışılabilecek konu da sanıyorum burasıdır. Ancak bu konu ayrı biz uzmanlık alanı olduğu için, burada sadece vatandaşın mağduriyetine temas edip bilişim açısından sahtecilikle mücadele yöntemleri üzerinde duracağım.

Sahtecilik Tespitine Dair Çalışmalar

Sahtecilik, sağlık geri ödeme kurumlarının her zaman gündeminde olan bir konudur. Tespit edilen sahtecilik olaylarına karşı sürekli yeni önlemler alarak dinamik bir yönetim sergilemeye çalışırlar. Buna mukabil, sahtecilik yöntemleri de güncellenir. Ancak hem yöntemlerin sürekli değişiyor olması, hem de konunun sağlık gibi son derece karmaşık bir alanı kapsaması açısından, sahtecilik tespiti son derece zordur. Sağlık sigortacılığı alanında yapılan bilimsel çalışmalar, sağlığa özel zorluklardan dolayı, kapsayıcı bir çözüm metodu ortaya koymakta zorlanmışlardır. Bu nedenle problemi daha küçük parçalara ayırarak analiz etme yolu seçilmiştir.

Bu çalışmalara biraz daha yakından baktığımızda şu özellikleri öne çıkmaktadır. Öncelikle sahtecilik işlemini yapma potansiyeli olan unsurları birer aktör olarak ele alınmışlardır. Karşılığında ödeme talep edilen (sağlık hizmeti veya reçete) işleminde, risk hesaplanması yapılmıştır. Risk hesaplaması, genellikle işlemde yer alan aktörlere veya doğrudan işleme ait bazı “nitelik” veya “öznitelik” değerleri üzerinden yapılmıştır. Bilimsel yayınlarda, kullandıkları yöntemler hakkında bilgi veriliyor olsa da, hangi aktörler için hangi niteliklerin risk hesaplamasında kullanıldığı bilgisi, önemli bir ticari değere sahip olduğundan dolayı, hiçbir yerde açıklanmamıştır. Risk hesaplama yöntemi olarak ise, ağırlıklı olarak veri madenciliği ve yapay sinir ağları gibi yöntemler kullanıldığını söyleyebiliriz. Söz konusu risk hesaplamasının anlık olarak yapılabilmesi durumunda çözüm proaktif bir sistem olarak adlandırılırken, geçmişteki verileri analiz edip risk hesaplayan ve geçmiş işlemlerde sahtecilikleri tespit etmeye çalışan sistemler, reaktif sistem olarak adlandırılmaktadır. Diğer taraftan problemin karmaşıklığını azaltmak ve kullanılan yöntemlerin daha iyi ölçümlemesini yapabilmek için, bilimsel çalışmaların problemin tamamını ele almak yerine, bazı çalışmalarda sadece bir klinik branştaki işlemler incelenirken, bazılarında sadece sağlık raporu alma gibi işlemlerde sahtecilik analizi yapıldığını görüyoruz. Benzer şekilde sahtecilik olayına katılan potansiyel aktörlerden (hekim, sigortalı, eczacı, hastane, vb) yine sadece bir tanesinin incelenebildiğini görmekteyiz.

Aşağıdaki tabloda son yıllarda yapılan bilimsel çalışmalarda sistemin türü (proaktif/reaktif), yaklaşımı, kapsamı, kullanılan nitelik sayısı, yöntem ve mimarilerine dair bilgiler verilmektedir:

Tablo 1 Sahtecilik Tespitine Daire Yapılan Bazı Bilimsel Çalışmalar

Çalışma	Türü	Yaklaşım	Kapsam	Nitelikler	Yöntem	Mimari
He vd. (1997)	Proaktif	Aktör tabanlı	Doktor	28	Sınıflayıcı (k-nn)	Ağırlıklı Öklid uzaklığı kullanılan k-nn türü sınıflayıcı
Williams (1999)	Reaktif	Aktör tabanlı	Sigortalı	50	Hot Spots (Anomali Tespit Yöntemi)	k-means kümeleme ile başlayan ve sonunda anomali tespiti , 3 aşamalı mimari
Yamanishi vd. (2007)	Proaktif (çalışma zamanı yüksek)	Aktör tabanlı	Patoloji Hizmet Sağlayıcısı	41 (4 öznitelik seçilmiştir)	İstatistiksel öğrenme yöntemi	SmartSifter adı verilen yöntemle, işlemler için bir olasılık atanmaktadır
Major ve Riedinger (2002)	Reaktif	Aktör tabanlı	Hastane	27	Makine Öğrenmesi	Operasyonel ve geliştirme aşamalarından oluşan kural tabanlı model
Ortega vd. (2006)	Proaktif	İşlem Tabanlı	Sağlık Raporu	125	2 katmanlı yapay sinir ağı temelli
Yang ve Hwang (2006)	Reaktif	Kural Tabanlı (Klinik Kılavuzlar)	Jinekoloji Kliniği, PID Hastalığı	Bilinmiyor	C4.5 Sınıflayıcı	Klinik kılavuzlara göre hazırlanmış olası çizgelere göre işlemlerin sınıflanması
Sokol (2001)	Reaktif	İşlem Tabanlı	Bilinmiyor	Bilinmiyor	Görselleştirme	Veri temizleme, analiz ve izleme (görselleştirme)

Ülkemizde Kamu Sektöründeki Çalışmalar

Ülkemizde sağlık geri ödeme sistemlerinde yapılan bilimsel çalışmalar son dönemlerde artmaya başlamıştır. Ancak hala gerekenin oldukça altındadır. Yukarıdaki tabloda da gösterildiği üzere, sahtecilik tespiti için genellikle veri madenciliği yöntemleri kullanıldığı için her şeyden önce, madencilik yapılacak sağlıklı ve kapsayıcı bir veri tabanına ihtiyaç duyulmaktadır. Ülkemizde bu alandaki verilerin kişisel bilgilerden arındırılarak bilimsel çalışmalar için paylaşıma açıldığı bir veri ambarı mevcut değildir. Dolayısıyla bu tür çalışmalar için Sağlık Bakanlığı, SGK ve bazı sigorta şirketleriyle birlikte çalışma yapılması kaçınılmazdır.

Bu kurumlara sırayla baktığımızda, Sağlık Bakanlığı’nın veriden bilgi elde etmek suretiyle sahtecilik tespitine dair bir çalışması olduğu konusunda bir bilgiye ulaşamadım. SGK’nın ise, son iki yıldır kapsamlı bir veri ambarı projesinin hazırlığını yaptığını, ama henüz projeye başlanmadığını biliyorum. Bununla birlikte, son zamanlarda MEDULA sayesinde toplanan veriler üzerinden sahteciliği önleme amacıyla bazı uygulamalara başlanacağı bilgisi GSS Başkanlığınca dile getirilmektedir. GSS Başkanlığı, yakın zamanda vatandaşların kendi sağlık harcamaları bilgilerine MEDULA üzerinden erişebileceği ve hekimlere kendi yazdıkları ilaçların dağılımına dair dökümlerin gönderileceğini ifade etmektedir. Başlangıçta, “biri bizi gözetliyor” görüntüsü verdiği için bu tür uygulamaların pek çok sahteciliğin önünü keseceği düşünülse de ben farklı olacağını düşünüyorum. Zira vatandaş ve hekimlerle paylaşılacak bu iki bilgi, yukarıda bahsettiğim bilimsel çalışmalarda kullanılan niteliklerden sadece iki tanesi olabilir. Sahteciliğin doğası bundan çok daha karmaşık olduğundan, bir işlemin sahteciliği olmasına karar vermek için çoğu zaman onlarca niteliğe bakılması gerekiyor. Dolayısıyla bu bilgilerin paylaşımı faydadan ari olmasa da, gözetlendiğimize dair duygumuzu güçlendirmekten başka bir işe yaramayacaktır. Diğer taraftan yukarıda bahsettiğim bilimsel çalışmalar, sahteciliğin büyük oranda zaten hem ödeme kurallarına hem de teamüllere uygun olarak yapıldığını gösteriyor. Yani sahtecilik yapan insanlar gözetlendiklerini hesaba katarak sahtecilik yapıyor. Bu nedenle veriden bilgi elde etmek suretiyle yapılacak çalışmalara son derece ihtiyaç vardır.

Ülkemizde Özel Sektördeki Çalışmalar

Özel sağlık sigorta sektöründe ise, son yıllardaki en kapsamlı çalışma Tübitak tarafından fonlanan bir ar-ge projesi[8] kapsamında yürütülüyor. CompuGroup Medical, Tepe International ve Sabancı Üniversitesi ile birlikte yürütülmekte olan bu projede, Anadolu Sigorta A.Ş.’nin verileri üzerinde çalışma yapılmaktadır. Bu çalışma, bilimsel alanda yapılan ve yukarıda bahsettiğimiz çalışmalardaki pek çok kısıtı ortadan kaldıran bir yöntem önermektedir. Bu yöntemde, sadece tek bir aktör değil, sağlık alanında ödeme işlemine dâhil olan tüm aktörler (sigortalı, hekim, eczacı, hastane) ve tüm klinik işlemler analiz edilebilmektedir. Diğer taraftan reaktif bir analiz değil, ödeme işleminin riskini anlık olarak hesaplayıp proaktif bir analiz yapma imkânı sağlamaktadır. Buna ek olarak, sadece işlemdeki aktörlerin ve işlemin riskini hesaplamakla kalmayıp, aktörlerin birbirleri ile olan ilişkilerini de analiz etmekte ve riskli bir aktörle ilişkisi çok veya sık olan aktörlerin de bağıl risklerinin artmasını sağlayarak son dönemde yaygın olan sosyal ağ analizine benzer bir yaklaşım getirmektedir. Çalışmayla ilgili yayınlanan makalelerden daha fazla bilgi elde edilebilir.[9] [10]

Sonuç olarak, bilimsel çalışma yapmak için ön koşul olan veri yetersizliği konusunda önemli engelleri aşmış olan MEDULA, Aile Hekimliği Bilgi Sistemi ve Sağlık-NET gibi projelerde, artık veriden bilgi elde edilmesi suretiyle analizler yapılması zamanı gelmiştir. Özel sektörde olduğu gibi, kamuda da bu tür çalışmaların yürütülmesi son derece gereklidir. Hatta sadece sahtecilik konusunda değil, sağlık ve geri ödeme politikalarını belirlemeye dair pek çok konuda ar-ge projelerinin paralel olarak başlatılması ve kamu, özel sektör ve üniversite işbirliğinin geliştirilmesi son derece önemli ve gerekli olduğunu belirtmek isterim.

---

[1] South Carolina Judicial Department

[2] National Health Care Anti-Fraud Association. "The Problem of Health Care Fraud." National Health Care Anti-Fraud Association. 1 December 2007

[3] National Health Care Anti-Fraud Association. "The Problem of Health Care Fraud." National Health Care Anti-Fraud Association. 1 December 2007

[4] Hyman, David A. "Health Care Fraud and Abuse: Market Change, Social Norms, and the Trust 'Reposed in the Workmen'." The Journal of Legal Studies. 30.2 (2001): 531-567.

[5] Insurance Fraud Bureau. "Fighting Organized Insurance Fraud." p. 2

[6] Insurance Bureau of Canada. "Cost of Personal Injury Fraud"

[7] www.money.cnn.com, By Parija Kavilanz, senior writerJanuary 13, 2010

[8] TEYDEB - 3090145 Sağlık Geri Ödeme Sistemlerinde Kuraldışı Davranışların Tespiti

[9] İlker KÖSE, Mehmet GÖKTÜRK, Kemal KILIÇ, "Sağlık Geri Ödeme Sistemlerinde Kural Dışı Davranış Tespitinde Aktör-Metâ Odaklı Yaklaşım", VII. Ulusal Tıp Bilişimi Kongresi, 2010, KKTC

[10] İlker KÖSE, Mehmet GÖKTÜRK, Kemal KILIÇ, "Sağlık Sigortası Geri Ödemelerinde Kuraldışı Davranış Tespiti", YAEM 30. Ulusal Kongresi, 2010, İstanbul

Sağlık yönetiminde karar verici olmak

(Bu yazı SD Platform dergisinin 9. sayısında Aralık 2008'de yayınlanmıştır).

“Karar verme”nin en zor olduğu durumlar, şüphesiz verilecek karar sonucu insan hayatının etkileneceği durumlardır. Tek bir insan hayatını etkileyen kararları vermek dahi son derece zor iken, karardan etkilenecek insanların sayısı arttıkça bu zorluk çok daha kritik seviyelere ulaşmakta ve “karar vericiyi” önemli bir mes'uliyet altında bırakmaktadır. Bu açıdan bakıldığında, örneğin bir “savaş ilanı kararı” ne denli güçtür, düşünelim. Belki de bu nedenle tarihteki en büyük savaşları çıkaran liderlerin bir miktar “deli” olduğunu söylemek yanlış olmaz. İlk bakışta çok benzer görünmeseler de sağlık sektörünün yönetimi, en az savaş kararı kadar zor olan pek çok kararın verilmesini gerektiren bir görevdir. Nitekim, alınan her kararın ardından sağlık hizmetine ulaşma, doğru ve kaliteli bir sağlık hizmeti alma koşulları değiştiğinden, binlerce insan hayatı ve sağlığı etkilenmektedir. Bu nedenle, özellikle de kaynak yetersizliğinin her zaman en önemli sorun olduğu sağlık sektörünü yönetmek, bir insanın hayatı boyunca alabileceği en büyük mesuliyet olsa gerektir. Bütün bu doğal güçlüklere ek olarak, bir de karara esas olacak bilgilerden yoksun olabileceğini varsayarsak, karar vericinin zaman zaman sezgilerine ve tecrübesine güvenmekten başka bir çaresi kalmayacaktır.

Ancak, bir yandan bilgi çağında olduğumuzu iddia ederken, bir yandan da bilgisizlikten yakınmak geçerli bir mazeret değildir. Şayet ortada böyle bir sorun varsa, çözümü bilgiye ulaşma yöntemlerini doğru kullanmayışımızda aramamız lazımdır. Nitekim bilgiyi üretme ve bilgiye ulaşma imkanlarının son derece kolaylaşması, bu kadar büyük hacimdeki “bilgiyi yönetmeyi” de yeni bir yönetişim problemi olarak karşımıza çıkarmaktadır. Ama pek çoğunda olduğu gibi, sağlık sektöründe de bilginin yönetimi konusunda alınan önlemlerin ihtiyacın gerisinden geldiğini; ya da ihtiyaçların hazırlıklardan daha hızlı geliştiğini söyleyebiliriz.

Sağlıklı karar için ne yapmalı?

Sağlıklı karar verebilmek için, elbette analitik bir düşünce tarzı ve çok geniş bir tecrübe gereklidir. Ancak bir yöneticide bunların zaten olduğu varsaymamız gerekir. Bunların dışındaki en önemli gereksinimse, karara esas olacak olan bilginin üretilmesinin ve işlenmesinin de sağlıklı şekilde yapılmasıdır. Bunu sağlayabilmek için bir “bilgi yönetimi yaklaşımı” geliştirmek lazımdır. Tabiri caizse, veriyle ilgili birimler arasında “biri tutmuş, biri pişirmiş biri yemiş...” gibi bir sıralama ile güzel bir harmoni yakalanmalıdır. Bunun, kanaatimce iki boyutu vardır: Birisi teşkilatlanmada fonksiyonel rolü esas almak, diğeri ise tüm fonksiyonlarda ortak vizyonu hakim kılmak.

Doğru teşkilatlanma: İstatistik ve bilgi işlem sendromu

İhtiyacın gerisinden gelme problemimizi çözmek adına atacağımız ilk adım, geri kalmışlığın nedenlerini belirlemek olacaktır sanırım. Örneğin, bu konuda doğru kurumlar oluşturulmuş, doğru yetki, sorumluluk ve vizyon belirlenmiş midir, buna bakmak lazım.

Sağlık Bakanlığı’nın merkez ve taşra teşkilatına baktığımızda görevleri arasında “bilgi ve veri işlemek” ifadeleri geçen iki farklı birim karşımıza çıkıyor. Bunlardan biri istatistik, diğer bilgi işlem birimidir.

Sağlık Bakanlığı’nın merkez teşkilatındaki İstatistik Dairesi, istatistik, halk sağlığı ve biyoistatistik uzmanlarının yoğun olarak çalıştığı ve eski adıyla Araştırma Planlama ve Koordinasyon (APK), yeni adıyla Strateji Geliştirme Başkanlığı’nın altında yer alan bir birimdir. Konumlandırma olarak doğru bir yerdedir çünkü “strateji geliştirme” işi, istatistik ve bilgiye dayalı olmalıdır. Ancak diğer genel müdürlüklerin de her birinin ayrı ayrı kendi istatistik şubeleri olduğunu söylemeden geçmeyelim. Strateji Geliştirme Başkanlığı bünyesindeki istatistik birimi, kurumun kaynakları ve verdiği hizmetle ilgili rakamları istatistik yıllıkları ile duyurur. Bu istatistiklere esas olacak veriyi de, ilgili hizmetten sorumlu olan genel müdürlüklerden talep eder. Yani bizatihi “veri toplama” işiyle uğraşmaz.

Öte yandan gelişen teknoloji sayesinde “veri toplama” işinin kağıt ortamdan elektronik ortama geçmeye başlamasından itibaren, genellikle bilgisayar tamiri ve teknik destek işleriyle uğraşan “bilgi işlem” birimleri önem kazanmaya başladı. Yıllardır, alışılmış yetki ve görevleri ile hizmet veren istatistik birimlerinin yanına bir de bilgi işlem birimleri eklendi. Ancak acaba bu değişim sırasında bu yeni birimin nereye yerleşeceği, bilgiyi yönetme sürecinin neresinde olacağı acaba doğru planlanmış mıdır? Maalesef hayır. Sağlık Bakanlığının merkez teşkilatına baktığımızda çok sayıda bilgi işlem ve istatistik daire ve şubesinin olduğunu görmekteyiz. Bir kere en baştan aynı isim altında farklı hizmet vermeye çalışan birimler mevcuttur.

Tüm kamu kurumlarında nitelikli bilişim uzmanı istihdamı önemli bir sorundur. Bu yüzden genel anlamda kamunun bilgi işlem birimleri çatısı altında bilişim unsurlarını kullanma, bilgi toplama ve bilgiyi yönetme adına attığı ilk adımlar da son derece acemi ve el yordamı ile yapılan yaklaşımlara sahip olmuştur. Şöyle bundan 5-10 sene öncesine gidelim ve kamu kurumlarının resmi web sitelerini bir hatırlayalım. Web sitesi tasarımı öğrenmiş olan her bilgi işlem personeli, haliyle ilk olarak kendi kurumu için statik bir site geliştirmeye koyulmuştu. Sitenin içerik yönetimini, kurumsal kimliği yansıtabilmesi gibi unsurları dikkate alamayan, sadece bir tasarımcının vizyonuyla hazırlanan sitelerdi bunlar. İçerisinde gündemden düşmüş ve eski bilgilerin/duyuruların yer aldığı, kurumu temsil etmekten uzak çalışmalardı. Hepsinden önemlisi, bu sitenin bir hacker tarafından çökertilmesi sonucu kurumun itibarının ne olacağı da düşünül(e)mezdi. Sonunda, kamu sitelerimiz çökertile çökertile bu konunun bir tasarımcı işi olmadığı anlaşıldı. Ancak yine uzman eleman eksikliği nedeniyle bu basit işler dahi dışarıdan tedarik edildi.

Fakat bilgi işlem öyle bir yerdir ki, dışarıdan tedarik edeceğiniz ürünlerin, daha önce tedarik edilenlerle nasıl birleştirileceği ve bir orkestra oluşturacağı son derece iyi düşünülmelidir. Aksi halde destek olmayı bırakın, birrini engelleyen ve zarar veren ayrı bilişim projeleri arasında boğulup gitmek işten değildir. Geliştirilen projelerin sayısı değildir başarı kriteri, verinin doğruluğu, kesinliği, tutarlılığı ve işlenmeye uygunluğudur. Yani veri ve bilgi yönetiminin nasıl yapıldığıdır.

Yeniden Sağlık Bakanlığı özeline inecek olursak, bilgi işlem birimi kendi mecrasında içerik ve kalite açısından bir değişim içindeyken, bilgi işlemin, istatistik ve diğer birimlerle birlikte “karar sürecinde etkili bilgiye erişim” amacının neresine yerleşeceği de bir başka değişim dönemi geçirdi. Ancak gelinen noktada, bilgi yönetimi konusunda hangi birimin nerede olduğunu söylemenin hala kolay olmadığını ifade edebiliriz.

Bu karışıklığın saiklerinden birisi de şüphesiz her kurumda az çok olan birimler arası yetki mücadelesidir. Diğer bir etmen de, teknolojinin imkanlarına hakim olması nedeniyle bilgi işlemin her şeyi tek başına yapabileceği algısına kapılmasıdır. Nitekim artık veri üzerinde gelişmiş bilgi işleme imkanı sunan Karar-Destek Sistemleri sayesinde istatistikle bilgi işlem iç içe girmiştir. Ancak bu, istatistik ve veri içerisinde anlamlı bilgiyi bulma işini de bilgi işlemin yapacağı sonucunu doğurmalı mıdır? Sorulması gereken soru budur.

Netice itibariyle, bütün iyileştirmelere ve gayretlere rağmen Sağlık Bakanlığının kurumsal yapısı, hem yazılı mevzuata göre, hem de uygulamada bilgiyi yönetme konusunda doğru ve tutarlı bir yapıya sahip değildir. Dolayısıyla her birimin sürecin neresinde olacağı tümdengelim yöntemiyle yeniden masaya yatırılmalı ve fonksiyonları esas alan bir teşkilat yapısı tesis edilmelidir.

Vizyon: “Bilgi yönetimi” yaklaşımı

Teşkilatlanma ile paralel olarak atılması gereken bir diğer adım da, doğru ve tutarlı bir “bilgi yönetimi yaklaşımı” ya da politikasının belirlenmesidir. Şüphesiz bu konuda üst düzey yöneticilerin aklında bir model vardır; ancak bu modeli uygulayacak birimlerin bunu doğru anladığına dair endişelerimiz vardır. En azından böyle bir politika yazılı bir şekilde mevcut değildir.

Bu bahsettiğimiz yaklaşım, klasik bir tabirle, “önemli olan işleri doğru yapmak değil, doğru işleri yapmaktır” felsefesinden de öte bir anlayış gerektirir. Belki doğru işi, doğru birimin, doğru zaman ve sırayla yapması, kurumsal hafızaya kaydetmesi gibi değerleri de eklemek lazımdır. Nitekim doğru yapılan doğru işleri yan yana koyduğunuzda bir anlam ifade etmeyebiliyor, her bir doğru işin, diğer doğru işlerle etkileşimini de hesaba katmak lazımdır.

Ancak bu yaklaşımın geliştirilmesine, ülkemizdeki siyasi konjonktür de müsaade etmiyor maalesef. Yerleşmiş kamu kültüründe her ne olursa olsun, devlet bakidir, ayaktadır, fonksiyonuna devam eder anlamında kullanılan “devlette süreklilik esastır” deyişi vardır. Halbuki makro düzeyde doğru gibi görünen bu ifade mikro düzeyde tamamen yanlıştır ve sistem modelleme konusunda kurumları tembelliğe sevk etmektedir. Özellikle stratejik bir bakanlıkta bilgi yönetimi gibi mikro düzeyde de süreklilik gerektiren bir işte, kurumsal standart ve hafıza oluşturmak, bir başka deyişle kurumsallaşmak hayati önem taşır. Bunu yapamadığınız zaman, “devlette süreklilik esastır” sözü “sürekli söylenen ama esası olmayan” bir ifade olmaktan kurtulamayacak, hatta kimi zaman yan etkileriyle zarar verici hale gelecektir.

Politika oluşturma, başlı başına bir inceleme konusudur; ancak genel hatlarıyla izlenmesini önerdiğim yöntemi yazmaya çalışayım:

1. Yapılması gereken ilk şey, “bilgi ihtiyaç analizi”nin yapılmasıdır. Hangi birim, hangi karar için, hangi göstergelere ihtiyaç duyar, bu göstergeler hangi verilerden ve hangi periyotlarda hesaplanır...vs
2. Her birimin bilgi ihtiyacı zaman içerisinde değişebileceğinden, bir “değişim yönetimi” modelini de daha başlangıçta kurmak gerekir. Değişiklik önerileri nasıl toplanır, kim tarafından değerlendirilir ve nasıl kabul edilir...vs
3. Sonra bilgiyi oluşturacak verilerin standartları, toplama kriterleri, nasıl ve kimden hangi periyotlarla toplanacağı... gibi konular belirlenir. Aslına bakarsanız, Ulusal Sağlık Veri Sözlüğü (USVS) ile bu konuda çok önemli bir adım atılmıştır.
4. Bu standartlara göre veriyi elde etme süreci başlar. Burada bilgi işlem devreye girer ve işin teknoloji tarafını kotarır. Aile Hekimliği Bilgi Sistemi ve Sağlık-NET, bu amaca hizmet eden/edecek projelerdir.
5. Elde edilen verilerden her bir karar için ayrı ayrı “karar verme süreci” modellenir. Bu modelin teknoloji yönü bilgi işlemin, içerik belirleme yönü ise karar vericilerin katkı sağlayacağı bir iştir. Her bir kararda dikkate alınan göstergeler ve bu göstergelerin karardaki ağırlıkları, göstergelerin birbirleriyle korelasyonu nasıldır? İstatistik ve analiz yöntemlerinin en üst düzeyde kullanılmasını gerektiren bu aşama, işin en zor noktalarından birisidir.

Bu veya buna benzer bir politika ile fonksiyonel rollerine göre teşkilatlanmış kurumsal bir yapı, bilgiyi yönetmeye aday olacaktır. Bilginin peşinden koşma, ona ulaşma gayreti her dönem olmuştur; ama mistik bir ifadeyle bilgiden “marifet”e vâsıl olmak istiyorsak, bu işin sülûk şartlarına uymalı ve gayet sıkı bir riyâzete girmeliyiz.

Bilgi yönetimi ve Karar-Destek Sistemleri

Ham veriden bilginin elde edilmesini sağlayan yazılım sistemlerine “karar-destek sistemleri (KDS)” adı verilir. Diğer bir adı da iş zekası (business intelligence) olan KDS’ler, gelişmiş hesaplama ve istatistik fonksiyonlarına sahip ve hesaplanan bilgileri gelişmiş yöntemlerle gösterebilen sistemlerdir. Veri tabanlarıyla olan yakın ilişkileri nedeniyle KDS’ler bilgi işlem birimlerinde konuşlandırılırlar. Ancak bu, içeriklerinin de bilgi işlem tarafından modelleneceği anlamına gelmemelidir. Maalesef pek çok kurum bu yanılgıya düşmekte ve KDS’leri etkin kullanılanamamaktadır. Halbuki işin başında KDS’lerin tasarlanması dahi diğer birimlerin/karar vericilerin bilgi ihtiyaçlarına göre yapılması gereken bir iştir ve dolayısıyla daha ilk günden itibaren KDS’lerin sahibi ve şekillendiricisi karar vericiler olmalıdır.

KDS’lerin rolü, yukarıda bilgi yönetimi politikasındaki yöntem önerimizde 1. ve 5. maddelerde yer alan “bilgi ihtiyacı analizi” ile “karar sürecinin modellenmesi” konularıyla son derece ilgilidir ve gerek teşkilat yapısında, gerekse bilgi yönetimi politikasında buna uygun olan doğru bir yere oturtulmalıdır.

Sağlık Bakanlığı, şimdiye kadar Aile Hekimlerinden topladığı veriler için bir Karar-Destek Sistemi geliştirmiş ve iki yıldır kullan(dır)maya çalışmaktadır. Maalesef bu sistemin de “sahibi” bilgi işlem zannedildiğinden beklenen verim hâlâ sağlanamamıştır. 2009 yılı başından itibaren hastanelerden de veri toplayarak KDS’sini genişletmeyi planlayan Bakanlığın bu konuya daha sistemli bir çözüm getirmesi aciliyet arz etmektedir. Nitekim “sahibi olmayan mal haraptır” ve bu KDS şimdiden doğru bir yere oturtulmazsa, bir süre sonra işletmesi yük haline gelen bir teknoloji oyuncağına dönüşecektir. Toplamak için onca emek harcadığınız verileri “karar sürecinde etkili bilgi”ye dönüştüremedikten sonra, bu kadar bilgi sisteminin ve projenin ne anlama geldiği de sorgulanmaya başlanacaktır. Ne gariptir ki bu sorgulama, bu hükumet tarafından bir önceki dönem için yapılmış ve Sağlık Bilgi Sistemi projesi bu probleme çözüm getirmek üzere başlatılmıştı. Sağlıkta Dönüşüm Programı kitapçığında bir önceki dönemin bilgi yönetimi yapısındaki problemin nasıl tespit edildiğine bakalım: “Sağlık Bakanlığı sektörün bütününe bilgi sağlamak yerine, sadece kendi kurumları ile ilgili istatistik üretmektedir. Farklı birimler kendi ihtiyaçları doğrultusunda farklı veriler toplamakta, bu veriler il sağlık müdürlüğü aracılığıyla Sağlık Bakanlığına ulaştırılmaktadır. Veriler ilgili birim tarafından toplanmakta ve bu veriler Araştırma, Planlama ve Koordinasyon Kurulu tarafından derlenip istatistik yıllığı olarak çıkarılmaktadır. Ancak bu veriler bilgiye çevrilmemiş ve yönetim amacıyla kullanılamamıştır. Veri toplanmasında ve akışında yeterli denetim sağlanamadığı için istatistik sonuçlar güvenirlik açısından sorgulanmaktadır. Bu sorgulama ve oluşan güvensizlik, verilerin karar mekanizmalarında kullanılmasını engellemektedir”[1]. Aynı kitapçık, bu probleme çözüm olarak geliştirilecek olan sistemi de şu ifadelerle tanımlıyor: “Sağlıkta Dönüşüm Programının bütün bileşenleri arasında uyumun sağlanabilmesi için entegre bir sağlık bilgi sistemine ihtiyaç vardır. Sağlık hizmeti sunan kademelerde dikey işlemesi gereken bilgi akışı, hizmet sunumu ve finansman bilgilerinin değerlendirilmesi noktasında yatay bir entegrasyona ihtiyaç göstermektedir... Sağlık bilgi sistemi, sağlıkla ilgili politikaların belirlenmesinde, sağlık sektöründe sorunların ve önceliklerin belirlenmesinde, önlemlerin alınmasında, sektör kaynaklarının, çalışma ve yatırımların planlanmasında, sunulan sağlık hizmetlerinin kalitesinin değerlendirilmesinde, bilimsel araştırma ve çalışmalarda kullanılmak üzere yeterli veri toplayacak ve işleyecek bir fonksiyon üstlenecektir.”[2].

Sonuç olarak, çözüm adına ilerleme kaydetsek de SDP kitapçığında eleştirilen noktayı henüz aşabilmiş değiliz. Sadece veri toplama yöntemimizi kağıt ortamdan elektronik ortama taşıdık o kadar. Veriden bilgi elde etmek ise hâlâ önümüzde duran ve modellenmesi gereken bir iş. Türkiye siyasetinde her yeni bakanın bir öncekinin yaptığını silmesi alışılmış bir durum olduğundan, yukarıda ifade etmeye çalıştığım üzere, teşkilatlanma ve politika ortaya koyma noktasında daha fazla geç kalınırsa, veri toplama sistemi dahil, tüm emeklerin heba olması söz konusu olabilecektir. Doğru başlanmış ve bugüne kadar doğru yapılmış işlerin, doğru bir şekilde sistemleştirilmesi ve tamamlanması gerekmektedir.

Örnek bir karar süreci

Mimari ve işin felsefesi konusunda bunca şey söyledikten sonra, sağlık sektörü yönetiminde basit gibi görünen kararların dahi son derece karmaşık süreçlerini barındırdığını ifade etmeden geçmeyelim. Bilgiden yoksun olarak karar vermeyi bırakın, elinizde gerekli her bilgi olsa dahi, pek çok karar çok sayıda optimizasyon problemleri içeriyor.

Basit bir kıyaslama yapabilmek için, her kurumda söz konusu olan “kaynak planlama” problemini ele alalım. Örneğin, bir araba fabrikası için kaynak planlama problemi şuna benzer: “Arabalara talebin önümüzdeki 6 ay içerisinde artması ihtimali %15, azalması ihtimali ise %5’tir. Üretim artırmak için iki alternatif yoldan birisi işçi/mesai artışı yapmak, diğeri ise ek donanım almaktır. Donanım ve işçi maliyetleri bilindiğine göre, alınacak kararların getireceği kar ve zararların miktarlarının ve ihtimalinin ne olacağını hesaplayınız?”

Bu problem, istatistikçilerin ve bilgisayar bilimi uzmanlarının âşina olduğu türden problemlerdir. Ancak benzer bir kaynak-ürün etkileşimini sağlık hizmeti için düşünmek mümkün değildir. Basit kaynak planlama problemleri bile stokastik bir işlem iken, sağlık alanındaki “bilinmeyen etmenlerin” sayısı çok daha fazladır. Üstelik diğer pek çok problemde olmadığı halde, sağlık sektöründe bu etmenler arasındaki çok karmaşık korelasyonlar (etkileşim) vardır.

Örneğin, bir hastanede mevcut olan hekim, yardımcı personel, laboratuvar cihazı...vs gibi değerleri kaynak, verilen hizmeti de ürün olarak ele alırsak şununla karşılaşırız. Kaynaklardan birini artırdığımızda her zaman ürün artmıyor. Çünkü, kaynaklar arasında korelasyon var. Örneğin laboratuvar cihazı aldınız, ama laboratuvar teknisyeniniz yok! Bu nedenle eğer herhangi bir kaynağı artırıyorsanız, ancak onun korelasyon içinde olduğu diğer kaynakları da artırdığınız taktirde ürün göstergeleri de artmaya başlar. Yani laboratuvar cihazı aldınız, laboratuvar teknisyeni de aldınız, bundan sonra ürün göstergesi olan tetkik sayısı artmaya başlar. Ama bir noktadan sonra tetkik sayısının da artmadığını görürüz. Çünkü bu artış yine bir kaynak darboğazına takılmıştır. Bu noktadan sonra da yine bir ürün göstergesi olan sevk oranı artmaya başlar. Çünkü tetkik yaptırılamayan hastalar, başka hastanelere sevk edilir. Buradan da tetkik sayısı ve sevk oranı gibi her ikisi de ürün tarafında olan gösterin kendi aralarında korelasyona sahip olduğunu anlarız. Dolayısıyla, sağlık hizmeti verilen bir yerde “hizmet göstergelerini iyileştirmek için en az maliyetle hangi kaynakları artırmalıyız?” sorusu, istatistikçilerin de bilgisayar bilimi uzmanlarının da alışık olmadığı türden optimizasyon sorularıdır. Buradaki en zor nokta da korelasyonları tespit etmektir.

Sağlık yönetimi problemine bütünüyle baktığımızda karşımıza korelasyona sahip çok değişkenli doğrusal olmayan bir problem çıkar. Bunun kesin çözümünü bulmak yerine, olsa olsa ancak çözüme yaklaşabilirsiniz. Çünkü bu tür problemlerde tüm korelasyonları bilmek mümkün değildir. O yüzden hiçbir zaman “bütün”e ulaştığınızı düşünemezsiniz. Bilim felsefesinde yer alan ve Tantra’ya ait olan “bütün parçaların toplamından büyüktür” veya Adorno’ya ait “bütün yanlıştır” ifadeleri bu tip problemler için son derece uygundur.

Zaten bu yüzden KDS sistemleri altında gelişmiş istatistik ve analiz araçlarının yer aldığını ifade etmiştik. Ancak bunlar sadece birer araçtır ve siz modellemezseniz size sadece düz listelerden oluşan rapor sunarlar. Onu yorumlamak ve oradan bilgi elde etmek sizin sorununuz olarak kalmaya devam edecektir.

Veri hacminin artmasıyla orantılı olarak da, verilerin birer “zeki unsur” olan insanlar tarafından incelenmesi imkansız hale gelmektedir. Bu nedenle bilgisayar bilimi uzmanları bilgisayarlara “zeka unsuru” kazandırılarak bu işi onlara yaptırmaya çalışmaktadır. Sonuç olarak, erken uyarı ve karar destek sistemi olarak bilgisayarlardan yararlanmak zaruret haline gelmiştir.

KDS sistemleriyle yapılacak olan “başarılabilir işler”, sanırım sağlık hizmeti yönetiminde yer alan problemleri küçük problemlere indirgemek ve her birini bağımsız olarak ele alıp çözmeye çalışmaktan ibaret olacaktır. En azından yarın daha fazlasını yapabilmek için burası iyi bir başlangıç noktasıdır.

Sonuç

Yukarıda tek bir örnekle sağlık hizmetinde karar vermenin ne denli zor bir problem olduğunu ifade etmeye çalıştım. Yani aslında veriyi toplamak işin kolay tarafı ki, bu büyük ölçüde başarıldı. Daha düne kadar nasıl veri elde edeceğimizi konuşuyorken, bugün Aile Hekimliği Bilgi Sistemi ve Sağlık-Net projeleri sayesinde elektronik ortamda hayal edemeyeceğimiz kadar çok ve her geçen gün artan miktarda veriye sahip oluyoruz. Ancak KDS’mizi “karar sürecinde etkili bilgiyi” üretecek şekilde modelleyemezsek, yarın içerisinde pek çok bilgi barındıran yüzlerce raporumuz olacak, ama karar vericilerin bu raporlardan hangisine bakması gerektiği dahi başlı başına bir “kullanışlılık” problemi olarak karşımıza çıkacaktır. Bu durumda, hele kurumsal hafıza da yitirilirse, yönetimde olan kişiler haliyle eldeki “kullanışsız” sistemin yerine alternatiflerini aramaya başlayacaklar; ama onların da yapacağı şey son 6 yıl yapılan her şeyi tekrar etmekten ibaret kalacaktır.

---

[1]  SDP Kitapçığı, Aralık 2003 “3.6 Bilgi Sistemleri”.

[2]  A.g.e. “6.8 Karar Sürecinde Etkili Bilgiye Erişim: Sağlık Bilgi Sistemi”.