Blog van Olav Gruppen, Text Analyst Specialist
Laat je data niet te lang liggen.
Zorgorganisaties houden enorme hoeveelheden data bij in elektronische cliëntendossiers (ECD’s) om de dagelijkse zorg te kunnen leveren. Die ECD’s zijn ontzettend belangrijk voor de kwaliteit van de zorg. Zo staan er onder andere zorgplannen, rapportages en metingen bij cliënten in de ECD’s, zodat zorgprofessionals precies weten wat ze gaan aantreffen. Maar de ECD’s worden in mijn ogen nog niet optimaal benut: met data-analyse kan er nóg meer informatie uit de ECD’s worden gehaald – informatie die nu helaas nog blijft liggen.
Het analyseren van data in ECD’s stelt zorgprofessionals in staat om de zorg te verbeteren, bijvoorbeeld door gezondheidsproblemen te voorspellen voordat ze zich voordoen. Doormiddel van geavanceerde analytische technieken zoals kunstmatige intelligentie (AI) en machine learning kunnen zorginstellingen patronen identificeren in medische gegevens, waardoor ze pro-actiever en gepersonaliseerde zorg kunnen bieden. Dit leidt niet alleen tot betere cliëntresultaten, maar vermindert ook de zorgkosten en verbetert de operationele efficiëntie.
In deze blog wil ik jullie meenemen in de rol die data-analyse gaat spelen in de thuiszorg. Ik heb stage gelopen bij KwadrantGroep en daar onderzoek gedaan naar het voorspellen van decubitus. Decubitus is het medische woord voor een doorligplek: cliënten hebben dan wonden op hun hakken, billen of andere plekken. Deze doorligwonden zijn niet alleen ontzettend pijnlijk, maar jagen de zorgkosten op. Het is extra vervelend als je je bedenkt dat decubitus achteraf vaak voorkomen had kunnen worden. Zo helpt het bijvoorbeeld om speciale matrassen in te zetten of om cliënten regelmatig van houding te veranderen.
Voorkomen is beter dan genezen
Uit vorig onderzoek is een heleboel bekend over decubitusrisico’s. Zo hebben cliënten met ondergewicht een verhoogd risico, lopen incontinente cliënten meer gevaar, en is de nood hoger bij cliënten met verminderde mobiliteit. Daarnaast is een beginnende decubituswond te herkennen als je weet waar je op moet letten. Gelukkig houden zorgprofessionals altijd een oogje in het zeil bij cliënten wanneer ze hun werk uitvoeren. Daarmee wordt al een hoop leed bespaard, maar het probleem is helaas nog niet helemaal uitgeband: er zijn immers nog steeds cliënten in de thuiszorg met decubitus.
Daarmee zeg ik niet dat zorgprofessionals hun werk verkeerd doen. Integendeel: juist door hun oplettendheid wordt erger voorkomen. Maar een decubituswond kan pas herkend worden zodra er al letsel is – dat is inherent verbonden aan de manier waarop doorligwonden nu gesignaleerd worden. Zou het niet mooi zijn als we zorg kunnen leveren vóórdat er beschadigingen aan de huid ontstaan?
Wiskundige modellen
Er worden een heleboel gegevens van cliënten bijgehouden in het elektronisch cliënten- of patiëntendossier (ECD of EPD). De gegevens worden bijgehouden, zodat zorgprofessionals al weten wat ze die dag gaan aantreffen voordat ze over de drempel stappen, en al veranderingen bij cliënten kunnen opmerken. Na hun dienst beschrijft het zorgpersoneel in het ECD bijvoorbeeld wat ze die dag hebben gedaan, hoe de cliënt zich voelde of wat er opmerkelijk was. Ook wordt naast de zorgplannen bijvoorbeeld data bijgehouden over lengte, gewicht, incontinentie, mobiliteit, etc.
Daarmee is het ECD eigenlijk een hele waardevolle bron van informatie. Het is in mijn ogen dan ook gek dat het ECD enkel op een dagelijkse basis gebruikt wordt om zorg te leveren, terwijl er zo veel meer inzichten te vinden zijn als de ECD’s uitgebreider worden doorgelicht. De gegevens kunnen gebruikt worden om allerlei prognoses te maken om zo leed en hoge zorgkosten te voorkomen. Het probleem is echter: het kost heel veel tijd om alle ECD’s door te lezen, constant te screenen en veranderingen op te merken. Gelukkig leven we in een tijd waarin we AI en data-analyse kunnen inzetten om dit werk voor ons te doen!
Bij KwadrantGroep zijn we met dat idee aan de slag gegaan: we hebben het ECD gebruikt om wiskundige modellen te schrijven die een uitspraak doen over het risico van een cliënt op doorligwonden. De modellen zijn veelbelovend en presteren zelfs beter dan de Bradenschaal – een wereldwijd gebruikte vragenlijst om het decubitusrisico te voorspellen aan de hand van enkele vragen.
Zorg van de toekomst
Dat werpt een belangrijke vraag op: wat wordt de rol van data-analyse in de zorg? Heb ik als zorgprofessional nog wel zelf de touwtjes in handen? Of neemt AI mijn werk straks over?
Dat laatste denk ik niet. Wel verwacht ik dat data-analyse een grote rol kan gaan spelen. Je kunt de modellen een beetje zien als de metertjes op het dashboard in je auto: zorgprofessionals kunnen het als hulpmiddel gebruiken bij het nemen van beslissingen, maar ze blijven wel zelf achter het stuur zitten. In één oogopslag zien ze wat ze moeten weten, in plaats van het ECD van de afgelopen twee weken eerst door te moeten lezen. De modellen maken het nemen van de juiste beslissingen dus makkelijker, maar nemen het werk van zorgprofessionals niet over . En zo zal er in de toekomst meer tijd over zijn voor de dingen die écht belangrijk zijn: het leveren van zorg en aandacht voor de cliënt.
De komende tijd gaan we aan de slag om de voorspellingen bij KwadrantGroep nóg beter te maken. We gaan ook tekstuele data meenemen. Het zou immers zonde zijn om de helft van het ECD te laten liggen als hiermee doorligwonden voorkomen kunnen worden.
