Hoe Noorderbreedte met text analytics de juiste zorgindicatie voorspelt

De zorginstelling Noorderbreedte maakt graag het verschil in de Friese ouderenzorg. Dit doen haar 3.500 medewerkers en vrijwilligers dagelijks door onder andere te focussen op persoonsgerichte zorg en de creatie van een thuisgevoel. De ouderenzorginstelling bestaat uit vijftien woonzorgcentra en een revalidatiecentrum. Noorderbreedte fuseerde bestuurlijk eind 2022 met thuiszorginstelling Het Friese Land.

Noorderbreedte onderzoekt continu hoe de zorg beter kan worden ondersteund. Denk bijvoorbeeld aan de inzet van heupairbags of intelligent incontinentiemateriaal. Maar ook AI en big data wekken de interesse. Marco Rijkens, informatiemanager bij Noorderbreedte, vertelt: “We ontdekten dat er een verschil zat in de zorg die onze medewerkers leverden en het budget dat daarvoor was aangevraagd. In de ouderenzorg wordt gewerkt met zorgprofielen, voorheen zorgzwaartepakketten (ZZP) genoemd. Deze beschrijven hoeveel zorg of ondersteuning iemand krijgt afhankelijk van zijn zorgbehoefte. Dementerenden hebben bijvoorbeeld op termijn meer zorg nodig. De zorgindicatie wordt dan hoger. Onze medewerkers bleken vaak meer en beter passende zorg te bieden, zonder de juiste tegenoverstaande vergoeding te krijgen vanuit de verzekeraars. Dit komt omdat het in de praktijk best lastig blijkt te zijn voor de zorgmedewerker om uit te zoeken wanneer er een hogere zorgindicatie moet worden aangevraagd. We wilden dit graag anders inrichten, omdat het om een aanmerkelijk bedrag ging.”

Marco en zijn team hebben regelmatig overleg met andere zorginstellingen, ook op IT-niveau. Hij vertelt: “In ons overleg met de KwadrantGroep kwam hun succesvolle BI-case met ilionx ter sprake. We hebben toen contact gezocht met ilionx en gevraagd of ze een model konden bouwen dat op basis van data achterhaalt of iemand in een verkeerde zorgklasse zit. We hebben vervolgens een introductie van text analytics gekregen, waarbij machine learning modellen tekstuele data analyseren. Dit stond ons wel aan en zodoende zijn we gestart met een Proof of Concept (PoC). Als eerste ‘voedingsbron’ hebben we ons elektronisch cliëntendossier (ECD) gebruikt. Met zo’n 1200 cliëntendossiers en 3000 verschillende cliënteigenschappen was dit een flinke uitdaging. De deskundigheid en betrokkenheid van de experts van ilionx maakten hier echt het verschil. Ze hebben absoluut kennis van het vak en zochten de samenwerking op met de medewerkers die verantwoordelijk zijn voor de aanvraagprocedure. In de eerste terugkoppeling bleek dat de richting waarin we dachten en de data die gebruikt werd, nog onvoldoende waren. We hebben toen de bakens verzet en meer data toegevoegd. Gedurende dit gehele traject is er conform de AVG veilig en verantwoord omgegaan met de cliëntendossiers. Alleen de informatie die benodigd was, is gebruikt. In een tweede terugkoppeling bleek dat het model de zorgindicatie goed voorspelde in 70 procent van de gevallen waarin cliënten met zorgindicatie 5 eigenlijk zorgindicatie 7 moeten krijgen. De overige 30 procent wordt handmatig beoordeeld.”

Met deze resultaten komt de eerste fase van de samenwerking, het PoC, op zijn eind. “Deze score is bemoedigend, maar eigenlijk willen we nog een stapje verder”, aldus Marco. “Dit kan door nog meer data toe te voegen aan het model. Die data vinden we met name aan de behandelkant, bij het elektronisch patiëntendossier en het behandelplan. Hier kunnen we meer categorieën uit afleiden en aan het model toevoegen, zoals psychologische hulp en fysiotherapie. Om bij het voorbeeld van dementie te blijven: iemand die verder dementeert, heeft meer psychologische hulp nodig. Dit wordt genoteerd in het behandelplan. De data in het plan wordt door ons model geanalyseerd, waarna deze waarschijnlijk een signaal voor een hogere zorgindicatie zal afgeven. Omdat we nog meer kaarten achter de hand hebben, hebben we goede hoop dat we straks stabiel 70 tot 75 procent over de hele linie kunnen halen – van zorgindicatie 4 tot en met zorgindicatie 10. Dit scheelt onze medewerkers niet alleen veel administratieve last, maar laat ons ook veel geld besparen. Een volgende stap is dat het model niet alleen aangeeft in welke categorie een cliënt nú thuishoort, maar ook voorspelt wanneer iemand over zal gaan naar een hogere indicatie. Zo kunnen we de zorg die we leveren, nog beter maken.”