De zorg heeft niet méér data nodig, alleen de juiste

Het zou gemakkelijk zijn als méér data verzamelen in de zorg automatisch tot beter gebruik ervan zou leiden. In de zorg, waar vrijwel elk apparaat data genereert, is het slim en efficiënt gebruiken van de gegevens helaas niet vanzelfsprekend. Data is zelden eenvoudig samen te voegen, privacygevoelig en lang niet altijd relevant. Hoe leun je als zorgverlener op alléén de juiste data, zodat je met behulp van die gegevens en inzichten snel tot actie kunt overgaan? Kom voor een antwoord naar het Data Driven Healthcare congres van SBO!

Geen gebrek aan data in de zorg

Ziekenhuizen hebben geen tekort aan data. Veel apparaten in de zorg genereren hun eigen gegevens. De data wordt op verschillende plaatsen, in verschillende systemen en in verschillende formaten opgeslagen. Data combineren is in veel gevallen nog altijd handwerk en daardoor foutgevoelig en tijdrovend. Zorgprofessionals besteden deze tijd logischerwijs liever aan directe zorg voor de patiënt. Hierdoor mist de zorg kansen om structurele verbeteringen door te voeren. Er is behoefte aan overzicht: hoe zorgen we ervoor dat belangrijke data ons helpt om de beste zorg te geven? Dat begint met een goede selectie. Laten we zorgen dat alleen relevante data ons onder ogen komt, en dat die informatie meteen geschikt is om concrete acties mee te bepalen en uit te voeren.

Nieuwe oplossing voor een oud probleem

Gebruik van alleen de juiste, beschikbare informatie leidt tot betere zorg, dat is al een halve eeuw bekend. In de jaren zeventig zag dokter Lee Goldman dat honderden mensen elk jaar onnodig in het ziekenhuis werden opgenomen met een mogelijke hartaanval. Patiënten op de eerste hulp hadden vage klachten (niet bruikbare data), of juist een breed scala aan klachten (te veel data). Men nam het zekere voor het onzekere, waardoor iedereen in het ziekenhuis terechtkwam. Goldman boog zich daarom over de patiëntgegevens van duizenden mensen. Wie hadden écht een hartaanval en wat waren hun symptomen? Goldman kwam erachter dat doktoren bij de intake van een hartpatiënt drie vragen konden stellen om de ernst in te schatten. Deze filter op de data creëerde een patiëntpoel van mensen waarbij de kans groot was dat er écht iets aan de hand was, waardoor voortaan alleen de juiste mensen werden opgenomen. Hierdoor groeide de overlevingskans (minder patiënten per verpleegkundige), was er betere zorg in de rest van het ziekenhuis (meer personeel op andere afdelingen) én waren er minder kosten.

Juiste data voor goede zorg

Het voorbeeld van Lee Goldman laat zien dat zorg beter is als zorgpersoneel enkel relevante, werkbare data krijgt. Goldman haalde het gokwerk weg, zodat het personeel zich volledig op de zorgtaak kon richten. Nu heeft de zorg razendsnelle, zorgondersteunde ICT-systemen, iets wat in de jaren 70 ontbrak. Deze systemen geven een uitdraai van precies die data, waarvan doktoren weten dat ze indicatoren zijn van waar men naar zoekt. Het systeem filtert precies de gevallen die aandacht nodig hebben, in plaats van dat zorgpersoneel zelf alle metingen en observaties doet om te bepalen of er een indicatie is van verslechtering van de patiënt. Uiteindelijk zal machine learning er mogelijk zelfs voor zorgen dat een eerste diagnose stellen door een computer kan gebeuren: ALS Symptomen A, B en C zich voordoen, DAN heeft de patiënt een grotere kans op een hartaanval en is medisch ingrijpen noodzakelijk. Het gaat om de veiligheid van patiënten, waardoor die doorbraak nog enigszins in de kinderschoenen staat. Echter zullen doorbraken, zoals die van Goldman, door mens én computer steeds vaker en gemakkelijker gemaakt worden.

Clinical Decision Support System (CDSS)

Een klinisch besluitvormingssysteem (CDSS) geeft zorgprofessionals controle door patiëntgegevens van meerdere bronnen, systemen en apparaten te combineren. Via een dashboard en/of rechtstreeks op een mobiel apparaat biedt een CDSS de zorgverlener near realtime informatie en begeleiding om patiënten te monitoren en de zorg te verbeteren volgens best practice en evidence-based medicine. Dat is cruciaal in een omgeving waar snel reageren noodzakelijk is, maar ook in de reguliere zorg waar vroegtijdige detectie een acute behandeling en ernstige achteruitgang kan voorkomen.

Bezoek het Data Driven Healthcare congres

Wil je weten hoe een CDSS ondersteunt bij klinische besluitvorming door data om te zetten in relevante informatie? Kom dan naar het Data Driven Healthcare congres en luister naar Jasper Coppes van Ascom. Hij vertelt meer over hoe het samenbrengen van data uit verschillende medische apparaten bijdraagt aan betere en snellere interventies.