Verslagen

Eindverslag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

Samen leren van zorgdata

Welk medicijn gaat voor een patiënt het beste werken en de minste bijwerkingen geven? Of is agressie op de afdeling te voorspellen en te voorkomen? Zeker in de psychiatrie zijn dat lastige lastige vragen. Wij hebben onderzocht of we dit soort vragen konden beantwoorden met bestaande zorgdata.

4 ggz-instellingen werkten samen in dit project. In één instelling werd gestart met de ontwikkeling van een voorspelmodel dat voor een individuele patiënt inzicht geeft in het meest kansrijke behandeling. Zorgprofessionals, patiënten en data scientists gaven samen betekenis aan de data. Twee voorspelmodellen (agressie en effect ECT-behandeling) hebben we ook succesvol kunnen toepassen binnen één van de andere instellingen. Zo hoeft niet iedere instelling zelf het wiel uit te vinden. De instellingen wisselden succesvol expertise, resultaten en tooling uit maar data bleef binnen de instellingsmuren. Het project heeft zo een basis gelegd voor een breed draagvlak voor de toepassing van data science in de GGZ om professionals en patiënten te helpen in hun dagelijkse beslissingen rond diagnostiek en behandeling.

 

Resultaten
Dit item is dichtgeklapt
Dit item is opengeklapt

In dit project hebben we een basis gelegd voor een breed draagvlak en een toepasbare methodiek voor de toepassing van data science in de GGZ om professionals en patiënten te helpen in hun dagelijkse beslissingen rond diagnostiek en behandeling.We hebben in het project gezien dat applied data analytics een katalysator kan zijn om het leervermogen van een instelling te vergroten.

Enkele concrete resultaten die we hebben gerealiseerd:

- een CoViDa Quick Start en een CoViDa Quick Scan

- een website en kennisnetwerk voor onderlinge informatieuitwisseling tussen data scientists.

- een data pipeline voor de analyse van medische psychiatrische teksten.

- 2 getrainde en gevalideerde voorspelmodellen op het gebied van ECT-behandeling en agressie.

Samenvatting van de aanvraag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

In de zorg, zeker in de psychiatrie, wordt enorm veel data geregistreerd in het elektronisch patiëntendossier zonder dat deze bron van kennis optimaal wordt benut. Data kan gestructureerd zijn (zoals bloeduitslagen, vragenlijsten of diagnose codes) maar is in de psychiatrie vooral ongestructureerd (grote hoeveelheden geschreven tekst).

 

In de huidige psychiatrische praktijk wordt diagnostiek en behandeling door professionals nog bedreven op basis van kennis opgedaan in de opleiding, bij- en nascholing, eigen ervaring en richtlijnen die tot stand zijn gekomen door wetenschappelijk onderzoek. Het nadeel hiervan is:

1. dat kennis snel veroudert of wegzakt als je er niet dagelijks mee te maken hebt,

2. ervaringskennis lastig breed overdraagbaar is omdat deze in het hoofd van de professional zit en

3. dat er bij wetenschappelijk onderzoek in de psychiatrie vaak sprake is van een enorme selectie bias (ernstig zieke, suïcidale of minder wilsbekwame patiënten en patiënten met co-morbiditeit worden niet geïncludeerd in onderzoek). Hierdoor wijkt de daadwerkelijke praktijk nogal eens af van de bevindingen in het lab.

 

Door een nieuwe vorm van zorgorganisatie neer te zetten met behulp van kortcyclische big data analytics kan waarde worden gecreëerd uit real-time, real-life patiënten data uit het dossier waar de zorg van vandaag direct baat bij heeft. Zo ontstaat een innovatieve data-gedreven, lerende organisatie. Professionals en patiënten worden door deze andere aanpak in hun dagelijkse beslissingen ondersteund door kennis en inzichten uit de daadwerkelijke praktijk via data-analyses. Alle geregistreerde praktijk ervaringen van de verschillende professionals worden meegenomen in de analyses en complexere patiënten waarbij andere uitkomsten gezien worden dan verwacht, kunnen gaan meewegen in het behandel besluit dat genomen moet worden.

 

In deze nieuwe vorm van organisatie van zorg bestaat een flexibele infrastructuur waarmee data real time geanalyseerd kan worden en krijgen professional en patiënt beslissingsondersteuning op basis van gevisualiseerde actuele inzichten uit zorg-data (een profiel) waardoor shared decision making een extra data gedreven dimensie krijgt.

 

De basis voor de big data analytics werkwijze is reeds geïmplementeerd op de afdeling psychiatrie van het UMCU in samenwerking met de bèta faculteit van de UU en kan toegepast worden op verschillende thema’s. Het thema waar we ons in deze aanvraag op richten is het voorspellen van medicatie-effect. Het resultaat is een gevisualiseerd persoonlijk medicatieprofiel dat een professional met iedere nieuwe patiënt kan toepassen. Dit doet recht aan de diversiteit van patiënten en is beter dan de huidige 1-size-fits-all aanpak waar de richtlijnen op zijn gebaseerd.

 

Om te onderzoeken hoe de opgedane kennis over de big data analytics werkwijze opgeschaald en doorontwikkeld kan worden is een “compute visits data model” ten behoeve van een gedistribueerd kennisontdekkingsproces opgericht met verschillende andere partijen (“hubs”); Antes GGZ in Rotterdam, de afdeling psychiatrie van het Antonius ziekenhuis, GGZ Eindhoven en de TU/Eindhoven. In dit model worden 3 stappen gevolgd:

1. de kort-cyclische iteratieve ontwikkeling van een medicatieprofiel in iedere hub afzonderlijk,

2. toetsing en verfijning van het gevonden profiel door repliceren en valideren in de drie andere GGZ-hubs en daarmee optimaliseren van de big data analytics methodiek,

3. delen van het uiteindelijke profiel door de patiënt met zijn zorgnetwerk via PsyNet (eerder gehonoreerd door ZonMW).

 

Bovenbeschreven stap 2, het repliceren en valideren van gevonden profielen in verschillende praktijk hubs, zorgt ervoor dat lokale context gebonden factoren zichtbaar worden en maakt daarnaast ook belemmeringen en versnellers in het implementatieproces zichtbaar.

De derde stap, de verspreiding van het gevonden profiel in het zorgnetwerk van de patiënt waar mogelijk met behulp van PsyNet, zorgt ervoor dat bewezen ICT ingezet wordt om kennis te verspreiden in alle domeinen van de zorg; het sociale domein, de 1e, 2e- en 3e-lijnszorg. PsyNet is een beveiligd digitaal communicatie platform waar een patiënt zijn/haar betrokken hulpverleners toegang toe geeft. Zo zijn zij als netwerk verbonden en kunnen zij met elkaar communiceren en afspraken maken. Als iedereen in het netwerk op de hoogte is van een gevonden individueel profiel zullen behandelbeslissingen minder snel afwijken van elkaar.

Naar boven
Direct naar: InhoudDirect naar: NavigatieDirect naar: Onderkant website