Op 1 januari j.l. is het bevolkingsonderzoek darmkanker van start gegaan. In een periode van vijf jaar zal het worden uitgerold over alle mannen en vrouwen tussen 55 en 75 jaar. De tussenliggende tijd zal worden gebruikt om het proces te finetunen en zorgverleners op te leiden. Dat finetunen gebeurt aan de hand van process mining. Persoonlijk vind ik dat een hele mooie methode om snel inzicht te krijgen in de efficiency en effectiviteit van zorgprocessen.
Big Data in de zorg als input voor procesoptimalisatie
In onze dagelijkse praktijk helpen wij ziekenhuizen, op basis van data van het RIVM en hun eigen procesdata, bij het optimaliseren van zorgpaden voor deze specifieke patiëntpopulatie. Want ervaring leert dat het in veel gevallen loont om voor deze groep een apart zorgpad op te zetten. Ik vind het ieder keer weer verrassend hoeveel inzicht je kunt verschaffen met geavanceerde data-analyse. We zetten data-analyse in ziekenhuizen op verschillende aspecten in:- Hoe vaak wordt er doorverwezen?
- Welke patiëntengroepen kunnen onderscheiden worden?
- Wat is het aantal false positives (ten onrechte aanzien als mogelijke gevallen van darmkanker)? Aan welke kenmerken voldoen die false positives?
- Hoe lang duurt het voordat er een definitieve diagnose is?
- Welke stappen worden in dat proces op welke momenten gezet?
Patiëntgroep wijkt af van andere patiëntpopulaties
In het nationaal bevolkingsonderzoek wordt veel data gegenereerd. Door data-analyse in de zorg in het beginstadium van dit onderzoek, kan inzicht worden verkregen in de omvang van de nieuwe patiëntpopulatie en in de aspecten waarin deze populatie afwijkt van andere patiënten die van darmkanker worden verdacht, maar die via de huisarts binnenkomen. Dat de nieuwe groep afwijkt, is inmiddels wel duidelijk. Er zijn gelukkig meer patiënten die geen kanker blijken te hebben. Een deel daarvan heeft goedaardige poliepen die al dan niet wel behandeld moeten worden. En een deel valt in de groep false positives. De patiënten die wel darmkanker blijken te hebben, bevinden zich veel vaker in een vroegtijdig stadium van de ziekte. De vraag is: hoe kun je op basis van deze kennis je proces hier goed op inrichten?Capaciteitsmanagement in de zorg ter voorbereiding op de patiëntpopulatie
De meeste ziekenhuizen zijn nog niet goed op de nieuwe populatie voorbereid. De stroom patiënten die via het bevolkingsonderzoek binnenkomt, loopt mee in het gewone zorgpad voor darmkanker. Een specifiek zorgpad voor deze populatie geeft de mogelijkheid om korter op de bal te spelen en de patiëntlogistiek beter in te richten op deze groep. Bovendien betekent de nieuwe patiëntstroom iets voor het capaciteitsmanagement. Want als meer mensen zich melden voor een darmonderzoek, hoeveel meer artsen en verpleegkundigen moeten dan beschikbaar zijn en hoeveel endoscopen zijn er nodig? Wat betekent dit voor de benodigde investeringen en de terugverdientijd ervan? Met analyse van Big Data kan duidelijk nog meer worden gedaan en kan worden ingezet ten behoeve van capaciteitsmanagement in de zorg.
Verschillende scenario’s geven inzicht in de toekomst
Het zijn vragen die door analyse van de data in de zorg van de eerste lichting deelnemers aan het bevolkingsonderzoek voor een groot deel al beantwoord kunnen worden. Op basis van die data heeft Axians verschillende scenario’s voor patiëntlogistiek en capaciteitsmanagement uitgewerkt op basis waarvan ziekenhuizen zich kunnen voorbereiden op de toekomst.
Naar mijn vaste overtuiging kunnen data-analyse en scenarioplanning op heel veel gebieden in de zorg worden toegepast. Meer hierover lezen? Download dan de whitepaper ‘Van Big Data in de zorg naar slimme toepassingen’ op de SmartCare website.
