Verschillen ziekenhuizen, VVT- en Gehandicaptenzorg organisaties op het gebied van informatievoorziening?

In deze blog gaat Jesse de Wit – BI & Health Analytics consultant bij EscuLine – in op de verschillen op het gebied van informatievoorziening in de verschillende zorgsectoren.

Veel zorginstellingen in de eerste lijns- en langdurige zorg kijken op tegen de informatievoorziening in ziekenhuizen.

 

Maar is dat wel terecht?

 

Ziekenhuizen:

In vergelijking met veel van deze zorginstellingen zijn ziekenhuizen natuurlijk ook grote organisaties. Dit betekent dat er in ziekenhuizen veel meer ondersteunend personeel is, en daarmee vaak ook een bedrijfsinformatie team (of teams) van vijf tot twintig mensen. Dit is nog afgezien van mensen die veel met informatie werken in andere afdelingen zoals Planning & Control en Capaciteitsmanagement. Je zou zeggen dat dit kansen biedt voor veel meer en mooiere rapportages.

Daarbij worden uitdagingen duidelijk die grotere organisaties, en dus ziekenhuizen, meer hebben:

het verwerken van data gebeurt op verschillende plekken, hierbij zijn de gevaren van verschillende definities serieus aanwezig.

Dit vereist vaak veel afstemming.

Een ander verschil tussen ziekenhuizen en de eerstelijns- en langdurige zorg is dat een ziekenhuis bestaat uit tientallen verschillende specialismen vanuit verschillende ziektebeelden.
Productie-, HRM- en financiële rapportages kunnen vaak nog wel gedeeld worden. En zijn anders relatief eenvoudig toe te passen voor een specifieke afdeling. Voor zorginhoudelijke- en kwaliteitsrapportages is dit een stuk minder eenvoudig:

de kwaliteit van de zorg voor heupfracturen vraagt om heel andere stuurgetallen dan de kwaliteit van de afdeling dialyse.

Een BI afdeling in het ziekenhuis heeft dus eigenlijk tientallen verschillende processen te bedienen.

Vaak zie je dan ook dat maar voor een deel van deze zorgprocessen een geautomatiseerd specifiek dashboard is ingericht.

Eerstelijns- en langdurige zorg

Andere zorgorganisaties zijn vaak toch meer gericht op een of enkele typen zorg, met bijvoorbeeld tientallen teams die redelijk vergelijkbare zorg leveren. Een dashboard dat voor al deze teams toepasbaar is, is dan relatief eenvoudig haalbaar.

Professionals

Een verschil tussen langdurige zorg en de ziekenhuiszorg zie je terug in de professionals die er werken. In ziekenhuizen werken veel verpleegkundigen, maar zijn artsen in de regel in de lead. Bij thuis-, ouderen- en gehandicaptenzorg is het merendeel van de professionals verzorger, begeleider of verpleegkundige. Die zijn hier in de lead. Waar nodig worden ze ondersteund door een arts.
Verzorgenden en verpleegkundigen hebben een praktische instelling. Daar waar artsen vaak een meer wetenschappelijke achtergrond hebben.

Artificial Intelligence (Machine Learning)

Dit zie je sterk bij het presenteren van Artificial Intelligence (AI)-modellen:
Onder de eerste groep leeft vooral de vraag wat je daar nu eigenlijk mee kan. Bij de tweede groep is de vraag meer hoe wetenschappelijk onderbouwd het model is. Beide zijn overigens goede vragen waar niet altijd genoeg over wordt nagedacht bij voorgestelde AI modellen.

Generiek

Dit laatste raakt meteen iets wat in alle soorten zorgorganisaties vaak nog een stuk beter kan:

Als je informatie beschikbaar hebt, gebruik dit dan ook in de besluitvorming.

Het beschikbaar krijgen van de goede cijfers is ‘pas’ de eerste stap. Daar heb je alleen wat aan als je ook wat met deze informatie doet. Als je op basis van je dashboard of rapport nooit een andere beslissing neemt, heeft het beschikbaar krijgen van al deze informatie niets opgeleverd. Dit vereist wat in jargon data literacy wordt genoemd. Er zijn boekenkasten over vol geschreven – maar de toepassing blijft in vrijwel elke organisatie lastig.

 

Data literacy in Corona tijd

Een heel aansprekend voorbeeld hiervan is het corona dashboard: dit kan een mooie tool zijn om te zorgen dat het corona virus niet onverklaarbaar oploopt. Echter, de effectieve R is op het moment van schrijven al anderhalve maand constant boven de signaalwaarde van 1 (eerder waren er twee kortdurende pieken). Er zijn nauwelijks (landelijke) maatregelen aangekondigd.
Als zoiets gebeurt is dit getal op deze manier niet zinvol. In dit geval zou je wellicht eerder op regionale effectieve R’s willen sturen. Klopt de signaalwaarde niet of moet er toch gekeken worden naar de data literacy van degene die op deze informatie moeten sturen?

Vragen om cijfers is makkelijker dan ernaar handelen omdat dan ook de nadelen van de besluiten geaccepteerd moeten worden.

Ben je na het lezen van dit artikel geïnteresseerd en wil je meer achtergrond informatie.

Neem gerust contact met ons op via: info@esculine.nl of vul het contactformulier in. We nemen dan contact met je op.

0 antwoorden

Plaats een Reactie

Meepraten?
Draag gerust bij!

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *