Data gedreven werken is vooruit denken

Waarom is een strategie op data belangrijk?

Corona heeft digitalisering een boost gegeven (bijvoorbeeld het coronadashboard). Ondanks de druk op de zorg – die in alle sectoren voelbaar is – gaan ook steeds meer zorgorganisaties het belang inzien van data analyse.

Advanced analytics

Advanced analytics is een verzamelnaam voor “next level” data analyse. Dit gaat zowel over tooling als methodieken voor bijvoorbeeld het voorspellen en het herkennen van patronen in grotere hoeveelheden data.
Technisch kan er heel veel maar dat betekent niet dat je zelf niks hoeft te doen. Je moet vooraf goed nadenken over wat je wilt weten en wat je daar vervolgens mee gaat doen. Hiermee kun je eisen stellen en bepalen welke data je als organisatie wilt verzamelen, maar ook welke gegevens verzameling minder toegevoegde waarde heeft.
EscuLine heeft voor JGZ’s, VVT, GHZ en Huisartsenzorg uiteenlopende Health analytics oplossingen ontwikkeld. Onze ervaring leert dat er bij de keuzes die gemaakt worden rondom data verzameling nog veel te winnen valt binnen organisaties.

Wat kunnen we leren van bouwprojecten?Data analyse

Een vergelijking met de bouw maakt dit punt duidelijker:
Een goede werkvoorbereiding is in de bouw een sleutel tot een succesvol en rendabel project. Als je aan een bouwproject begint dan bedenkt iedere aannemer vooraf wat er allemaal nodig is. Bijvoorbeeld aan materiaal, hoelang er een kraan nodig is en of er bijvoorbeeld geheid moet worden of niet. Allemaal zaken die je tijdens de bouw niet meer zo makkelijk kunt veranderen.
De planning en werkvoorbereiding van een bouwproject loopt jaren voor op de daadwerkelijk start van de bouw.
Vergelijken we dit met de implementatie trajecten van ECD, HIS en EPD’s, dan kunnen we van die voorbereiding nog wel iets leren.
Wil je een huis bouwen dat toekomstbestendig is dan moet je hier in de ICT ook van tevoren over nadenken.

Vooruitdenken

Het is verstandig om afspraken te maken over welke data je gaat verzamelen. Zo is het bijvoorbeeld niet noodzakelijk om een ziektebeeld of diagnose vast te leggen om goed voor een cliënt of patiënt te kunnen zorgen. Maar het is wel prettig om deze informatie te hebben als je er op het niveau van een organisatie analyses over zou willen maken.
Hierbij helpt het als je afspraken maakt over de wijze van vastlegging en daar kan ICT ondersteunend in zijn.

Wat registreer je wel en wat registreer je niet…

Voorbeeld “wondzorg data analyse”

Data analyse

In de zorg worden dagelijks veel wonden gezien en verzorgd. Het kan interessant zijn om te weten onder welke omstandigheden je welke behandeling zou moeten toepassen en welke ondersteunende materialen nodig zijn. Er worden veel gegevens over de verzorging van wonden geregistreerd.

Je weet bijvoorbeeld:
1) Hoe groot de wond is (diepte, lengte breedte);
2) Welke medische achtergrond er mogelijk nog meer speelt;
3) Geslacht van de cliënt;
4) Een bepaald aantal foto’s van de wond die gedurende het zorgtraject zijn gemaakt en opgeslagen in het wonddossier
Met alleen de vastlegging van deze gegevens is nog niet geregeld dat je zoveel data beschikbaar hebt over wondzorg dat je kunt voorspellen welke behandeling onder welke omstandigheden tot het meest gewenste resultaat leidt. Als je data gedreven werkt is dat natuurlijk wel wenselijk.

Afspraken en ondersteunende ICT

Dit vraagt om afspraken binnen de organisatie over vastlegging van gegevens.
Als je bijvoorbeeld 1 of 2 keer in het totale zorgtraject van de wond een foto maakt, kun je er waarschijnlijk helemaal niks mee. Je zult met een bepaalde frequentie een foto moeten maken van de wond om het genezingsproces te volgen.
Als je de wondzorgdata wilt analyseren dan zul je daar in eerste instantie goed over na moeten denken. Vervolgens moeten hier afspraken over worden gemaakt binnen de organisatie zodat iedereen op een lijn zit en de registratie kan bijdragen aan inzicht door data analyse.

Inzet E-Health en PGO’s in dataverzameling

Met de beschikbare techniek van E-Health toepassingen en Persoonlijke Gezondheid Omgevingen (PGO’s), die steeds meer worden gebruikt, is het denkbaar dat de cliënt of patiënt zelf een serieuze rol gaat vervullen in het verzamelen van data. We zitten natuurlijk niet te wachten op een toename van registratielast in de zorg.

Een vak apart

Health Analytics is een vak apart.
EscuLine helpt zorgorganisaties om hun data echt voor zich te laten werken. Dit is een proces dat je samen aangaat en vraagt om een lange termijn visie. Hierbij is het noodzakelijk om over de grenzen van functies heen te denken en te kijken.

Data APK?Data analyse

Wil je in de toekomst data-gedreven gaan werken?
Dan is het nu tijd om te onderzoeken wat de staat van jouw data is.
EscuLine biedt zorginstellingen actief in Jeugdzorg, Huisartsenzorg, VVT en Gehandicaptenzorg een data APK aan.
Wij helpen je met het maken van een data strategie en bepalen aan de hand van de data die je nu iedere dag verzamelt of je nu iets kunt doen in de registratiekant om je strategische doelen te kunnen bereiken.
We vertellen je hier meer over tijdens een online kennismaking. Klik hier voor een afspraak met één van onze experts.

Achtergrond:

EscuLine past Machine Learning methodieken toe in de Gehandicaptenzorg, VVT, Jeugdzorg en huisartsenzorg. Met een goede data infrastructuur ben je als zorginstelling in staat om meer te weten van jouw cliëntpopulatie, hoe een cliënt het proces binnen jouw organisatie doorloopt en hoe kennis over zorgtrajecten uit het verleden kunnen helpen bij de zorg van vandaag.
Je kunt hele goede dingen doen met data en AI. Maar het is heel belangrijk om wel zelf te blijven nadenken. In een eerder EscuLine blog: “Machine Learning en vooral ook zelf blijven nadenken” schreef Thijs de Bruijn over de mogelijke valkuilen bij het inzetten van voorspellende technieken.

0 antwoorden

Plaats een Reactie

Meepraten?
Draag gerust bij!

Geef een reactie

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