Onlangs studeerde Eline Bogaert af met haar onderzoek “verandering in zorgzwaarte voorspellen met behulp van zorgdossier- en zorgtechnologiedata” in de verpleeghuiszorg.
Eline vertelt over haar tijd bij EscuLine en de resultaten van haar onderzoek.
Voor de masteropleiding Data Science and Society aan Tilburg University besloot ik mijn master thesis te schrijven bij EscuLine. Het sprak me aan om mijn thesisuit te voeren in de praktijk en daarmee alvast wat werkervaring op te doen in het vakgebied. Ik was op zoek naar een sector met maatschappelijke relevantie en de zorgsector sloot hier naadloos bij aan. De keuze voor EscuLine viel uiteindelijk mede door positieve ervaringen van medestudenten. De ruime bak aan kennis over Data Science in de zorg was voor mij ook een belangrijke reden om
te kiezen voor EscuLine.
In samenwerking met zorgorganisatie Groenhuysen is een onderzoeksvraag geformuleerd die zich focust op het voorspellen van zorgzwaarte aan de hand van zorgdossier- en zorgtechnologiedata.
Aangezien de data voor het eerst werd gebruikt voor onderzoek, heb ik eerst veel tijd besteed aan het gereed maken van de dataset. De dataset omvatte uitgebreide informatie aangaande cliënten zoals behandeltype, incidentinformatie, risico’s, leeftijd, medicatiegebruik, etc. Uiteraard was al deze informatie geanonimiseerd. De huidige zorgzwaarte van cliënten werd weergegeven in zorgprofielen (zorgzwaartepakketten ZZP4 t/m ZZP10). Deze profielen hebben ieder een eigen definitie die aangeeft hoeveel zorg een cliënt nodig heeft.
De zorgtechnologie informatie werd toegevoegd aan deze dataset in de vorm van het aantal sensormeldingen per type sensor dat is afgegaan bij een cliënt. In steeds meer verpleeghuizen wordt zorgtechnologie ingezet op de werkvloer met het idee de werkdruk van het zorgpersoneel te verlichten.
De sensoren, zoals een bed sensor of een deur sensor, geven aan wanneer een cliënt zich in een afwijkende situatie bevindt en waarschijnlijk hulp nodig heeft. Bijvoorbeeld wanneer een cliënt ’s nachts uit bed is gevallen of als een cliënt aan het dwalen is. Hierdoor hoeft het zorgpersoneel niet meer routinematig controles uit te voeren bij cliënten, maar worden zij opgeroepen als hulp nodig is.
Het voorspellen van verandering in zorgprofiel (en dus zorgzwaarte) is van belang voor zorgorganisaties zodat zij tijdig de planning van zorgpersoneel kunnen aanpassen en eventueel nieuw budget kunnen aanvragen. Dit laatste duurt nu meestal zes weken. Cliënten hebben in de tussentijd dan al meer zorg nodig, maar het budget hiervoor wordt pas zes weken later beschikbaar. Wanneer zorginstellingen eerder verandering zien aankomen, kan hier op tijdiger ingespeeld worden.
Op het eerste gezicht leek er weinig verschil te zitten tussen cliënten die van zorgprofiel veranderd zijn en cliënten die niet van zorgprofiel veranderend zijn. Alleen het aantal sensormeldingen van een aantal sensor types was bij de cliënten met een zorgprofielverandering hoger. Dit kan verklaard worden doordat cliënten met veel sensor meldingen een behoefte laten zien aan meer zorg. Echter moeten deze observaties voorzichtig geïnterpreteerd worden, aangezien er een groot verschil was in de studie tussen het aantal observaties van cliënten zonder profielverandering (1761) en het aantal cliënten met profielverandering (69). Een logische verdeling, aangezien cliënten meestal gedurende lange tijd in hetzelfde zorgprofiel blijven en niet maandelijks veranderen.
Deze onbalans maakte het ook voor het voorspelmodel lastiger om de factoren te herkennen die leiden tot zorgprofielverandering. Uit de resultaten bleek dat het model vooral goed scoorde in het herkennen van cliënten zonder profielverandering. Ook dit is belangrijk aangezien je geen voorspelling wilt dat honderden cliënten van zorgprofiel moeten veranderen terwijl dit slechts voor enkelen geldt. Het herkennen van cliënten met een zorgprofielverandering bleek lastiger en hierbij werden vooral de cliënten herkent die zich in zorgprofiel 9 bevonden wat een tijdelijk zorgprofiel is. Een verandering van zorgprofiel is daarbij inherent aan het profiel en dus geen inzicht gevende voorspeller van zorgprofielverandering.
Van de sensor types bleek ‘deur oproep’ de meeste voorspellende waarde te hebben. Cliënten waarbij deze sensor dus vaker afgaat, zouden behoefte kunnen hebben aan een ander zorgprofiel.
De ‘deur oproep’ is een sensor die zich bevindt tussen de slaapkamer en woonkamer van een cliënt en indiceert dus dat cliënten bijvoorbeeld midden in de nacht in de woonkamer zijn wat kan duiden op verwarring. Echter is de score van het model nog laag en zal reproductie van het model met meer data in de toekomst een duidelijker resultaat kunnen geven over welke factoren het meest belangrijk zijn in het voorspellen van zorgprofielverandering.
Al met al zorgde het toevoegen van zorgtechnologie data (sensoren) in dit model vooral voor meer complexiteit voor de voorspellingen. In de sensordata komt het voor dat er ruis ontstaat. Bijvoorbeeld omdat een bed nog iets moet worden aangepast qua locatie in de ruimte. Of het kan bijvoorbeeld zijn dat een sensor iets triggert terwijl het geen betrekking heeft op de cliënt / situatie. Daar zal in de doorontwikkeling aandacht naartoe moeten.
Wanneer dit model in de toekomst opnieuw gerund zal worden is het dus van belang om:
Hierdoor zal het model beter kunnen herkennen wat de tekenen zijn van een gewijzigde behoefte aan zorgzwaarte van cliënten.
Ik hoop met mijn voorspelmodel voor zorgprofielverandering een mooie start te hebben gemaakt in het tackelen van de moeilijkheden omtrent zorgplanning en budgetaanvraag. Het afstuderen bij EscuLine heb ik als zeer prettig ervaren en ik ben blij met de toevoeging van deze werkervaring boven op de kennis die ik heb opgedaan tijdens mijn studie. De collega’s van EscuLine zijn meedenkend en geïnteresseerd wat erg motiverend werkt. In het bijzonder nog een bedankje aan Daan Ooms die mij heeft begeleid gedurende dit project. De afsluitende presentatie bij zowel EscuLine als Groenhuysen waren de kers op de taart en ik hoop dat mijn onderzoek hen handvatten heeft gegeven om hiermee verder te gaan.
Blijf op de hoogte van wat wij doen. Meld je nu aan voor onze nieuwsbrief!
