Berichten

Een (corona-)dashboard maken is niet genoeg

In mijn vorige blog beschreef ik al kort het voorbeeld van het Corona dashboard van de
Rijksoverheid.

In deze blog ga ik daar dieper op in. Vooral om als voorbeeld te dienen voor wat dit kan betekenen voor de implementatie van BI dashboard(s) bij jouw organisatie.

Een dashboard is pas zinvol als er ook acties genomen worden wanneer de cijfers slechter zijn dan de normwaarden. Dit gaat bij het corona-dashboard helaas moeizaam. Een groot deel van de zomer stond de R (het verspreidingsgetal, ofwel hoeveel mensen besmetten één andere persoon) boven de normwaarde van 1.0, maar werden er geen strengere maatregelen afgekondigd.
Begin september heeft het kabinet dan toch een aantal maatregelen ingevoerd (registratieplicht voor bezoekers horeca, aantal gasten thuis bepreken tot maximaal 6, uitstel opening nachtclubs), en is de R toch weer even gezakt. Of dit komt door de maatregelen van de overheid of door waarschuwingen in de media blijft natuurlijk lastig om te zeggen. De laatste dagen loopt het aantal besmettingen echter weer heel snel op.

Opvallend

Er zijn 4 dingen die mij opvallen aan het Corona-dashboard en het gebruik ervan:

Aanvullende informatie

Ten eerste wordt bij het bepalen van de maatregelen gerefereerd naar uitkomsten van het bron- en contactonderzoek. Deze zijn vanaf het dashboard niet te vinden. Ze zijn beschikbaar in een pdf op de website van het RIVM. Dit is geen KPI (Key Performance Indicator) dus dit hoeft niet perse in het dashboard. Maar je zou verwachten dat dit soort belangrijke informatie, waar beslissingen op worden gebaseerd, snel op bijvoorbeeld een tweede werkblad te vinden is.

Proces indicatoren

Daarnaast is het opvallend dat in de media en ook in de Tweede Kamer veel aandacht wordt besteed aan de bereikbaarheid van de corona-test-afsprakenlijn. Hierbij is vooral de tijdsduur tot je daadwerkelijk een test krijgt en daarna de tijdsduur tot het resultaat van belang. Nu is het zo dat op het moment van schrijven maar op 7 test locaties plek is om überhaupt een afspraak te maken, waarvan 4 in en rondom Zeeland. De vijftien miljoen inwoners die dus niet in Zeeland of West-Brabant wonen hebben keuze uit maar 3 test locaties. Deze cijfers staan niet in het dashboard. Als het kabinet deze zaken niet zo belangrijk vindt, dan hebben ze dat niet over weten te brengen aan de belangrijkste stakeholders, de Tweede Kamer en journalisten. Als deze cijfers eigenlijk toch wel belangrijk zijn, zou je verwachten dat een aantal proces-indicatoren over testen op het dashboard zouden staan.

Aanvullende KPI’s

Het huidige dashboard bevat feitelijk alleen uitkomst indicatoren. Alle cijfers die erop staan zeggen iets over het aantal actuele besmettingen en het verloop daarvan. Er zijn geen cijfers over hoe goed de inspanningen om het virus in te dammen werken. Denk hierbij naast de uitvoering van zowel het testen als het Bron- en Contactonderzoek (BCO) ook aan resultaten van social distancing. Cijfers hierover zijn niet ruim voorradig maar er zijn zeker mogelijkheden. Het aantal contacten per besmet persoon in de BCO’s en hoeveel er gereisd wordt zijn voorbeelden van beschikbare cijfers.

Welke mogelijke beslissingen ga je nemen?

Als laatste is een van de maatregelen die recent is aangekondigd dat er regionale maatregelen genomen moeten worden en dus dat ook de cijfers regionaal beschikbaar moeten worden gemaakt. Dit lijkt erop te wijzen dat er niet nagedacht is over welke maatregelen wanneer volgen.

Als hier van tevoren over nagedacht zou zijn en dat als input gebruikt was bij welke cijfers nodig zijn, dan was meteen duidelijk geworden dat regionale maatregelen wenselijker zijn dan landelijke maatregelen.

En dat er dus regionaal inzicht nodig is.
Nou moet gezegd worden dat het kabinet unieke uitdagingen heeft: de oppositie in de Tweede Kamer is geneigd cijfers te gaan zoeken die negatief zijn. Eenheid bereiken op dit gebied is dus lastig. Iets wat in jouw organisatie waarschijnlijk niet het geval is.

Wat kan jouw organisatie leren van het project Corona-dashboard?

Al met al blijkt dat het maken van een dashboard alleen niet genoeg is.
Wanneer er KPI’s op het dashboard worden gezet, moet meteen worden ingeschat of deze niet te hoog of te laag zijn. En wat je daar vervolgens mee gaat doen. Hierbij blijkt nog wel eens dat er meer informatie nodig is.

Als BI & Health Analytics consultant is dit iets waar ik dagelijks mee bezig ben. In onze projecten werken wij altijd met een dashboard met meerdere tabbladen (werkbladen). Naast de hoofdpagina kunnen we zo verdiepingsoverzichten of aanvullende informatie aanbieden.

In sommige gevallen blijkt dat KPI’s verkeerd zijn gekozen of dat er extra (proces)indicatoren nodig zijn om in de gaten te houden of maatregelen goed worden ingevoerd.

Uit het voorbeeld over het gebrek aan KPIs over de toegankelijkheid van een Corona-test blijkt ook dat het belangrijk is dat de stakeholders zich herkennen in en sturen op dezelfde indicatoren.
Ik heb meegemaakt dat er in organisaties door verschillende mensen op verschillende KPIs gestuurd werd, en dus informatie op andere manieren verkregen. Soms werd er dan bijvoorbeeld begroot op cijfers die nauwelijks terugkwamen in de rapportages. Een goed voorbeeld hiervan is iets dat ik in de praktijk heb meegemaakt. Een manager stuurde erop om een KPI zo laag mogelijk te krijgen terwijl de rest van de organisatie dezelfde KPI zo hoog mogelijk wilde krijgen.

Een goede implementatie van stuurinformatie zorgt er dus ook voor dat op verschillende niveaus in de organisatie gekeken wordt naar dezelfde KPIs met dezelfde definities.
Ook de begroting moet hierbij aansluiten, wat meteen zorgt dat voor deze cijfers normen beschikbaar zijn. Dit vereist een implementatie- en keuze traject waarbij de Planning&Control-cyclus eenduidig wordt ingericht.

Ben je na het lezen van deze blog geïnteresseerd en zou je eens met Jesse van gedachten willen wisselen? Neem contact op via: contactformulier of info@esculine.nl

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.

Ontdek de kansen achter het digitaal classificatie-systeem

Het ECD met een digitaal classificatiesysteem biedt enorme kansen voor de zorg! In de inkoopstukken van de zorgverzekeraars kun je lezen dat je als zorgaanbieder in de thuiszorg verplicht bent om een digitaal classificatie-systeem te gebruiken. Digitaal en classificatie: twee hippe termen in zorgland maar een o zo gevaarlijke combinatie als je niet zelf achter je dashboard kruipt!

 

Waar komt die wens voor een digitaal classificatiesysteem eigenlijk vandaan?

Veel organisaties zijn er nog mee bezig. Het implementeren van hun digitale dossier dat methodisch werken ondersteunt. De afgelopen jaren zijn steeds meer zorgprofessionals gaan werken met een classificatie systeem. Wat het mooie hiervan is, is dat het professionals helpt dezelfde taal te spreken en samen te werken bij de ondersteuning van cliënten.

Zorgverzekeraars willen dat je een classificatiesysteem inzet om te kunnen meten en vergelijken hoe jij het doet ten opzichte van anderen. De eerste zorgverzekeraars en zorgkantoren zijn daar ook al mee begonnen. Ze zien namelijk zelf ook in dat benchmarken op doelmatigheid hoe dat nu gaat een beetje achterhaald is. Er wordt namelijk aan de kostenkant alleen naar tijd gekeken en niet naar de inhoud van wat je dan doet en hoe je dat doet. Het zou zomaar eens kunnen zijn dat acties inzet om zelfzorg en zelfredzaamheid in aanvang meer tijd kosten dan het verzorgen van iemand en handelingen overnemen. Middels een classificatiesysteem leg je gegevens van je inhoudelijke proces vast en kun je er ook iets mee.

Het is dus belangrijk om na te denken over wat je wilt doen met de data uit je ECD. Ongeacht of je nog moet starten met implementeren, aan het implementeren bent, of dat je al een tijdje live bent. Het kan je zoveel brengen als je weet wat je wilt gaan doen met je (dossier) data.

 

Maar waar moet je allemaal rekening mee houden?

Drie tips bij het starten van een zorginhoudelijke analyse:

  1. Niet over de data maar over de zorg! Wanneer je aan de slag wilt gaan met inhoudelijke analyses moet de drijfveer niet zijn dat we de data nu eenmaal hebben. Nee, er moet een vraag achter zitten vanuit de zorg. Als je vindt dat jij je onderscheidt in zorg bijvoorbeeld voor mensen met een auto-immuunziekte. Dan kan een achterliggende vraag zijn. Zien we verschillen in aanpak van de teams? Kunnen we meten wat wel en wat minder effect heeft op de tevredenheid en welzijn van onze cliënten. Kortom begin altijd eerst bij wat je wilt weten (wat is de verbeterkans of het probleem) en ga dan aan de slag om daar gegevens bij te verzamelen.
  2. Met de zorg! Het is natuurlijk leuk om te weten hoe goed je bent in het begeleiden van cliënten met een bepaalde uitdaging of aandoening. Dit kun je gebruiken in gesprekken met financiers. Maar je kunt er intern ook zoveel uithalen om je dienstverlening te verbeteren. Betrek dus de mensen uit de praktijk erbij! Zij kunnen direct een vertaalslag maken waar verbeterkansen liggen als je inzicht krijgt in: hoe komen cliënten bij ons; welke cliënten hebben wij in zorg (gehad); wat doen we allemaal voor onze cliënten en hoe (goed) doen we dat?
  3. Zorg voor vergelijkbare dossiers! Het maakt niet uit of je het nu hebt over zorg met wonen of thuiszorg. Overal verandert er iedere dag wel iets: je krijgt een nieuwe cliënt, zorgvraag verandert, cliënt is tijdelijk uit zorg, etc. Dit heeft effect op de volledigheid van je dossiers. En dus op de bruikbaarheid van je data. De gegevens die je hebt bij een cliënt die pas een week in zorg is, zijn waarschijnlijk nog niet volledig genoeg om relevante informatie te bieden. Voordat je aan de slag gaat met het doen van analyses en vergelijkingen is het van belang dat je onderzoekt of dossiers te vergelijken zijn.

 

Kun je wel zomaar starten?

Als klein ventje mocht ik weleens met mijn moeder mee naar het verzorgingshuis waar ze toen werkte. Ik vond dat helemaal te gek, een beetje over de gang racen in een rolstoel… Tegenwoordig kom ik voor mijn werk regelmatig in verzorgings- en verpleeghuizen. En eerlijk gezegd is die natuurlijke drang om in die leegstaande rolstoel te gaan zitten er nog steeds, maar ik weet die nu wat beter te onderdrukken.

Het starten met zorginhoudelijke analyses is eigenlijk niks anders dan gewoon in die rolstoel gaan zitten. Als je weet wat je wilt, dus als je jouw verbeterkansen en vragen duidelijk hebt, dan kun je gaan!

Wil je eens van gedachten wisselen of sparren over de vragen die je zou kunnen hebben, stuur mij even een berichtje!

 

Robert van Ginkel

robert.vanginkel@esculine.nl