Betere zorg door slim combineren van data

Voorspellen

De coronacrisis toonde onomstotelijk aan hoe belangrijk het is om goed te kunnen voorspellen hoeveel patiënten zich zullen aandienen en hoe die zo efficiënt mogelijk verdeeld zouden kunnen worden. ‘Er is een aantal factoren dat voorspelt hoelang een coronapatiënt een bed bezet, zoals BMI, leeftijd en geslacht. Als je weet hoeveel opnames je nu hebt en hoe de besmettingscijfers zich in de regio ontwikkelen, kun je berekenen hoeveel kort- of langdurige opnames je gaat hebben per ziekenhuis. Dan kijk je dus niet alleen naar hoe druk het nu is, maar ook naar de druk van morgen, overmorgen en over een week. Door deze data te combineren met die van de reguliere zorg zie je ook veel eerder waar knelpunten ontstaan en kun je gefundeerd sturen.’

Volgens Boucherie kunnen de modellen ook na de crisis bijdragen aan het behapbaar houden van de zorg: ‘Hoe kunnen we met de middelen die we nu hebben zoveel mogelijk zorg leveren? En dan kijk je niet alleen naar het aantal ic-bedden of beademingsapparatuur, maar juist ook naar het aantal benodigde verpleegkundigen.’ In de zorg is het vaak hollen of stilstaan, en dat maakt het werk zowel lichamelijk als geestelijk zwaar. ‘Die pieken kun je natuurlijk nooit helemaal weghalen, maar je kunt ze wel veel beter voorspellen. Als je de historische data van bijvoorbeeld de spoedeisende hulp, het operatiekamerschema en andere patiëntenstromen combineert, kun je tot op het uur nauwkeurig voorspellen hoeveel patiënten er opgenomen zullen zijn en dus je dienstroosters aanpassen op hoeveel personeel je nodig hebt. Dan zet je mensen zoveel mogelijk in als ze nodig zijn en verdeel je de werkdruk dus veel beter. Als mensen steeds een ongeveer gelijke werklast ervaren die goed behapbaar is, worden minder fouten gemaakt, is er minder uitstroom van personeel uit de zorg en wordt de kwaliteit beter’, voorspelt de wiskundige.

Momentum

Maar hebben ziekenhuizen wel tijd om een stroom aan data aan te leveren? Volgens Boucherie hoeft dat helemaal niet. ‘De meeste ziekenhuizen hebben een goed ziekenhuis-informatiesysteem waarin al veel data beschikbaar zijn. Met beperkte data kunnen we al beginnen. Gaandeweg kunnen we meer data in onze modellen invoeren en levert het ook steeds meer voordeel op. De ervaring leert dat als het eenmaal werkt, mensen steeds enthousiaster worden. Corona heeft deze op data gebaseerde benadering natuurlijk ook wel een momentum gegeven. Eerst was de focus 100 procent op de directe zorg aan patiënten gericht, maar na de eerste golf ontstond toch ook het besef dat er aandacht moest komen voor het verbeteren van de processen.

’Als de reguliere zorg weer wordt opgestart kunnen de modellen ook hun nut bewijzen. ‘Je kunt wel holderdebolder weer gaan opereren, maar het is beter om een datagedreven totaalplan te maken waarin je alle onderdelen van de keten meeneemt: van de prikpost tot de röntgen, van de poli tot de operatiekamer en de fysiotherapeut. Dit plan voor een evenwichtige werkverdeling voor alle spelers in het huis hebben we gemaakt. Als alles goed in elkaar past en iedereen een aantal maanden vooruit weet hoe de werklast eruit gaat zien, geeft dat enorm veel rust.’

Boucherie benadrukt dat de onderzoekers niet op de stoel van de raden van bestuur gaan zitten. ‘Wij rekenen op basis van data verschillende modellen door en maken op basis daarvan meerdere scenario’s. De keuzes die daarop volgen zijn bestuurlijk. Maar ze zijn dan in elk geval goed gefundeerd en doorgerekend. Dat maakt zulke beslissingen een stuk overzichtelijker dan wanneer je ze op gevoel moet nemen.’