U kunt hier uw voorkeuren instellen voor cookies voor sociale media en doelgerichte reclame. We plaatsen altijd functionele cookies en analytische cookies. Functionele cookies zijn nodig om de site goed te laten werken. Met analytische cookies verzamelen we anonieme gegevens over het gebruik van onze site. Met die gegevens kunnen we de site verder verbeteren zodat u makkelijker kunt vinden wat u zoekt.
Digitale beslisondersteuning ontwikkelen bij onbegrepen gedrag (Leren van data)
Is een bewoner in het verpleeghuis onrustig of aan het dwalen? Of hoest een bewoner veel en is hij of zij kortademig? Op welke momenten van de dag gebeurt dit vooral en wat zijn de oorzaken? Het elektronisch cliëntdossier bevat deze informatie vaak niet volledig of eenduidig genoeg om deze vragen goed te kunnen beantwoorden. Dit onderzoek richt zich daarom op het ontwikkelen van een tool die de informatie uit het dossier beter toegankelijk maakt voor diagnose en behandeling.
Achtergrond
Specialisten ouderengeneeskunde hebben de kennis om onbegrepen gedrag en lage luchtweginfecties in het verpleeghuis te diagnosticeren en passende behandeling in te zetten. Ze werken hierin nauw samen met onder andere verzorgenden, psychologen en verpleegkundigen. Uit de praktijk blijkt dat de informatie die nodig is voor adequate diagnostiek en behandeling niet altijd volledig en eenduidig beschikbaar is vanuit het elektronisch cliënt dossier (ECD). Dat zorgt ervoor dat het maken van een snelle en goede beslissing kan vertragen of minder effectief is.
Doel
Dit onderzoek is onderdeel van een kwaliteitsverbetering project, met als doel het ontwikkelen van een beslisondersteuner voor specialisten ouderengeneeskunde.
Methode
Onderzoekers gaan in twee verpleeghuizen de verslaglegging van onbegrepen gedrag en lage luchtweginfecties bij verpleeghuisbewoners in het electronisch cliëntendossier Nedap-Ons in kaart brengen via interviews met zorg- en IT-medewerkers.
Hierbij worden de overeenkomsten en verschillen in de verslaglegging van onbegrepen gedrag en lage luchtweginfecties in tussen de twee organisaties onderzocht. Nadat de verslaglegging in kaart is gebracht wordt de beslisondersteuner ontwikkeld door software ontwikkelaar Landscape. Als onderdeel van de beslisondersteuner wordt een methode ontwikkeld om vrije tekst in het dossier om te zetten naar bruikbare informatie, met gebruik van kunstmatige intelligentie (AI). Vervolgens wordt geëvalueerd of specialisten ouderengeneeskunde met deze digitale tool sneller en effectiever de richtlijnen kunnen toepassen tijdens een gedragsvisite of andere methodische werkwijze.
Planning
De interviews vinden plaats voor de zomer van 2025. In het najaar start de ontwikkeling van de beslisondersteuner met een looptijd van een jaar. Afhankelijk van de voortgang van deze ontwikkeling zal de evaluatie worden ingepland halverwege 2026.
Deelnemers
Het UNO-UMCG werkt in dit onderzoek samen met twee zorgorganisaties met een D-ZEP afdeling of reguliere (PG-)afdeling, die gebruikmaken van Nedap-Ons en geen ECD-wijziging op de planning hebben staan.
Onderzoekers
Marie-Fleur Passchier, junior onderzoeker
Dr. Heleen Hoogeveen – de Lange, projectleider
Financiering
Dit project is onderdeel van het door het ministerie van VWS gefinancierde programma Leren van Data. Hierin werken Verenso, UNO Amsterdam en Nivel samen om het hergebruik van gegevens die specialisten ouderengeneeskunde vastleggen te bevorderen. Dit doet het programma door toe te werken naar meer eenheid van taal en door bestaande gegevensregistraties bij elkaar te brengen en beter te benutten. Het streven is om een lerend zorgsysteem te creëren waarin gegevens die door specialisten ouderengeneeskunde routinematig worden vastgelegd in het EPD te hergebruiken voor kwaliteitsverbetering, beleid en onderzoek.