AppleMark
Het aantal ic-opnamen is voor ruim 80 procent van de patiënten met big data-analyse te voorspellen. Dit betekent dat ziekenhuizen de beschikbaarheid van ic-bedden en de inzet van medewerkers beter kunnen afstemmen op het profiel van het ziekenhuis en de actuele situatie. Daarmee kan big data-analyse ook een alternatief zijn voor de sluiting van ic’s.
Dat constateert adviesbureau Gupta Strategists in de studie ‘Predicting the Unpredictable’. De studie laat zien dat met big data-analyse betrouwbare voorspellingen over opname op een ic te maken zijn. De hiervoor benodigde gegevens, zoals leeftijd, geslacht, diagnose en comorbiditeiten, zijn relatief eenvoudig en bovendien direct beschikbaar in het Elektronisch Patiëntendossier (EPD).
Volgens Gupta is voor 84 procent van de ic-patiënten de opnamekans statistisch goed te voorspellen. Voor de overige 16 procent patiënten die met spoed op de ic komen, is de voorspelkracht van het big data-model ‘redelijk’ te noemen.
Misvatting
Omdat veruit de meeste ic-zorg voorspelbaar is vergt deze volgens de onderzoekers geen beschikbaarheidsfunctie. Gupta Strategists haakt hiermee in op de recente discussie over de nieuwe kwaliteitseisen voor intensive care-afdelingen. Als gevolg hiervan zouden kleine ic’s mogelijk moeten sluiten. De nieuwe kwaliteitsstandaard vraagt onder meer 24-uursbeschikbaarheid van een intensivist. Volgens Gupta is de discussie grotendeels gebaseerd op de misvatting dat een ic-opname altijd een onvoorspelbare gebeurtenis is en dat er daarom volcontinu een volledige ic beschikbaar moet zijn om daarop in te kunnen spelen.
Anticiperen
Het big data-model stelt daar een aanpak tegenover die het mogelijk maakt tijdig te anticiperen op piekbelasting. Door het voorspellende big data-model te koppelen aan het EPD kan een ziekenhuis live en continu de kans op ic-opname monitoren. De voorspelling is weliswaar minder precies dan die van een behandelend arts, maar is wel voor alle opgenomen patiënten direct en altijd beschikbaar. Op basis hiervan is het mogelijk een goede inschatting van de verwachte ic-zorg voor de gehele ziekenhuispopulatie te maken. Juist kleinere ziekenhuizen kunnen daarmee de ic-capaciteit preciezer afstemmen op de daadwerkelijke, actuele zorgvraag, stelt Gupta. Die passende inzet van mensen en middelen kan een alternatief zijn voor volledige sluiting van ic’s.
Kwaliteit
Het beter kunnen voorspellen van de benodigde zorg tijdens een ziekenhuisopname is volgens Gupta niet alleen van toegevoegde waarde voor de toegankelijkheid en doelmatigheid van de zorg, maar ook voor de kwaliteit. Beter voorspellen van de benodigde zorg betekent ook dat interventies eerder kunnen worden ingezet. Dit kan het succes van de behandeling en daarmee de kwaliteit van zorg vergroten.
Miljardenbesparing
Volgens Gupta heeft de inzet van big data-technieken een besparingspotentieel van 12 tot 17 procent van de totale zorgkosten. Dit is omgerekend voor heel Nederland zo’n 10 tot 15 miljard euro. Realisering van dit potentieel vraagt volgens Gupta om toepasbare en overtuigende voorbeelden. Met ‘Predicting the Unpredictable’ denkt Gupta een stap in deze richting gezet te hebben.
