Datahub verlaagt registratielast met standaardisatie

Een gemiddeld ziekenhuis stuurt meer dan 100 verschillende datasets in een wisselende frequentie naar diverse partijen voor statistiek, benchmarks en kwaliteitsdoeleinden. Dat zorgt voor een hoge registratielast. In de ergste gevallen is een arts per patiënt wel drie kwartier bezig met het invullen van aparte formulieren. Terwijl de informatie die hij in het EPD noteert voldoende zou moeten zijn. Registratie aan de bron en DHD (Dutch Hospital Data) zorgen ervoor dat gegevens worden geregistreerd waar de data ontstaat. En dat de data via een datahub naar de afnemers, zoals kwaliteitsregistraties, wordt getransporteerd. Eénmalig geregistreerde data kan zo meervoudig hergebruikt worden. Gert-Jan van Boven is directeur van DHD en vertelt graag hoe dat in zijn werk gaat.

“De datahub kwaliteitsregistraties is een verbindende schakel tussen de data van ziekenhuizen en de verwerkers van de data. Het is een manier om gegevens langs een centrale plek te leiden en verder te distribueren. Zo wordt de data optimaal gebruikt en is de registratielast voor de arts minimaal. Ook kun je met een datahub de datakwaliteit goed bewaken. Het is niet handig als elke kwaliteitsregistratie zijn eigen definities hanteert.”

Eenduidige definities en vertrouwen

Gert-Jan komt twee soorten obstakels tegen bij het aanleveren van die data voor kwaliteitsdoeleinden. “Er is allereerst een inhoudelijke component. Je moet eenduidige definities invoeren en dat is nog niet zo makkelijk. Ik geef een voorbeeld. Een oogarts moet voor de cataract-registratie visus registreren, de gezichtsscherpte. Die visus wordt in procenten aangegeven. Maar in sommige gevallen ziet de patiënt wel of geen licht. Dat kun je niet uitdrukken in procenten gezichtsscherpte. Als je vergeet deze variabele mee te nemen bij het opzetten van de registratie, dan ga je daar nat. Dus moet je dat toevoegen. Wat ook meespeelt zijn de belangen en het onderlinge vertrouwen. Kwaliteitsorganisaties hebben vaak hun eigen bureau en een eigen IT-bedrijf dat ze ondersteunt. Het is dus allemaal al goed geregeld. Als je het via DHD wilt doen, dan komt er weer een schakel tussen. Dan is men bezorgd of het wel goedkomt met de kwaliteitsdata.”

“Eenduidige aanleverroutes, een klantvriendelijke servicedesk en goede standaarden maken veel verschil.”

Zien dat we meerwaarde bieden

Die bezorgdheid is volgens Gert-Jan nergens voor nodig. “We bieden een slimme technische oplossing en servicen zowel de ziekenhuizen als de dataverwerkers heel goed. Alle partijen moeten zien dat het meerwaarde heeft dat de data via de datahub loopt. Voor de ziekenhuizen is dat relatief makkelijk. Eenduidige aanleverroutes, een klantvriendelijke servicedesk en goede standaarden maken veel verschil. De kwaliteitsregistraties moeten beter en sneller informatie krijgen. Dat laten we zien met proefprojecten, zoals de Cataractregistratie. Bij deze registratie werkt de oogarts gewoon in zijn EPD en wordt de data frequent naar ons doorgestuurd.”

Het wenkend perspectief

Het zal veel bloed, zweet en tranen kosten om van deze eerste parel een ketting te maken, aldus Gert-Jan. “Om de ontstane versnippering op te heffen moet je een stukje organisatie uit het verleden weghalen. Dat is gewoon hard werken. Op de lange termijn is het wenkend perspectief dat je die data straks helemaal niet meer hoeft te verzamelen. Je kunt het dan bij het ziekenhuis of, beter nog, bij de patiënt laten. Maar dan moet het wel voldoende gestandaardiseerd zijn. Je kunt dan ‘de vraag langs de data laten reizen’.”

“Op een gegeven moment hebben we een algoritme ontwikkeld dat ‘slim’ genoeg is om een heel goede codeernauwkeurigheid te bereiken.”

Voorbeeld: automatisch coderen

Dat principe is volgens Gert-Jan uit te leggen met het voorbeeld van ‘automatisch coderen’. “In ziekenhuizen zitten medisch codeurs die codes koppelen aan zowel een diagnose als een verrichting. De arts zegt ‘dit is de diagnose’, de medisch codeur zegt ‘daar hoort deze code bij’. De saaie, maar arbeidsintensieve bulk van dat werk kun je grotendeels via een algoritme laten uitvoeren. Dat betekent dat de computer verslagen en ontslagbrieven ‘leest’. Om zo’n algoritme via machine learning te ontwikkelen, moet het systeem heel veel brieven en verslagen ‘lezen’. Het gaat om gevoelige data, dus hebben we gezegd ‘die gegevens willen we niet op een centrale plek opslaan’. We vermijden risico’s door data te laten staan bij de ziekenhuizen. Zij zijn tenslotte verantwoordelijk voor die gegevens. Wij ‘trainen’ het algoritme in ziekenhuis 1 en verplaatsen het naar ziekenhuis 2. Daar gaat het ‘bijleren’. Daarna gaat het naar ziekenhuis 3. Op een gegeven moment hebben we een algoritme ontwikkeld dat ‘slim’ genoeg is om een heel goede codeernauwkeurigheid te bereiken. Daarna wordt het ‘bijgeleerde’ algoritme teruggegeven aan de ziekenhuizen. De data blijft daarbij decentraal opgeslagen en het ziekenhuis hoeft de verantwoordelijkheid voor de gegevens niet uit handen te geven. Zo gaan we op een heel andere manier met gegevens om dan we gewend waren. Een mooie belofte voor de toekomst.”