Skipr
Lees hier het artikel op Skipr over deze studie
Predicting the unpredictable
Het elektronisch patiëntendossier bevat een schat aan gestructureerde en ongestructureerde informatie over patiënten, hun aandoening en historie. Deze gegevens kunnen helpen om de zorg voor patiënten te verbeteren. Met big data-technieken is bijvoorbeeld de benodigde zorg voor een patiënt beter te voorspellen. De laatste jaren is er veel gepubliceerd over deze en andere beloften van big data in de zorg, maar realisatie van dit potentieel blijft nog grotendeels uit. Het inlossen van de belofte vraagt toepasbare en overtuigende voorbeelden. Het doel van onze studie is te laten zien dat toepassingen dichterbij zijn dan gedacht en dat deze zelfs relatief makkelijk zijn te integreren in bestaande systemen.
In deze studie laten we zien dat big data-analyse bijdraagt aan het voorspellen van één van de meest impactvolle vormen van zorg: de opname op een intensive care. De studie laat zien dat we voorspellingen kunnen doen aan de hand van enkel administratieve gegevens: gegevens die in elk ziekenhuis in Nederland al in gestructureerde vorm beschikbaar zijn in het EPD. We hebben daarvoor een geanonimiseerde dataset van een half miljoen zorgtrajecten geanalyseerd, waarna we voor individuele patienten een voorspelling konden maken van de ic-opname. De waardering van het voorspelmodeel varieert van ‘excellent’ (AUC 0,90) voor electieve patienten tot ‘redelijk’ (AUC 0,74) voor spoedpatienten.
Deze proof-of-concept-studie laat zien dat met een beperkte, maar breed beschikbare dataset al bruikbare voorspellingen te doen zijn. Door de schat aan beschikbare informatie te benutten, dragen we bij aan het verbeteren van de zorg.
Download hier de studie 'Predicting the unpredictable' »