Big data persoonsgerichte zorg, verkeerde conclusies snel getrokken

ma 23 oktober 2017 - 10:07
ICTH-arts-zwangerevrouw-laptop_01
Data
Nieuws

De enorme hoeveelheid gegevens die beschikbaar zijn op het gebied van onder meer (volks)gezondheid en medisch onderzoek kunnen zeer waardevolle nieuwe inzichten leveren. Met die gedachte in het achterhoofd hebben Apotheker/bedrijfskundige Eric Hiddink en apotheker/epidemioloog Ron Herings een dataconcept ontwikkeld dat als vliegwiel moet dienen persoonsgerichte, doelmatige zorg.

Er wordt momenteel proefgedraaid met het dataconcept binnen de proeftuin Gezonde zorg, Gezonde regio, zo schrijft de Eerstelijns. Beide initiatiefnemers waarschuwen er echter voor dat het gevaarlijk is om te snel conclusies te trekken op basis van ogenschijnlijk elkaar aanvullende gegevens. “Waardevol wordt het pas als iemand er met verstand naar kijkt,” stelt Hiddink.

Verkeerde conclusies

Als voorbeeld van verkeerde conclusies komen Hiddink en Herings met de feiten dat er in de zomermaanden meer ijs gegeten wordt en meer mensen verdrinken. Er is een correlatie van ruim 90 procent wanneer beide gegevens naast elkaar worden gelegd. Toch zou het verkeerd zijn om hier de conclusie uit te trekken dat ijseters meer risico lopen op verdrinking. De logische verklaring voor beiden zaken is dat er in de zomermaanden meer mensen ijs eten en meer mensen gaan zwemmen omdat het warm is. Gaan er meer mensen zwemmen, dan zullen meer mensen verdrinken.

Hoewel het logisch klinkt dat je niet te snel conclusies moet trekken, is deze neiging nadrukkelijk aanwezig als het gaat om big data in de zorg, stelt Herings. De directeur van de PD Groep (Pharmo Instituut, Stizon) is gespecialiseerd in het verzamelen en analyseren van gestructureerde en ongestructureerde data.

Hij werkt sinds 2013 samen met Hiddink aan slimmere inzet van zorgdata binnen Gezonde zorg, Gezonde regio. In die proeftuin hebben ze de ruimte om te experimenteren met ‘slim kijken naar data’. “Ziek zijn is een langdurig proces”, stelt Herings. “Een groot deel van de patiënten die je als zorgverlener ziet, heeft al jaren behandeling achter de rug. In die periode zijn allerlei beslissingen genomen op basis van de kennis van vroeger en het kostenplaatje van toen. Als je daarover geen informatie hebt en conclusies trekt, kun je er flink naast zitten.”

Vier elementen in dataconcept
Het dataconcept van Hiddink en Herings omvat vier elementen:

  1. Verzamelen van patiëntdata.
  2. Combineren van deze data met behandelprotocollen en standaarden.
  3. Matchen van de data van een specifieke patiënt met de uitkomsten.
  4. Kijken of deze uitkomsten afwijken van de standaard.

De bevindingen worden dan omgezet in een gepersonaliseerd advies. Herings legt uit: “Zo helpen we zorgverleners met het onderbouwen van afgewogen keuzes. We vertalen het protocol naar het individu en maken daarmee meer zorg op maat voor het individu mogelijk.”