De onderzoeksinstituten Nivel en EMGO publiceren dinsdagmiddag 28 november de resultaten van hun onderzoek naar zorggerelateerde schade. Dan is bekend of de spectaculaire verbetering, halvering van de vermijdbare schade tussen 2008 en 2012, is doorgezet. De methode van dit onderzoek is een enorm monnikenwerk. In twintig ziekenhuizen worden circa vierhonderd dossiers doorgelicht door teams van twee verpleegkundigen en twee medisch specialisten. Zij bestuderen elk dossier op zoek naar zogeheten adverse events, onbedoelde schade veroorzaakt door het ziekenhuis, en hun vermijdbaarheid. Daarnaast doen ziekenhuizen ook zelf dit soort dossieronderzoek. Zij moeten van de Inspectie voor de Gezondheidszorg elk jaar minstens vijftig sterfgevallen onderzoeken.

Dossieronderzoek bij sterfte

Een aantal ziekenhuizen kiest ervoor om alle sterfgevallen op zorggerelateerde schade te onderzoeken. Dat heeft nogal wat voeten in de aarde. Ziekenhuizen moeten verpleegkundigen vrijspelen van directe zorg aan het bed. Zij zijn urenlang bezig met dossiers doornemen. Ziekenhuizen huren daarnaast gepensioneerde artsen in om naar de dossiers te kijken. ‘Dat dossieronderzoek is zeer tijdrovend en ik hoor van diverse ziekenhuizen dat dit verhoudingsgewijs niet veel handvatten oplevert voor verbetering’, zegt André van der Veen, directeur van adviesbureau de Praktijk Index.

Algoritme vindt adverse events

Het kan volgens Van der Veen veel slimmer met kunstmatige intelligentie. De Praktijk Index heeft een algoritme ontwikkeld dat op basis van documenten in het elektronisch patiëntdossier adverse events vindt. Het algoritme kan bijvoorbeeld vrije tekst in ontslagbrieven van artsen lezen en interpreteren. Ziekenhuizen hoeven dan niet meer alle dossiers door te nemen om vast te stellen met welke sterfgevallen iets mis is, dat doet de software automatisch. ‘Op basis van onze eerste bevindingen is mijn inschatting dat de administratieve lastendruk rond dossieronderzoek hierdoor minimaal gehalveerd wordt’, aldus Van der Veen.

Algoritme is getest bij UMC Maastricht

Het algoritme is ‘getraind’ bij het UMC Maastricht, dat de afgelopen jaren met een team verpleegkundigen en artsen duizenden dossiers van sterfgevallen heeft onderzocht op zorggerelateerde schade. Op basis van circa 80 procent van deze dossieranalyses, waarbij dus al bekend was of er al dan niet een adverse event had plaatsgevonden, heeft de computer zelf een algoritme geschreven dat de aanwezigheid van adverse events detecteert. In vakjargon heet dit met een Engels woord machine learning. Het algoritme kan aan de hand van woordgebruik en context vaststellen in welke gevallen er sprake is van adverse events. Het algoritme is vervolgens getest op de 20 procent resterende bekende data.

Betrouwbaarheid algoritme

Hoe betrouwbaar is deze methode? Van alle gevallen die het algoritme selecteert, blijkt 76 procent ook inderdaad een adverse event te bevatten. Een nadeel is echter dat het algoritme niet alle gevallen identificeert. Ruim de helft van de adverse events wordt niet herkend. ‘Dat moet beter kunnen’, vindt Van der Veen. Hij denkt dat dit ook kan doordat het algoritme vooralsnog alleen naar ontslagbrieven keek. ‘We willen nu graag het algoritme verbeteren door het hele patiëntdossier in beschouwing te nemen. Bovendien’, benadrukt Van der Veen, ‘gaat het er niet om alle adverse events te turven, als een soort kwaliteitsindicator voor het ziekenhuis. Het gaat er vooral om dat men door dossieronderzoek leert van vermijdbare adverse events en zo kan verbeteren.’

Doeltreffender dossieronderzoek

Daarom vindt Van der Veen de nauwkeurigheid van 76 procent erg bemoedigend. Het dossieronderzoek wordt er doeltreffender door. ‘Stel dat een ziekenhuis de capaciteit heeft om 100 dossiers door te lichten en ons algoritme selecteert er 100 op basis van de ontslagbrieven. Dan vindt het algoritme in 76 van die 100 dossiers een adverse event. Dit is een factor zeven doeltreffender dan wanneer het ziekenhuis een willekeurige steekproef van de dossiers zou onderzoeken. Uit het landelijk dossieronderzoek van Emgo-Nivel is namelijk gebleken dat gemiddeld 11 op de 100 sterfgevallen in een Nederlands ziekenhuis een of meer adverse event bevat. Dit betekent ook dat bij het huidige onderzoek van alle sterfgevallen in Nederlandse ziekenhuizen, zo’n 98 procent van de onderzochte dossiers voor niks wordt geanalyseerd. Zonde van de tijd. Met het algoritme zouden het er maar 24 zijn.’

Alle zorggerelateerde schade bekijken

Het verbeteren kan volgens Van der Veen nog een stap verder gaan. ‘Waarom zou je je beperken tot dossieronderzoek van sterfgevallen? Een veel groter deel van de zorggerelateerde schade leidt niet tot overlijden in het ziekenhuis. Dat wordt nu vanwege de toch al grote belasting van dossieronderzoek achterwege gelaten’, vermoedt Van der Veen. ‘Met dit soort algoritmes zou je in principe alle opnames in het ziekenhuis kunnen scannen op het voorkomen van adverse events ten behoeve van dossieronderzoek.’

Delier voorspellen

Delier, acute verwardheid bij vaak oudere patiënten, is zo’n voorbeeld van niet meteen dodelijke zorggerelateerde schade. De Praktijk Index deed er onderzoek naar in het Elisabeth-Tweestedenziekenhuis in Tilburg. ‘We hebben op basis van woordgebruik in de verslagen van verpleegkundigen een algoritme gemaakt dat herkent of een patiënt een delier ontwikkelt. Als een verpleegkundige schrijft dat een patiënt aan zich zelf plukt, niet weet waar hij is of het infuus er steeds probeert uit te trekken, er een alarm afgaat in het programma. Je kunt dan ook een advies tot actie inbouwen: laat een geriater naar deze patiënt kijken. Dan ben je echt real time aan het voorspellen.’

Tekst-mining

Het analyseren van ‘vrije tekst’, zogenoemde tekst-mining, is volgens Van der Veen in veel ziekenhuizen nog een onontgonnen gebied. ‘Maar liefst 90 procent van alle data in ziekenhuizen bestaat uit ongestructureerde data. Voordat ziekenhuizen hun schaarse tijd in nieuwe registraties steken, zouden ze hun bestaande databases moeten laten onderzoeken door data scientists. Door slimme software los te laten op bestaande medische data kunnen ziekenhuizen inzicht krijgen in tal van patronen en verbanden die nu onzichtbaar zijn. Je kunt groepen patiënten en opnames met een groot verbeterpotentieel detecteren, automatisch en dus veel sneller dan nu gebeurt.’

Medische data is actueler

De data die zo boven water komt, is veel actueler dan de informatie die ziekenhuizen nu halen uit sterftecijfers. Die gaan vaak over medische gebeurtenissen die al één jaar of langer geleden zijn. ‘Ziekenhuizen tuigen daarvoor wel speciale hsmr-commissies op om ervoor te zorgen dat die cijfers verklaard kunnen worden. Stel dat een ziekenhuis hoge sterfte heeft rond heupfracturen in 2016. Dan zie ik liever dat het zijn energie steekt in onderzoek hoe het er vorige maand of vorige week voorstaat met de uitkomsten, dan in het verklaren van dat oude getal. Ziekenhuizen kijken nu te ver terug. Met kunstmatige intelligentie kunnen ze zien hoe het nu gaat. Dat vinden artsen ook veel interessanter. Het motiveert als ze snel verbetering zien na interventies. En nog een stapje verder, dan kunnen er zelfs dreigende adverse events voorspeld worden. Dan zal er nog minder dossieronderzoek nodig zijn.’