Data science om no-shows te voorkomen
Omdat het om kwaliteit van zorg gaat, vond Annette no-shows een geschikt onderwerp voor een onderzoekstraject samen met 6Gorilla’s, met als doel meer inzicht te krijgen in wat je kunt met data. Tenzinger consultant Quintijn Aman was één van de specialisten die GGz Breburg hierin begeleidde. Hij vertelt: “GGz Breburg beschikt over een datawarehouse dat wordt gevuld met data uit onder meer hun ECD. Ook hebben ze voldoende technische expertise in huis en zijn er naast Jan nog twee informatie-analisten die de inhoud goed kennen en de vertaalslag kunnen maken van de vragen van behandelaars, zorgadministrateurs of managers naar de data. Wat bij hen nog ontbreekt is kennis van data science: hoe kun je in grote datasets op zoek gaan naar patronen en afwijkingen daarin, naar causale verbanden et cetera?”
Jan bevestigt dat beeld. “Wij weten hoe we in de data kunnen controleren of een verband dat we vermoeden daadwerkelijk bestaat. Maar we weten niet hoe we totaal nieuwe en verrassende verbanden kunnen vinden. We willen op ontdekkingstocht door onze data.” Leren hoe je zo’n ontdekkingstocht aanpakt, is dan ook het belangrijkste doel van de samenwerking met 6Gorilla’s.
Sociale procesinnovatie in de zorg
Jan en Annette realiseren zich dat dit om meer gaat dan alleen maar het gebruik van technologie. Annette: “Het is ook sociale procesinnovatie. Het gaat ook over: hoe moeten we bepaalde gegevens voortaan zo registreren dat we er ook in ander opzicht wat mee kunnen? En hoe zorgen we er straks voor dat zorgverleners ook wat gaan doen met de voorspellingen?”
Mede om die reden is ervoor gekozen de zoektocht te beginnen met een project rondom no-shows. Dit is namelijk bij uitstek een thema waarbij data niet altijd volgens afspraak worden vastgelegd. Jan vertelt: “De formele werkwijze is dat je een afspraak die niet doorgaat in de agenda een bepaalde no-showcode meegeeft. Als we analyseren hoeveel afspraken dat zijn, komen we op nog geen half procent. Terwijl we de afgelopen jaren de indruk hebben gekregen dat dit percentage veel hoger is, minimaal tien procent. Daarom zijn we eerst gaan uitspitten waarom we dit niet uit onze data kunnen halen.”
Het team vond vier redenen:
- Sommige behandelaren zetten hun afspraken niet van tevoren in het ECD maar in hun eigen agenda en registreren de afspraak pas na afloop in het ECD;
- Veel behandelaren verschuiven een afspraak in de tijd als die op het allerlaatste moment wordt afgezegd of als iemand niet komt opdagen. Dan wordt de afspraak een week later opnieuw ingepland;
- Als een behandelaar een cliënt belt waar die blijft, dan veranderen sommigen de geplande fysieke afspraak van een uur naar een telefonisch consult van vijf minuten. Dit komt in het ECD terecht als gewijzigde afspraak;
- Bij groepsbehandelingen wordt de no-showcode niet gebruikt, maar wordt afwezigheid op een andere manier geregistreerd.
Organisatiecultuur
Dat de no-show code niet op de goede manier werd gebruikt, wist GGz Breburg eigenlijk wel. Maar er was nooit een reden om hier wat aan te doen. Dat heeft ook te maken met de organisatiecultuur, zegt Annette. “Behandelaars hebben in deze organisatie veel autonomie om te werken zoals ze dat willen. Dat is een belangrijke kracht van onze manier van werken. Maar het heeft ook tot gevolg dat de afspraken hoe we dingen vastleggen in het ECD niet altijd goed worden nageleefd. Dit project laat mooi zien dat de consequenties daarvan vaak veel groter zijn dan we op voorhand kunnen bedenken. Het heeft ons doen inzien dat we duidelijker moeten communiceren waarom het belangrijk is om die ECD-afspraken wél na te leven.”
Data verrijken
Ook Quintijn ziet dat dit project heeft geleid tot nieuwe inzichten als het gaat om registratie en datakwaliteit. “We hebben veel inzichten opgedaan hoe we de datakwaliteit kunnen verbeteren.” Eén van de verbeteringen is het verrijken van de data met informatie die mogelijk iets zegt over no-shows. Bijvoorbeeld met data over afspraken die op het laatste moment zijn verzet. Dat is niet zo eenvoudig als het lijkt, zegt Quintijn. “Want het gaat om enorm grote hoeveelheden data. Je kunt niet maar zo aannemen dat iedere afspraak die op het laatste moment is verzet een no-show is. Misschien was de behandelaar wel ziek. Misschien sneeuwde het wel en heeft de cliënt afgebeld omdat die slecht ter been is. Hier kom je alleen maar achter door in de details van enkele voorbeelden te duiken, want dan snap je wat er gebeurt. En dan ben je in staat om misschien toch in te schatten hoeveel procent van alle afspraken die op het laatste moment zijn verzet waarschijnlijk no-shows zijn.”
Betere intake
Het team ontdekte door de analyse van de data dat de belangrijkste voorspeller voor no-show het gegeven is of iemand al eerder eens niet is komen opdagen bij een afspraak. Natuurlijk spelen ook andere zaken een rol, zoals de afstand die iemand moet afleggen tot de behandellocatie en het weer, maar de cliënt zelf is de grootste veroorzaker van dit probleem. En dat maakt ook meteen dat Annette graag de volgende stap wil zetten: ontdekken of er uit de data die bij de intake wordt vastgelegd al kenmerken te halen zijn die voorspellen dat iemand een grote kans maakt op no-show. Ze zegt: “We leggen door veranderende processen in het kader van onze mentale gezondheidscentra en digitalisering van het intakeproces steeds meer gegevens vast voordat cliënten op intake komen. We verwachten dat we op termijn voldoende data hebben vastgelegd om ook deze gestructureerd te analyseren.”
Ook daarbij kijkt Annette door de bril van de behandelaar. “Vanuit het wachtlijstperspectief zou je misschien zeggen: neem cliënten waarvan je verwacht dat ze gedurende het traject vaak uitvallen liever niet in zorg. Maar dit zijn vaak juist de mensen die de zorg hard nodig hebben.”
Een andere uitdaging waar het team tegenaan liep is het feit dat ze weten dat er elders in de zorgketen veel relevante data beschikbaar zijn, maar dat ze daar door de AVG niet bij kunnen. Annette vindt uiteraard dat je de privacy van cliënten moet respecteren, maar het gaat haar een stap te ver als dat betekent dat je vanwege privacyoverwegingen minder goede zorg levert. “In de zorgketen is allerlei relevante informatie beschikbaar. Door de AVG-wetgeving is het koppelen van gegevens van verschillende partijen in de zorg niet toegestaan. Dat is jammer, want door het koppelen van de gegevens op macroniveau zouden we inzichten kunnen verkrijgen waarmee we de zorg echt kunnen verbeteren.”
Inspiratie
Dit alles maakt dat er nog veel paden zijn die het team kan bewandelen om meer inzichten te halen uit data. Jan: “Het belangrijkste doel van dit project is dat we als team beter leren hoe we in grote datasets op zoek kunnen gaan naar causale verbanden en hoe we op basis van die verbanden voorspellingen kunnen maken. Daar hebben we grote stappen in gezet. We zijn ons er nu nog bewuster van hoe belangrijk het is dat de informatie in het ECD klopt en dat iedereen op een uniforme manier registreert. We hebben ook kennis opgedaan van de technologieën die je hierbij inzet. En we hebben beter inzicht gekregen in nieuwe mogelijkheden van data science, denk bijvoorbeeld aan sentimentanalyse op basis van gespreksverslagen. Dat laatste gebruiken we nog niet, maar de kennis die we hebben opgedaan inspireert ons wel om door te gaan op de ingeslagen weg.”
Annette ziet dat de organisatie bovendien grote stappen heeft gezet in het verbeteren van de datakwaliteit. “Dat is een randvoorwaarde om over te gaan tot het bouwen van voorspellende algoritmen die aangeven bij welke cliënten de kans op no-show het grootst is.” Het team wil de analyse van de no-show data gebruiken om de kwaliteit van zorg te verbeteren en tegelijkertijd te werken aan het verkleinen van de wachtlijsten in de specialistische GGz. Annette kijkt met een schuin oog ook al verder dan alleen de no-shows. “We zijn er zeker van dat we ontzettend veel nieuwe inzichten kunnen halen uit alle informatie die we toch al om andere redenen vastleggen. Inzichten waarmee we de kwaliteit van onze behandeltrajecten kunnen verhogen.”
Dit artikel verscheen eerder in het Tenzinger Zorgverslimmers Magazine. Vraag het magazine hier aan.
