Project Description

HET WAARBORGEN VAN EEN OPTIMALE PLANNING IN HET ZIEKENHUIS

VOORSPELLEN VAN DE ZIEKENHUISBEDDEN-CAPACITEIT

IN HET KORT

De gezondheidszorg van een land is een kritieke infrastructuur die een capaciteitsplanning op lange termijn vereist. Om optimaal te kunnen plannen, logistieke problemen te voorkomen en effectievere preventieve maatregelen te nemen, is inzicht in het aantal beschikbare ziekenhuisbedden en patiëntenbewegingen van groot belang.

Bij het verplaatsen van patiënten van de ene afdeling naar de andere komt meer kijken dan het lijkt. Vaak worden patiënten tijdelijk op vrije bedden van andere afdelingen geplaatst tot er bedden beschikbaar komen. Dit vereist tijdige coördinatie, een vroegtijdig verzoek zou dus de logistieke problemen verminderen. Als er een grote instroom van patiënten komt, is het belangrijk dat er voldoende personeel is om de patiënten goed op te vangen en klinische zorg te verlenen. Ten slotte is het essentieel dat het ziekenhuispersoneel beschikt over de juiste informatie om efficiëntere preventieve maatregelen te nemen, zoals het uitvoeren van meer ontslagrondes wanneer er sprake is van een piekende instroom van patiënten.

Tijdens dit project ondersteunden onze Data Science experts onze klant, een ziekenhuis in het zuiden van Nederland, met:

  • Voorspelling van patiënteninstroom

  • Statistische simulatie van patiëntenbewegingen binnen het ziekenhuis

  • Dashboard ontwikkeling

UITDAGINGEN

Om nauwkeurige simulaties te waarborgen, moesten we de data constant verfijnen om een hoogwaardige dataset te verkrijgen. Daarnaast moesten we een evenwicht vinden waarbij je specifiek genoeg moet zijn om een accurate voorspelling te genereren, maar niet te specifiek zodat je nog steeds een simulatie kunt uitvoeren, anders heb je geen patroon om te voorspellen.

HET CONCEPT

Het team creëerde een hybride model om onze klant de best mogelijke oplossing te bieden. We zorgden ervoor dat het model niet alleen het aantal opgenomen patiënten kon voorspellen, maar ook onder- en bovengrenzen aangaf met een zekere mate van betrouwbaarheid. Zo kun je strategisch plannen voor worse-case scenario’s. Mocht je bijvoorbeeld meer patiënten opnemen dan statistisch verwacht, dan heb je nog steeds voldoende capaciteit. Met de informatie uit deze voorspelling wordt vervolgens de verplaatsing van patiënten van de ene naar de andere afdeling gesimuleerd. Vervolgens hebben we een gebruiksvriendelijk dashboard ontwikkeld dat een duidelijk en beter overzicht toont.

MEDIAAN IN ACTIE

Tijdens dit project hadden Data Scientists van Mediaan een leidende rol. We werkten nauw samen met onze klant, vooral met hun Data Scientists, Data Analisten en Applicatie Specialisten. De volgende methoden en technologieën werden gebruikt:

  • Python

  • Time-Series Forecasting

  • Machine Learning

  • Microsoft SQL

  • Tableau

  • Docker

  • Apache Airflow

RESULTATEN

Ondanks de uitdagingen konden we onze klant helpen hun probleem op te lossen. De oplossing die wij leverden gaf onze klant inzicht in het voorspelde aantal binnenkomende patiënten en de gesimuleerde beweging van patiënten van de ene naar de andere afdeling. Dit leidde tot betrouwbare voorspellingen van het aantal benodigde bedden in het hele ziekenhuis, wat nuttig was voor de capaciteitsplanning op lange termijn.

WIL JE MEER WETEN?

ANDERE PROJECTEN