Project Description
HET VOORSPELLEN VAN PATIËNTOPNAMES OP DE SPOEDEISENDE HULP EN HET EFFICIËNT BEHEREN VAN MIDDELEN.
ZUYDERLAND
IN HET KORT
De afdeling Spoedeisende Hulp (SEH) van het Zuyderland Medisch Centrum is verantwoordelijk voor het ontvangen, onderzoeken en verzorgen van patiënten die onmiddellijke medische aandacht nodig hebben. Deze afdeling is een van de meest dynamische binnen het ziekenhuis en wordt continu bezocht door mensen met acute ziekten of verwondingen. Het team op de SEH bestaat uit gespecialiseerde verpleegkundigen en artsen die allerlei medische noodgevallen behandelen, van hartstilstand en beroertes tot ernstige verwondingen, complicaties tijdens de zwangerschap, astma-aanvallen en tal van andere kritieke gezondheidsproblemen.
Zuyderland werkt aan het verbeteren van de zorg door gebruik te maken van slimme technieken zoals AI en machine learning. Hiermee willen ze van tevoren kunnen inschatten wanneer patiënten naar de spoedeisende hulp moeten. Omdat het op de SEH hectisch en stressvol kan zijn, is het handig om te weten hoeveel patiënten er komen. Op die manier kan Zuyderland zorgen voor voldoende artsen, bedden, apparatuur en medicijnen om alle patiënten zo spoedig mogelijk te kunnen helpen. Tijdens dit project heeft een Data Science expert van Mediaan Conclusion Zuyderland ondersteund met:
Het verstrekken van bi-weekly (korte termijn) voorspellingen van de instroom van patiënten, waarbij rekening werd gehouden met variabelen zoals weersomstandigheden en feestdagen.
Het ontwikkelen van een gebruiksvriendelijk dashboard om data te visualiseren en besluitvorming te faciliteren.
HET CONCEPT
Het belangrijkste doel was om te zorgen dat iedere patiënt op de SEH snel de juiste hulp krijgt. Afhankelijk van hoe ernstig de toestand van de patiënt is, wordt een triagecode gebruikt om te beslissen wie het eerst geholpen moet worden. Een “noodgeval” kan van alles zijn: een groot auto-ongeluk, maar ook kleinere dingen zoals een val van de trap of een kleine brandwond door vuurwerk met oud en nieuw. De SEH kijkt hoe snel iemand hulp nodig heeft en helpt dan eerst de meest dringende gevallen. De allerergste gevallen gaan meteen naar de Intensive Care. Door te weten hoeveel mensen er komen en hoe ernstig hun situatie is, kan Zuyderland snel beslissen wie als eerste hulp nodig heeft. Ook kunnen ze zo beter plannen welk medisch team, welke bedden, apparaten en medicijnen ze nodig hebben. Het was daarom logisch om factoren zoals weersomstandigheden en feestdagen mee te nemen in onze voorspellingen. Heeft het ziekenhuis bijvoorbeeld meer mankracht nodig tijdens oudejaarsavond of ontvangt het meer patiënten tijdens regenachtige dagen?
DE UITDAGINGEN
Omdat we rekening hielden met variabelen zoals weersomstandigheden en feestdagen, moesten we bi-weekly voorspellingen op korte termijn doen om de nauwkeurigheid van onze voorspellingen te garanderen. Hiervoor hadden we modellen nodig die zich snel konden aanpassen aan dit soort data. Een andere uitdaging was dat onze historische data beperkt waren en slechts enkele jaren dekten. In een jaar zonder sneeuw was het bijvoorbeeld onmogelijk om betrouwbare voorspellingen te doen omdat we geen relevante steekproeven hadden. Deze beperking beïnvloedde natuurlijk onze voorspellingsresultaten. Wanneer we daarentegen wel over volledige data beschikten, was ons model in staat om nauwkeurige voorspellingen te doen. Een andere uitdaging was het uitsplitsen van onze voorspellingen naar specialisme binnen het ziekenhuispersoneel om de benodigde mankracht op specifieke momenten te bepalen.
TECHNIEKEN EN TECHNOLOGIEËN
Tijdens dit project hebben we nauw samengewerkt met onze klant. De volgende technieken en technologieën werden gebruikt:
Python
Time-Series Forecasting
Machine Learning
Microsoft SQL
Tableau
Docker
RESULTATEN
Op basis van de informatie uit de voorspellingen krijgt Zuyderland inzicht in hoe de patiëntenzorg op de SEH-afdeling kan worden geoptimaliseerd, om ervoor te zorgen dat patiënten van verschillende urgentieniveaus de juiste aandacht krijgen die ze nodig hebben. Het gebruiksvriendelijke dashboard bood overzichtelijke informatie, waardoor Zuyderland preventieve maatregelen kon nemen en hun middelen efficiënt konden beheren en toewijzen. Ze kregen ook waardevolle inzichten in hoe variabelen zoals weersomstandigheden en feestdagen van invloed zijn op opnames op de SEH.
WIL JE MEER WETEN?
