Project Description

WACHTTIJD MONITOREN OP DE SPOEDEISENDE HULP

ZUYDERLAND

IN HET KORT

Wachten op medische hulp in een onverwachte situatie kan één van de meest stressvolle en frustrerende ervaringen zijn die patiënten en hun naasten meemaken. Het komt vaak voor dat mensen zich angstig voelen en in sommige gevallen agressief gedrag vertonen. Om ervoor te zorgen dat patiënten meer gerustgesteld zijn, besloot Zuyderland, een ziekenhuis in Zuid-Limburg, een innovatieve oplossing te introduceren om de patiëntenervaring te verbeteren.

Het concept was om de geschatte wachttijd op de spoedeisende hulp (SEH) weer te geven via schermen. Dit soort schermen wordt al gebruikt in verschillende Nederlandse ziekenhuizen. Maar wat maakt deze aanpak uniek? Zuyderland ging een stap verder door een monitor voor wachttijden per specialisatie te introduceren op basis van een statistisch model. Tijdens de ontwikkeling van deze oplossing heeft onze Data Science expert nauw samengewerkt met Zuyderland om een solide basis te vormen voor dit project:

  • Data voorbereiding

  • De ontwikkeling van een geschikt statistisch model
  • Domeinkennis en -expertise
  • Een werkend prototype van de monitor

HET CONCEPT

In het verleden wisten patiënten niet wat er zich achter de schermen afspeelde, maar nu krijgen ze een beter idee van hoe druk het is. Op basis van de drukte op de spoedeisende hulp kunnen patiënten nu beter inschatten wat de wachttijd is. Om privacy te waarborgen, loopt de berekende wachttijd uitsluitend vanaf het moment dat ze de SEH binnenkomen tot het moment dat ze behandeld worden.

DE UITDAGING

De eerste uitdaging was het verzamelen van data uit het SAP-systeem en deze direct omzetten naar real-time. Daarna werkten we aan de ontwikkeling van een statistisch model om de real-time situatie op de SEH nauwkeurig te beschrijven. Dit model gebruikt het aantal aanwezige mensen op de SEH om te berekenen hoe lang het duurt voordat een nieuwe patiënt aan de beurt is. Deze stap is complex omdat de data zowel nauwkeurig als up-to-date moet zijn. Soms is de data onvolledig, bijvoorbeeld als de gegevens van een patiënt die nog wacht nog niet helemaal zijn ingevoerd of bepaalde belangrijke info later komt. Om dit onder controle te krijgen, is het statistische model zo ontworpen dat het een maximale wachttijd kan aangeven. Dit helpt om realistische verwachtingen te creëren bij patiënten. Ten slotte is diepgaande kennis van het medische domein cruciaal voor dit project om data van hoge kwaliteit te garanderen.

TECHNIEKEN EN TECHNOLOGIEËN

Dit project vereiste een nauwe samenwerking tussen de Data Science expert van Mediaan en Zuyderland. Tijdens dit project werden de volgende methoden en technologieën gebruikt:

  • Microsoft SQL
  • Python
  • Statistical Modeling
  • Machine Learning
  • PowerBI

RESULTATEN

De oplossing verzamelt elke vijf minuten data, afhankelijk van het type patiënten en specialisaties. Het statistische model maakt een uitgebreide analyse van patiëntenstroompatronen, waarbij rekening wordt gehouden met instroomgegevens van de afgelopen twee jaar. Dit historisch inzicht, gecombineerd met real-time updates, biedt patiënten een transparante en betrouwbare schatting van hun wachttijden. In zijn geheel heeft deze innovatieve oplossing de ervaring van patiënten op de spoedeisende hulp aanzienlijk verbeterd.

WIL JE MEER WETEN?

ANDERE PROJECTEN