Memo Tekstmining. Technieken en toepassingen in de zorg. mei De Praktijk Index
|
|
- Mathilda Martha Dijkstra
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Memo Tekstmining Technieken en toepassingen in de zorg mei 2018 De Praktijk Index Rembrandtlaan BG Bilthoven
2 Haal meer (kwaliteit) uit uw data Probleem: groeiende registratielast De gezondheidszorg wordt geplaagd door grote administratieve lastendruk. Ook ziekenhuizen moeten steeds meer en gedetailleerdere data aanleveren aan zorgverzekeraars, overheden en toezichthouders. Artsen en verpleegkundigen besteden ongeveer 40% van hun tijd aan vastlegging en registratie. Dat is een tijdsbeslag dat ten koste gaat van de zorg voor de patiënt. Daarnaast is het een aanzienlijke kostenpost, zeker als de kosten van het administratieve apparaat dat deze registratielast moet faciliteren (personeel en ICT) wordt meegerekend. Het automatiseren van een deel van het proces van registratie biedt een oplossing voor dit probleem. Oplossing: van digitalisering naar automatisering Met de komst van nieuwe EPD s wordt de registratie in ziekenhuizen gedigitaliseerd. Daarmee zijn alle patiëntgegevens digitaal beschikbaar en vaak ook te ontsluiten voor de patiënt. De administratieve last is hiermee in de meeste gevallen echter niet teruggedrongen. Artsen en verpleegkundigen zijn nog steeds veel tijd kwijt met de handmatige invoer van gegevens. Het aantal (digitale) formulieren en checklists dat zij moeten doorlopen is er niet minder op geworden. Er is winst te behalen door na deze digitalisering ook een automatiseringsslag te maken. Daarmee bedoelen we het automatisch afleiden van informatie uit de primaire bron, namelijk dat wat de zorgverlener vastlegt in het patiëntendossier. Het grootste gedeelte hiervan betreft geschreven tekst. Tekstmining technieken kunnen deze berg data ontsluiten. Tekstmining: toepassingsmogelijkheden in de zorg Vrije tekst in het patiëntendossier betreft onder meer ontslagbrieven, klinische decursus, verpleegkundige notities, OK verslagen, etc. Deze vrije tekst is niet alleen van groot belang voor het primaire zorgproces en overdracht tussen zorgverleners. Het is ook de bron voor verschillende toepassingen en aanvullende registratieprocessen. Denk aan de medische codering, bron voor indicatoren, DBC codering, etc. De tekst wordt handmatig gelezen en geïnterpreteerd. Dit deel kan met tekstmining geautomatiseerd worden. Verderop gaan we in op de verschillende technieken en methoden die hiervoor beschikbaar zijn. Er zijn talrijke toepassingsmogelijkheden van deze tekstmining technieken in de zorg. We lichten er een drietal uit die hieronder nader worden toegelicht. Pagina 1 van 4
3 Automatische codering van ICD10 en DBC codes Probleem: codering van ICD10 codes en DBC codes kost veel tijd, loopt achter en is onnauwkeurig of onvolledig. Oplossing: toepassing van tekstmining om automatisch ICD10 of DBC codes af te leiden uit de vrije teksten in het dossier. Voordeel is dat er geen variatie is tussen codeurs of artsen die de codes handmatig moeten invullen. Resultaat: eerste resultaten bij ICD10 codes voor de meest voorkomende diagnosen binnen chirurgie en cardiologie worden met een precisie van 0,94 toegekend. Dat wil zeggen dat in 94% van de gevallen de juiste code wordt gekozen. Businesscase: alleen al de medische codering van ICD10 diagnosen kost een gemiddeld ziekenhuis zo n tot euro. Als het ziekenhuis de ICD10 codes door de medisch specialist laat vastleggen zijn de kosten nog veel hoger. Daarnaast zijn in ieder ziekenhuis meerdere DBC controleurs aan het werk. Het automatiseren van deze processen levert een enorme besparing op. Automatisch in kaart brengen voorgeschiedenis Probleem: De informatie over de voorgeschiedenis van patiënten is versnipperd aanwezig in het EPD. De consequentie is dat artsen veel tijd kwijt zijn met zoeken naar de juiste informatie en niet zeker weten of ze een compleet beeld hebben. Dit kan tot gevolg hebben dat er soms relevante informatie wordt gemist, met de bijbehorende risico s voor de kwaliteit en patiëntveiligheid. Oplossing: Via tekstmining en gerelateerde technieken zowel de gestructureerde informatie als de vrije tekst met relevante informatie over de voorgeschiedenis van de patiënt bij elkaar te brengen. Resultaat: Artsen hebben sneller inzicht in de voorgeschiedenis van patiënten doordat de beschikbare informatie in één overzicht samengevat wordt gepresenteerd, met doorklikmogelijkheid naar de bron. Businesscase: Het alternatief voor bovengenoemde oplossing is het laten bestaan van de huidige situatie, waar artsen veel tijd kwijt zijn aan zoeken naar informatie op verschillende plekken in het EPD, met de nodige frustratie en risico s. Een ander alternatief is dat artsen handmatig alle gegevens in het (nieuwe) EPD invoeren: daarmee worden de duurste krachten van het ziekenhuis ingezet voor administratieve taken. De businesscase voor deze oplossing is dus snel gemaakt. Automatische detectie van adverse events Probleem: een ziekenhuis heeft slechts versnipperd inzicht in adverse events, op basis van meldingen of een zeer beperkte steekproef van dossiers waar handmatig tijdrovend dossieronderzoek wordt uitgevoerd. Daardoor is het lastig om patronen te herkennen en tot concrete verbeterpunten te komen. Oplossing: toepassing van tekstmining om adverse events op te sporen op dossiers van álle patiënten. Op die manier wordt de omvang en lokalisatie duidelijk. Dit biedt focus voor verbeterinitiatieven. Resultaat: eerste resultaten laten een precisie van 0,7 zien. Momenteel wordt in vier ziekenhuizen tekstmining toegepast voor detectie van adverse events. Businesscase: handmatig dossieronderzoek op een steekproef van dossiers, wat de meeste ziekenhuizen doen, kost jaarlijks ca euro. Het levert resultaten op van een zeer beperkte steekproef van patiënten, waarvan het doorgaans lastig is om tot concrete verbeterpunten te komen. Automatische detectie van adverse events levert niet alleen een besparing op, maar levert inzicht in adverse events over de gehele ziekenhuispopulatie. De tijd van betrokken professionals kan zo worden besteed aan de gebieden waar het grootste verbeterpotentieel ligt. Pagina 2 van 4
4 Tekstmining: methoden en technieken Tekstmining is volgens Wikipedia het proces om met allerhande ICT-technieken waardevolle informatie te halen uit grote hoeveelheden tekstmateriaal. Met deze technieken wordt gepoogd patronen en tendensen te ontwaren. Concreet gaat men teksten softwarematig structureren en ontleden, transformeren, vervolgens inbrengen in databanken, en ten slotte evalueren en interpreteren. De technologie die we gebruiken is afkomstig uit de wereld van big data science, tekstmining en kunstmatige intelligente. Een deelgebied van tekstmining is Natural Language Processing (NLP). Dit behelst de mogelijkheid van software om menselijke geschreven of gesproken taal te begrijpen. Concreet betekent dit dat de software verschillende eigenschappen van natuurlijke taal herkent, zoals synoniemen, typefouten, afkortingen, vage formuleringen en dialect. Dit is onder andere mogelijk doordat de software niet kijkt naar losse woorden maar naar de totale context waarin ieder woord staat. NLP maakt gebruik van kunstmatige intelligentie. Met kunstmatige intelligentie wordt menselijke intelligentie nagebootst door middel van computertechnologie. Om intelligentie, bijvoorbeeld het herkennen van een zorggerelateerde infectie, te vatten in een computermodel moet dit model gevuld worden met kennis over ziekenhuisinfecties. Dit leren van de computer kan enerzijds geoperationaliseerd worden door tussenkomst van mensen, dit heet supervised learning. Er wordt bijvoorbeeld een lijst met trefwoorden (concepten) ingevoerd die geassocieerd zijn met infecties in het ziekenhuis. Het is ook mogelijk dat de computer zelf in staat is om te leren zonder dat dit expliciet is ingeprogrammeerd (unsupervised learning). Deze techniek heet machine learning of deep learning. We maken gebruik van zowel NLP als machine learning. De software die wij toepassen is een verzameling van licentie software, open source software en maatwerk software. Het geheel kan beschouwd worden als de gereedschapskist van de hedendaagse data-scientist. Door toepassing van deze tekstmining technieken wordt een kennismodel opgebouwd over diverse werkgebieden. Dit model combineert de kennis van verschillende ziekenhuizen, uit zowel tekstbronnen als gestructureerde informatie. Ieder ziekenhuis dat tekstmining toepast zal dus gebruik maken van de beschikbare kennis uit andere instellingen. Uiteraard wordt altijd eerst de voorspellende waarde in de specifieke situatie van het ziekenhuis bepaald (zie ook onder het stappenplan). Plan van aanpak Wat is er nodig/ randvoorwaarden De data (tekstbestanden) waar de tekstmining op wordt losgelaten worden op een server in het ziekenhuis klaargezet. De data verlaat het ziekenhuis dus niet. Het gaat om een kopie van de data, waardoor het dus niet intervenieert met het primaire zorgproces. Er wordt door het ziekenhuis dus een lokale server beschikbaar gesteld. Medewerkers van ICT/ beheerders van het datawarehouse van het ziekenhuis zetten de data klaar op deze server. Afhankelijk van het ZIS/ EPD van het ziekenhuis en de omvang van de populatie kost dit ca 20 tot 40 uur. Dit kan eventueel ook door data-analisten van de Praktijk Index worden uitgevoerd. De Praktijk Index richt vervolgens de server in met de benodigde programmatuur en bewerkt de data zodat het in het juiste format staat om van start te kunnen met de tekstmining. Wordt de tekstmining real time toegepast (op dossiers van patiënten die op dat moment in het ziekenhuis liggen), dan is het noodzakelijk de data bijvoorbeeld dagelijks of ieder uur te actualiseren. Daarvoor moet de data-extractie uit het EPD worden geautomatiseerd. Pagina 3 van 4
5 Stappenplan Bij tekstmining toepassingen worden over het algemeen de volgende stappen doorlopen: 1. Initiatie: inrichten van de server, klaarzetten en voorbewerking van de data 2. Selectie: afhankelijk van het onderwerp en de toepassing wordt de selectie van dossiers gemaakt waar de tekstmining op wordt losgelaten. 3. Classificatie: Als input voor het te trainen model wordt gebruik gemaakt van betrouwbare geclassificeerde data die al aanwezig is in het ziekenhuis. Wanneer dit niet of onvoldoende aanwezig is, wordt een deel van de geselecteerde dossiers handmatig geclassificeerd door experts van de Praktijk Index, eventueel samen met experts van het ziekenhuis. Dit gebeurt door middel van onze classificatiesoftware. 4. Training: op basis van ca. 80% van de geclassificeerde dossiers wordt een kennismodel gemaakt voor de specifieke toepassing. Dit wordt waar van toepassing gecombineerd met de reeds beschikbare kennismodellen uit andere tekstmining toepassingen. 5. Validatie: de resterende 20% van de geclassificeerde dossiers worden gebruikt om het ontwikkelde kennismodel te toetsen en de nauwkeurigheid de sensitiviteit en positieve voorspellende waarde (recall) - te bepalen. Soms is het nodig een aantal iteraties van classificatie, training en validatie uit te voeren om tot de gewenste nauwkeurigheid te komen. Dit hangt uiteraard af van het onderwerp en de toepassing. 6. Toepassing: wanneer tijdens de validatie de gewenste nauwkeurigheid is gebruikt, kan het kennismodel op de andere dossiers worden losgelaten. Uiteraard kan vanuit de toepassing altijd kennis worden gegenereerd die weer kan worden gebruikt om het kennismodel verder te verbeteren. Het wordt daarmee continue doorontwikkeld en beweegt mee met veranderingen en ontwikkelingen. Het resultaat: werkende software die handmatige processen automatiseert De toepassing van tekstmining is vooral bedoeld om tijdsintensieve en dure processen in het ziekenhuis te automatiseren. Het resultaat is bijvoorbeeld een kennismodel waarmee ICD10 codes worden afgeleid, de voorgeschiedenis wordt geëxtraheerd of adverse events worden gedetecteerd. Deze resultaten worden in een softwaretool opgeleverd, afhankelijk van de specifieke wensen van het ziekenhuis. Privacy Zoals gezegd wordt de tekstmining lokaal in het ziekenhuis uitgevoerd, op een server waar de data beschikbaar wordt gesteld. De data verlaat het ziekenhuis dus niet. Het ziekenhuis bepaalt wie er toegang hebben tot de server en de resultaten van de tekstmining. Desgewenst kunnen de teksten geanonimiseerd worden door middel van speciale software die namen herkent en verwijdert. Patiënten kunnen een onderzoeksnummer toegekend krijgen, waarmee de herleidbaarheid naar de patiënt voor het ziekenhuis wordt geregeld, zonder dat onnodig tot de persoon herleidbare gegevens worden gebruikt. Uiteraard wordt de geheimhouding contractueel vastgelegd in een overeenkomst met de Praktijk Index. Contact en meer informatie Voor meer informatie kunt u contact opnemen met de Praktijk Index: Pieter-Frank van Boven / info@depraktijkindex.nl Pagina 4 van 4
Context Informatiestandaarden
Context Informatiestandaarden Inleiding Om zorgverleners in staat te stellen om volgens een kwaliteitsstandaard te werken moeten proces, organisatie en ondersteunende middelen daarop aansluiten. Voor ICT-systemen
Nadere informatieRobotic accounting & machine learning
Robotic accounting & machine learning Door: Gerard Bottemanne, Onderzoeksbureau GBNED 13 september 2017 Begripsvorming Samenhang tussen Robot, robotic process automation en robotic accounting Robot Eerst
Nadere informatie15 Mate van dekkingsgraad, een eerste aanzet tot baten
15 Mate van dekkingsgraad, een eerste aanzet tot baten Sanneke van der Linden Sinds 2007 organiseert M&I/Partners de ICT Benchmark Ziekenhuizen. Op hoofdlijnen zijn de doelstellingen en aanpak van de ICT
Nadere informatieResultaten van de eerste MIM Snomed Hackathon
Resultaten van de eerste MIM Snomed Hackathon 1. Context AZ Sint-Lucas Gent Vandaag - één ziekenhuisbreed kerndossier (medisch) met één centrale medische voorgeschiedenis gedeeld en samen beheerd synthese,
Nadere informatieRegistratie aan de bron: secundair gebruik. dr. Jetty Hoeksema NFU/LUMC
Registratie aan de bron: secundair gebruik dr. Jetty Hoeksema NFU/LUMC Scope Registratie aan de Bron in totale speelveld: kleine stappen Zorgverlening Primair zorgproces Patient- Participatie (PGD ed)
Nadere informatieSAMENVATTING Een arts is, als professional, geïnteresseerd in de kwaliteit van zijn werk en in manieren om deze verder te verbeteren. Systematische, retrospectieve beoordeling van de eigen dagelijkse medische
Nadere informatieAan de Vaste Kamercommissie Volksgezondheid, Welzijn en Sport
Aan de Vaste Kamercommissie Volksgezondheid, Welzijn en Sport Geachte Kamerleden, Aanstaande dinsdagavond spreekt u over het Implantatenregister (Wijziging van de Wet kwaliteit, klachten en geschillen
Nadere informatieDossieronderzoek volgens de EMGO+/NIVEL methode
Dossieronderzoek volgens de EMGO+/NIVEL methode M. Langelaan Voor een goed begrip Uitkomstmaten in dossieronderzoek Zorggerelateerde schade Let op: vermijdbaar verwijtbaar Niet vermijdbare schade Vermijdbare
Nadere informatieZorggerichte meerwaarde bieden.
Zorggerichte meerwaarde bieden Zorggerichte oplossingen Patiënten verdienen de best mogelijke zorg en aandacht van artsen en verpleegkundigen. Wij helpen u daarbij. Hoe? Door uw werk makkelijker te maken.
Nadere informatieRegie op implementatie
Regie op implementatie Wat houdt dat in en hoe zorgen we dat het gebeurt? Registratie aan de bron Waarom regie op implementatie? Concrete implementaties, in de praktijk werkend en gebruikt informatie-uitwisseling
Nadere informatieBelangrijkste uitdagingen voor landelijke versnelling van verwijzen
Belangrijkste uitdagingen voor landelijke versnelling van verwijzen 1. Belangrijke knelpunten voor versnelling uitwisseling eerste- naar tweedelijns instellingen 2. Belangrijke knelpunten voor versnelling
Nadere informatieDe invloed van Lean interventies over meerdere jaren op laboratorium performance
Date 1-11-2013 1 Lang Lean, Perfecte Performance? De invloed van Lean interventies over meerdere jaren op laboratorium performance COPE 2013 Oskar Roemeling University of Groningen o.p.roemeling@rug.nl
Nadere informatiePersonaliseren van de zorg
Personaliseren van de zorg Nevi Zorgcongres Hyleco Nauta 8 februari Sense of urgency Vergrijzing Preventie Internet of things (nieuwe spelers) Patiënt regie Toenemende zorgkosten Big Data (pesonalisering)
Nadere informatieRobotic accounting & machine learning
Robotic accounting & machine learning Door: Gerard Bottemanne, Onderzoeksbureau GBNED 19 september 2018 Begripsvorming Robotic accounting Robotic accounting heeft betrekking op Boekhoudfuncties in de brede
Nadere informatieNaam van het project: iknow Portal
Naam van het project: iknow Portal URL van het project: Naam van de instelling: UZ Brussel (UZB) Aard van de instelling / beleidsniveau: Universitair Ziekenhuis Naam van de projectverantwoordelijke: Olivier
Nadere informatieMijn 7 grootste inzichten in ICT in de zorg uit de afgelopen 15 jaar
Mijn 7 grootste inzichten in ICT in de zorg uit de afgelopen 15 jaar Gebaseerd op ervaringen die ik opdeed in meer dan 10 verschillende ziekenhuizen Mirjan van der Meijden Zorginformatisering Vooraf In
Nadere informatieSTAPPENPLAN BIJ HET MODEL STUURYSTEEM DECUBITUS (PROJECT DECUBITUSZORG IN DE DAGELIJKSE PRAKTIJK; DOOR STUREN STEEDS BETER)
STAPPENPLAN BIJ HET MODEL STUURYSTEEM DECUBITUS (PROJECT DECUBITUSZORG IN DE DAGELIJKSE PRAKTIJK; DOOR STUREN STEEDS BETER) Juni 2004 INLEIDING Voor u ligt een stappenplan dat gebaseerd is op de CBO-richtlijn
Nadere informatieIMPLEMENTATIE VAN INFORMATIESTANDAARDEN IN EEN EPD AMC/VUMC
IMPLEMENTATIE VAN INFORMATIESTANDAARDEN IN EEN EPD AMC/VUMC Reino Petrona Informatiemanager Patiëntenzorg Vumc Lindsay Chang Informatiearchitect Patiëntenzorg AMC INHOUD Achtergrond informatie programma
Nadere informatieWaternet Datalab. KI in de praktijk. KI in de watersector, 25 juni 2019 Alex van der Helm
Waternet Datalab KI in de praktijk KI in de watersector, 25 juni 2019 Alex van der Helm alex.van.der.helm@waternet.nl Waternet watercyclusbedrijf Amsterdam Ons werkgebied 18 gemeenten Ca 1,3 miljoen inwoners
Nadere informatieHet EPD in het JBZ. Programma Digitaal Werken Bossche Samenscholingsdagen 5 oktober 2014
Het EPD in het JBZ Programma Digitaal Werken Bossche Samenscholingsdagen 5 oktober 2014 Aankondigingstekst in brochure In januari 2014 is het eerste specialisme binnen het JBZ gestart met het digitaal
Nadere informatieRegeldruktoets Landelijk Implantatenregister
Regeldruktoets Landelijk Implantatenregister De gevolgen voor ziekenhuizen van de wijziging van de Wet Kwaliteit, Klachten, Geschillen in de Zorg (Wkkgz) m.b.t. het landelijk implantatenregister (TK 34483)
Nadere informatieDiagnose- en Verrichtingenthesaurus
Diagnose- en Kenmerken en codemapping Auteurs DHD Versie: 1.2 november 2018 Vertrouwelijkheid: openbaar Inhoudsopgave Versiebeheer... 3 1 Kenmerken en codemapping in de Diagnose- en... 4 1.1 Doel van dit
Nadere informatieVan Telefoonnummer E-mailadres Kenmerk NZa, directie Regulering 088-7708770. Toelichting opties invoering DSM-5 16 februari 2016
Memo Aan Ministerie van VWS Van Telefoonnummer E-mailadres NZa, directie Regulering 088-7708770 Onderwerp Datum Toelichting opties invoering 16 februari 2016 Eind 2014 heeft het Zorginstituut Nederland
Nadere informatieHL7 HQMF, emeasures. Business Case Anneke Goossen
HL7 HQMF, emeasures Business Case Anneke Goossen 1 24-11-2015 Onderwerpen Inhoud van de business case Achtergrond Problemen in het veld Wat is HL7 HQMF, emeasures Zorginformatie in Nederland Stakeholders
Nadere informatieScan Docs Invoice Suite Product Datasheet (NL) Datum: 02-4-2009 Versie: Fout! Onbekende naam voor documenteigenschap. Auteur(s): www.scandocs.
Product Datasheet (NL) Datum: 02-4-2009 Versie: Fout! Onbekende naam voor documenteigenschap. Auteur(s): www.scandocs.nl Belangrijkste voordelen Grote besparingen mogelijk op personeelskosten door geautomatiseerde
Nadere informatieZiekenhuis.ai. Artificial Intelligence in de zorg. FIZI congres, juni 2019
Ziekenhuis.ai Artificial Intelligence in de zorg FIZI congres, juni 2019 Vertrouwelijk: gebruik van deze informatie zonder expliciete schriftelijke toestemming is verboden. Uitkomsten of conclusies zijn
Nadere informatieHet elektronisch dossier van de zorgverlener en de patiënt wordt het belangrijkste instrument om nieuwe medische kennis te verwerven
Diagnostics Quality of care EMD als registratie- en kennisinstrument Education development Care for the elderly Nicolas Delvaux, 22 oktober 2015 www.achg.be Het elektronisch dossier van de zorgverlener
Nadere informatieOnline Rapportages en Grafieken. Meer inzicht in de eigen HIV-patiëntpopulatie
Online Rapportages en Grafieken Meer inzicht in de eigen HIV-patiëntpopulatie Het verzamelen van gegevens is een zeer belangrijk onderdeel van de reguliere gezondheidszorg voor HIVpatiënten. De Stichting
Nadere informatieElektronisch patiëntendossier (EPD)
Elektronisch patiëntendossier (EPD) ELEKTRONISCH PATIËNTENDOSSIER Landelijk EPD Het ministerie van VWS werkt aan een landelijk EPD. Dat is een systeem waarlangs zorgverleners snel en betrouwbaar medische
Nadere informatieRegistratie Data Verslaglegging
Sjablonen Websupport Registratie Data Verslaglegging Websites Inrichtingen Video solutions Rapportages Consultancy Imports Helpdesk Exports Full Service Dashboards Registratie Koppelen en controleren De
Nadere informatieEvaluatie diagnosethesaurus
Evaluatie diagnosethesaurus Van tabel tot gebruik 12 mei 2016 Evaluatie diagnosethesaurus: van tabel tot gebruik Wat was ook alweer het doel van de diagnosethesaurus? Evaluatie product en gebruik in de
Nadere informatieC.L.A. Reichert, Cardioloog A. van der Ploeg, Klinisch pad coördinator cardiologie Medisch Centrum Alkmaar November 2014
C.L.A. Reichert, Cardioloog A. van der Ploeg, Klinisch pad coördinator cardiologie Medisch Centrum Alkmaar November 2014 Disclosures : geen Hartrevalidatie naar het model van CAPRI Rotterdam Oefenen olv
Nadere informatieTriggertool dossieronderzoek Reflex Toelichting functionaliteit en werkwijze
Triggertool dossieronderzoek Reflex Toelichting functionaliteit en werkwijze Versie 1.0 17 april 2014 Triggertool voor dossieronderzoek in Reflex Als nieuwe functionaliteit in Reflex hebben we de triggertool
Nadere informatieValidatiestudie van de nationale surveillance van nosocomiale infecties op IZ
Validatiestudie van de nationale surveillance van nosocomiale infecties op IZ Ann Versporten, Ingrid Morales, Carl Suetens National Surveillance of Infections in Hospitals 1 Algemene doelstelling Valideren
Nadere informatieLean verbeteringen in de zorgadministratie: een kijkje achter de schermen van de zorg
Lean verbeteringen in de zorgadministratie: een kijkje achter de schermen van de zorg 28-03-2013 In Nederlandse ziekenhuizen sterven jaarlijks 2000 mensen onnodig, omdat veel ziekenhuizen hun sterftecijfers
Nadere informatieEen foto zegt meer dan duizend woorden
Een foto zegt meer dan duizend woorden Open Circle Solutions Inhoud 3 4 6 8 9 10 Beeldherkenning Hoe werkt het De mogelijkheden van beeldherkenning OCS beeldherkenning 6-stappenplan Beeldherkenning op
Nadere informatieCase Study: Het Oogziekenhuis Rotterdam. Oogziekenhuis Rotterdam met open EPD voorbereid op zorg van de toekomst
Oogziekenhuis Rotterdam met open EPD voorbereid op zorg van de toekomst 1 UITDAGINGEN Van papieren naar elektronische dossiers Zorgverleners centraal toegang geven tot patiëntgegevens Efficiëntie optimaliseren
Nadere informatieKennismaking met Process Mining in de zorg. 1 december 2014
Kennismaking met Process Mining in de zorg 1 december 2014 Rob van de Coevering -> 2009 Business (BPM) Consultant 2009 2011 IT Manager KWF Kankerbestrijding 2011 2013 Project leider www.kanker.nl 2013
Nadere informatieWhitepaper Intelligente PIM oplossingen
Whitepaper Intelligente PIM oplossingen The value is not in software, the value is in data and this is really important for every single company, that they understand the data they ve got. Intelligente
Nadere informatieFinanciële Consultancy op en rondom CS EZIS - Praktijksituaties
zorgon Financiële Consultancy op en rondom CS EZIS - Praktijksituaties Zorgon ondersteunt ziekenhuizen bij de optimalisatie van haar basisadministratie en het wegnemen van kostbare en vervelende DBC/ DOT/
Nadere informatieVan data naar informatie
Van data naar informatie 1 Integrale management informatie 2 Cloud BI Geschiedenis 3 Wat is Cloud BI? 4 Van data naar informatie 6 Hoofdstuk Goede marktpositie Financieel gezond Kostprijzen Budgetteren
Nadere informatieBenchmark van complicaties en reïnterventies van pacemaker- of ICD implantaties. Concept / 10 januari 2019 / versie
Benchmark van complicaties en s van pacemaker- of ICD implantaties Concept / 10 januari 2019 / versie 2018.0.4 Versie: 2018.0.4 Datum: 10 januari 2019 Voor informatie neem contact op met: Nederlandse Hart
Nadere informatieDe noodzaak van een geïntegreerd ECD
De noodzaak van een geïntegreerd ECD Whitepaper 2 UNIT4 De noodzaak van een geïntegreerd ECD De noodzaak van een geïntegreerd ECD Papieren dossier maakt plaats voor geïntegreerd ECD dat multidisciplinair
Nadere informatiePatiëntveiligheid in ziekenhuizen. 12,5 jaar onderzoek, successen en nieuwe uitdagingen
Patiëntveiligheid in ziekenhuizen 12,5 jaar onderzoek, successen en nieuwe uitdagingen Patiëntveiligheid is een continu proces Ziekenhuizen willen de beste zorg bieden aan hun patiënten. Maar behandelingen
Nadere informatieRegeldruk in de curatieve zorg Regels die eenvoudiger kunnen of als overbodig worden ervaren
Regels die eenvoudiger kunnen of als overbodig worden ervaren Het ministerie van Volksgezondheid, Welzijn en Sport zet zich actief in om de regeldruk binnen onder andere de curatieve zorg te verminderen.
Nadere informatieTerminologie in de roadmap
1 Terminologie in de roadmap Dr. I. Mertens Diensthoofd Datamanagement 26 mei 2016 Dienst Datamanagement DG GS FOD VOLKSGEZONDHEID, VEILIGHEID van de VOEDSELKETEN EN LEEFMILIEU 2 Agenda Roadmap e-gezondheid
Nadere informatieInhoudsopgave. Uitdagingen in de zorg Investeren in Private Cloud. Ontzorging met de blik op zorgverlening Private Cloud voordelen
Inhoudsopgave Uitdagingen in de zorg Investeren in Private Cloud Ontzorging met de blik op zorgverlening Private Cloud voordelen Uitdagingen in de zorg De zorgbranche staat flink onder druk. De grote vraag
Nadere informatieBetere diagnostiek. Betere zorg. Informatie Beraad, 6 februari Dr. Stefan W illems
Betere diagnostiek. Betere zorg. Informatie Beraad, 6 februari 2 0 1 9 Dr. Stefan W illems s.m.willems-4 @umcutrecht.nl/ 0 6-45440342 Uit de praktijk gegrepen Patiëntje Jeroen uit Ede 11 jaar werd via
Nadere informatieOPSIS OOGZIEKENHUIS PRIVACYREGLEMENT. Patiënt bij Opsis Oogziekenhuis
OPSIS OOGZIEKENHUIS PRIVACYREGLEMENT Patiënt bij Opsis Oogziekenhuis PRIVACYREGELING OPSIS OOGZIEKENHUIS Als patiënt heeft u het recht op bescherming van uw medische gegevens. Een zorgverlener (oogarts,
Nadere informatieKennisontwikkeling voor de gehele zorgketen
Kennisontwikkeling voor de gehele zorgketen Casemix is een ondernemend adviesbureau met hart voor de zorg Wij maken de zorg beter! Kwantitatieve data-analyse is de basis Bekostiging Doelmatigheid Interne
Nadere informatieDe alles-in-1 Zorgapp
De alles-in-1 Zorgapp Tevreden cliënten en medewerkers Impact van zorgapps op de zorgverlening Meerwaarde van zorgapps in het zorgproces De rol van de zorgverlener verandert in rap tempo door nieuwe technologie
Nadere informatieInformatiebeveiliging en Privacy; beleid CHD
Informatiebeveiliging en Privacy; beleid CHD 2018-2020 Vastgesteld MT 19 december 2017 Stichting Centrale Huisartsendienst Drenthe Postbus 4091 9400 AK Assen 2 1 Inleiding De CHD is een zorginstelling
Nadere informatieHoe gaat dit er in de toekomst uitzien?
Hoe gaat dit er in de toekomst uitzien? Joep Dille, Manager afdeling Innovatie en Wetenschap, Isala Gebruiker IT IS ALL IN THE CLOUDS Programma Drie Vragen: Waarom heeft Isala gegevens nodig? (management
Nadere informatieLandelijke registraties naar de Bron
Landelijke registraties naar de Bron Hoe houden we de registratielast in ziekenhuizen binnen de perken en krijgen we toch betere data? Registratie aan de bron is een belangrijk onderdeel van de oplossing.
Nadere informatieINZET VAN MACHINE LEARNING
INZET VAN MACHINE LEARNING VOORSTELLEN INHOUD Context wat is de staat van de verzekeringsindustrie? Machine Learning - wat is het eigenlijk en is het nieuw? Toepassingen waar wordt ML met succes toegepast?
Nadere informatieElektronisch Patiënten Dossier. 5 oktober 2005. A. Vos L.J. Arendshorst
Elektronisch Patiënten Dossier 5 oktober 2005 A. Vos L.J. Arendshorst Inhoud De Gezondheidszorg Het Elektronisch Patiënten Dossier Stellingname Praktijkvoorbeeld Conclusies De gezondheidszorg Overheid
Nadere informatieMarijke de Hullu, Petra Eland en Floris Hofstede 13 april 2017, UMC Utrecht
Kennisbijeenkomst Online Inzage Verdiepingssessie Implementatie patiëntenportaal mijn UMC Utrecht: Het perspectief van de zorgverlener op (de implementatie van) het patiëntenportaal Marijke de Hullu, Petra
Nadere informatieWie is leidend of lijdend?
Organisatie Medische Technologie en ICT Wie is leidend of lijdend? Martijn Schasfoort Manager Zorg en Informatie Technologie Deze presentatie. Het betreft ervaringen uit Máxima Medisch Centrum Cultuur
Nadere informatieregistratie van kanker
registratie van kanker In deze folder leest u meer over de Nederlandse Kankerregistratie en wat deze voor u betekent informatie voor patiënten Op het moment dat u in het ziekenhuis de diagnose kanker krijgt,
Nadere informatieToelichting op het koppelalgoritme. Versie
Toelichting op het koppelalgoritme Versie 20130926 Ingangsdatum 1 januari 2014 Inhoudsopgave 1 Inleiding... 3 2 Koppelen van zorgactiviteiten aan aanvragend of uitvoerend poortspecialisme... 4 Bijlage:
Nadere informatieProefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek
Proefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek Titel van het onderzoek: Sneller behandelen van patiënten met een acute beroerte door een volgsysteem met directe visuele feedback
Nadere informatieDe ICT-Ladder. De treden
De ICT-Ladder De ICT-ladder is een zogenaamd volwassenheidsmodel, die de aanwezigheid en het gebruik van ICT-hulpmiddelen in de huisartsenpraktijk meet. Op het hoogste niveau is niet alleen het patiëntendossier
Nadere informatieWerk en leer slimmer met 70:20:10 2 praktijkstories
Werk en leer slimmer met 70:20:10 2 praktijkstories Vivian Heijnen Gerjan Willems Met medewerking van (MUMC+) en JBZ Agenda Welkom, toelichting agenda 70:20:10 Startpunt en basisontwerp Het veilige ziekenhuis:
Nadere informatieUitvoering dossieronderzoek in Rijnland Ziekenhuis 16 juni 2014 Coördinatorenbijeenkomst VMS
Dossieronderzoek Uitvoering dossieronderzoek in Rijnland Ziekenhuis 16 juni 2014 Coördinatorenbijeenkomst VMS Carolien Lucas medisch specialist Cardiologie Esther Baars adviseur Kwaliteit, Zorginnovatie
Nadere informatieAanmelding Model van zorginformatiebouwstenen (zib s) aan de Basisinfrastructuur
Aanmelding Model van zorginformatiebouwstenen (zib s) aan de Basisinfrastructuur 0. Vormvereisten 0.1 Is het formulier volledig ingevuld? O. JA O. NEE 0.2 Alvorens een intakegesprek wordt ingepland voert
Nadere informatieNational Release Center Belgium Strategie en Visie
National Release Center Belgium Strategie en Visie Tom Van Renterghem Diensthoofd Datamanagement FOD Volksgezondheid, Veiligheid van de Voedselketen en Leefmilieu Nationaal Terminologiebeleid Missie &
Nadere informatieZorg voor data. Evaluatie diagnosethesaurus na één jaar gebruik door ziekenhuizen
Zorg voor data Evaluatie diagnosethesaurus na één jaar gebruik door ziekenhuizen Evaluatie diagnosethesaurus na één jaar gebruik door ziekenhuizen INLEIDING De diagnosethesaurus is in mei 2016 ruim twaalf
Nadere informatieDe patholoog. Klinische Pathologie. In het ziekenhuis
Klinische Pathologie De patholoog In het ziekenhuis Inleiding In deze folder kunt u meer lezen over het specialisme Klinische Pathologie en de rol die de patholoog speelt bij ziekte en behandeling. Daarnaast
Nadere informatieDE IMPLEMENTATIE VAN EEN NIEUW EPD
DE IMPLEMENTATIE VAN EEN NIEUW EPD Wat zijn de belangrijkste lessen? Juni, 2017 ~ Door: Ron Leenders & Jeroen Brouwers Meer dan de helft van de Nederlandse ziekenhuizen is bezig met de implementatie van
Nadere informatieeen goed begin is het halve werk
een goed begin is het halve werk een goed begin is het halve werk Een oude wijsheid, maar een jong initiatief in de zorg: als zowel patiënt als dokter beter voorbereid zijn op het eerste consult in het
Nadere informatieProefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek
Proefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek Titel van het onderzoek: Sneller behandelen van patiënten met een acute beroerte door een volgsysteem met directe visuele feedback
Nadere informatieGoede gegevensvastlegging voor een betrouwbare HSMR
Goede gegevensvastlegging voor een betrouwbare HSMR Een betrouwbare HSMR berekening is alleen mogelijk als ziekenhuizen volgens dezelfde regels, dus op uniforme wijze hun opnamen in de LMR (en diens opvolger
Nadere informatieKlik op één van de vragen hieronder om het antwoord te zien. U kunt in dit document ook met Ctrl-F naar trefwoorden zoeken.
FAQs LBZ Dit document bevat een aantal veel gestelde vragen (FAQs, frequently asked questions) betreffende de LBZ. Deze vragenlijst wordt regelmatig bijgewerkt. Als u dit document bewaard heeft raden we
Nadere informatieTijdbesparing in de zorg met apps
De alles-in-1 Zorgapp Efficiënt en veilig Tijdbesparing in de zorg met apps Zorgapps maken al het coördinerende en administratieve werk eenvoudiger en efficiënter zodat tijd overblijft Moderne technologie
Nadere informatieAlles over: Starten met de LBZ
Alles over: Starten met de LBZ IN VOGELVLUCHT De LBZ (Landelijke Basisregistratie Ziekenhuiszorg) is de vervanger van de LMR (Landelijke Medische Registratie) en de LAZR (Landelijke Ambulante Zorg Registratie).
Nadere informatieTechnische handleiding
Technische handleiding Behalve dat u met behulp van de de inhoud van een SBR document kunt raadplegen, biedt de toepassing een aantal extra mogelijkheden. Hieronder wordt een aantal van deze additionele
Nadere informatieNascholingsbijeenkomst BMTZ 27 september 2012
Lean als tool bij procesoptimalisatie binnen ziekenhuizen Nascholingsbijeenkomst BMTZ 27 september 2012 St. Elisabeth Ziekenhuis Bureau Zorg Innovatie Ronald Aalbersberg Laboratorium voor Medische Microbiologie
Nadere informatieTweede evaluatie VMS Veiligheidsprogramma
Tweede evaluatie VMS Veiligheidsprogramma Medicatieverificatie High Risk Medicatie EPD Indicator scan Dr. Joanna E. Klopotowska, postdoc onderzoeker Safety 4 patients VUmc/EMGO+ Drs. Bernadette Schutijser,
Nadere informatieTECSYS SMS - Supply Management System
TECSYS SMS - Supply Management System Innovatie op de werkplek Curomed BV info@curomed.nl www.curomed.nl Uitdagingen in zorglogistiek op de werkplek Moderne ziekenhuizen hebben dagelijks te maken met verschillende
Nadere informatieUw partner voor uitwisseling van medische data.
Uw partner voor uitwisseling van medische data. Wie is Meddex? Het ondersteunen van veilige uitwisseling van patiëntdata is het hart van onze dienstverlening. Meddex maakt patiëntdata leesbaar uit alle
Nadere informatieSamenvatting en Conclusie Revalidatiecentra
Samenvatting en Conclusie Revalidatiecentra RIVM Onderzoek ICT in de Zorg December 2016 Correspondentie: onderzoek_over_ict@rivm.nl Resultaat statistieken De data representeert 30% van de revalidatiecentra
Nadere informatieDTL focus meeting Ongoing initiatives to establish automated links between clinical care and clinical research
DTL focus meeting Ongoing initiatives to establish automated links between clinical care and clinical research UMC Utrecht Robert Veen, projectleider Research Data Platform Programma Research ICT EPD s
Nadere informatieDag van de Zorglogistiek
Dag van de Zorglogistiek Donderdag 13 december 2012 Het Gelre concept Introductie Hendrik-Jan Koppelman - Zorgmanager Gelre ziekenhuizen, Zutphen. - Projectleider organisatieontwikkeling nieuwbouw 2007-2010
Nadere informatiecbioportal database en harmonisatie van MTB s in Nederland Bart Koopman UMC Groningen PATH WP3
cbioportal database en harmonisatie van MTB s in Nederland Bart Koopman UMC Groningen PATH WP3 Programma 12.00 12.25 Presentatie cbioportal en live demonstratie 14.00 15.30 (genodigden) Discussie over
Nadere informatieMedisch dossier. 2.2.2 Sociografisch gedeelte, identiteitsblad 20 2.2.3 Statisch medisch gedeelte 21 2.2.4 Behandelingsverslag of ziekteverloop 21
19 Medisch dossier.1 Inleiding 0. Status 0..1 Coderingsrand 0.. Sociografisch gedeelte, identiteitsblad 0..3 Statisch medisch gedeelte 1..4 Behandelingsverslag of ziekteverloop 1.3 Dossiervorming 1.3.1
Nadere informatieLogic Data KEURMERK FYSIOTHERAPIE
Logic Data - 08-02-2017 - KEURMERK FYSIOTHERAPIE Met FysioLogic kunt u gegevens aanleveren aan de Landelijke Database Kwaliteit (LDK) van de Stichting Keurmerk Fysiotherapie (SKF). Vanaf januari 2016 is
Nadere informatieMeten met Nemo Next Move in Movement Disorders. Joost Calon, ZiuZ
Meten met Nemo Next Move in Movement Disorders Joost Calon, ZiuZ Nemo studie Doel: de diagnose beter maken met camera s, sensoren en algoritmes. 7 ziektebeelden uit elkaar halen Tremor, chorea, dystonie,
Nadere informatieSAMENWERKING IN DE RZCC REGIO. Anne Landstra
SAMENWERKING IN DE RZCC REGIO Anne Landstra Agenda Het RZCC in het kort; Project E-overdracht; Van papier naar digitaal Strategie Aanpak Winst voor de patiënt Winst voor de regio Zuidoost Nederland 4 ziekenhuizen
Nadere informatieImplementatie van SNOMED CT in het EPD: secundair gebruik van data voor ICD-10-BE 25/09/2015
Implementatie van SNOMED CT in het EPD: secundair gebruik van data voor ICD-10-BE 25/09/2015 Overzicht Inleiding Registratie van klinische gegevens in SNOMED CT Mapping SNOMED CT naar ICD-10-CM/PCS Semi-automatische
Nadere informatieUitgebreide implementatieondersteuning
Uitgebreide implementatieondersteuning Overstappen op een nieuw leermiddel of een digitaal concept brengt altijd enige onzekerheid met zich mee. Om deze onzekerheid te minimaliseren begeleidt ThiemeMeulenhoff
Nadere informatieAls regioziekenhuis heeft het IJsselland Ziekenhuis veel aandacht voor de samenwerking met de partners uit de regio.
Jaarbeeld 2016 Het IJsselland Ziekenhuis kijkt terug op een goed 2016. Met onze medewerkers, medisch specialisten en vrijwilligers werken wij samen elke dag en elk moment aan de best denkbare zorg. Dit
Nadere informatieRegas als bedrijf. Regas B.V. is een landelijke speler en actief binnen
Regas als bedrijf Regas B.V. is een landelijke speler en actief binnen de geestelijke gezondheidszorg en jeugdzorg. Binnen de maatschappelijke dienstverlening en maatschappelijke opvang/ vrouwenopvang
Nadere informatieProefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek
Proefpersoneninformatie voor deelname aan medisch-wetenschappelijk onderzoek Titel van het onderzoek: Sneller behandelen van patiënten met een acute beroerte door een volgsysteem met directe visuele feedback
Nadere informatieZelfreflectie door dossieronderzoek
dr.h.p.muller Utrecht 11-10-2016 Zelfreflectie door dossieronderzoek doe dossieronderzoek WIE BENT U Adviseur K&V 35 Arts 10 Codeur/Registratie 25 Staf 10 Hoe het begon HSMR betrouwbaar? UITEINDELIJK
Nadere informatieBig Data innovatie in de Zorg
Big Data innovatie in de Zorg Verhogen Big Data leervermogen Point Break 13:00 Opening Eric van Tol, aanjager ICT doorbraakproject Big Data en Jacqueline Baardman, Adjunct directeur Patiëntenfederatie
Nadere informatieSolution Brief ing AFAS HRM. Documentverwerking voor
Solution Brief ing Documentverwerking voor AFAS HRM AFAS levert HRM-oplossingen waarmee organisaties veel tijd besparen om hun HR-processen te automatiseren. Echter, veel van deze processen zijn gerelateerd
Nadere informatieIncura Handleiding (GGZ) DSM-5
Incura Handleiding (GGZ) DSM-5 Incura Nieuwe Gracht 35 2011 NC Haarlem 088-946 22 73 info@incura.nl www.incura.nl KvK 34183168 Incura is een product van WinBase Software en Adviezen BV Inhoud 1 Diagnoseregistratie
Nadere informatieEenduidig, eenmalig = meervoudig gebruik. Registratie aan de bron Zorginformatie delen en optimaliseren
Eenduidig, eenmalig = meervoudig gebruik Registratie aan de bron Zorginformatie delen en optimaliseren Instructie bij gebruik van deze presentatie De PPT is vrij uitvoerig in tekst, maar daardoor goed
Nadere informatieGrip op Zorgpaden. Best of both worlds!
Grip op Zorgpaden Best of both worlds! Christiaan Hol Business Partner Zorglogistiek, Amphia Ziekenhuis Robert Klingens Senior Consultant, Process Express [1] Agenda 1. Het ziekenhuis: een complexe organisatie
Nadere informatieMasterplan MKIB Bijeenkomst EPD leveranciers
Masterplan MKIB Bijeenkomst EPD leveranciers 18 februari 2015 Welkom! Welkom en voorstelronde Agenda Korte introductie door bestuur KNGF Informeren herijking en Masterplan MKiB Tijdsplanning Wederzijdse
Nadere informatie