Clinical Intelligence

Maat: px

Weergave met pagina beginnen:

Download "Clinical Intelligence"

Jonathan van der Heijden
7 jaren geleden
Aantal bezoeken:

1 Case Report Clinical Intelligence Olivier Naeyaert, ICT Director Yves Thorrez, Project Lead

2 Agenda EPD als bron voor Business en Clinical Intelligence Clinical Intelligence: verwachtingen van de gebruikers Gestructureerde gegevens Ongestructureerde gegevens Conclusies 2

Inleiding Primuz @ UZ Brussel Geïntegreerd Electronisch Patiëntendossier Alle basisfunctionaliteiten van een modern EPD: Admission, Discharge &Transfer Afspraken & planning Physician Order Entry

3 Inleiding UZ Brussel Geïntegreerd Electronisch Patiëntendossier Alle basisfunctionaliteiten van een modern EPD: Admission, Discharge &Transfer Afspraken & planning Physician Order Entry (CPOE) Elektronisch Verpleegkundig Dossier (EVD) Elektronisch Medisch Dossier (EMD) Clinical Decision Support (CDSS) Geïntegreerde transversale modules voor OK en Spoed Koppelingen met TarFac, Medische software, AZ Nikolaas Algemene demo

4 EPD: de Next Step Volledige realisatie EPD project UZ Brussel Zorgkwaliteit Productiviteit Continuïteit MAAR OOK: Dataregistratie 4

5 Verwachtingen Zorgverleners verwachten van de data die ze registreren: Antwoord op wetenschappelijke vragen Real time feedback Antwoord op kwaliteitsvragen Outcomemeting en KPI s Met andere woorden 5

6 Eenmalige registratie Efficiënte registratie Beschikbaarheid (Her)Bruikbaarheid 6

7 UZ Brussel Clinical Intelligence Business Intelligence 7

8 Business Intelligence: enkele voorbeelden Erasme Demo 13/9/2016

9 UZ Brussel: Hergebruik van klinische data Case #1: Klinisch datawarehouse Case #2: iknow Smart Index 15

Diabetespatiënten met dyslipidemie - type 1 diabetes mellitus, of - type 2 diabetes mellitus met majeur defect in insuline secretie, of - type 2 diabetes mellitus met majeure insuline resistentie, of

10 Diabetespatiënten met dyslipidemie - type 1 diabetes mellitus, of - type 2 diabetes mellitus met majeur defect in insuline secretie, of - type 2 diabetes mellitus met majeure insuline resistentie, of - unclassified diabetes mellitus - LDL >= 70 mg/dl en < 100 mg/dl, of - none-hdl >= 100 mg/dl en < 130 mg/dl leeftijd > 40 jaar gebruik van statines (niet < 20 mg) Actief roken (bij gelegenheid / dagelijks / verslaving) - CVA of myocardinfarct, of - coronaire bypassgraft of coronaire angioplastie, of - carotisheelkunde of angioplastie OL of bypass OL 16

11 Wat zijn de vereisten? Alle patiënten bevragen een EPD is patiënt-gecentreerd en operationeel / transactioneel Complexe vragen formuleren en verwerken effectieve en intuïtieve user interface, geen insider kennis nodig Andere bronnen integreren niet enkel EPD, ook complementaire bronnen als biobank specimen, omics, 24x7 biometrics data, één (uniform) eenvoudig, robuust, schaalbaar data model Privacy van de patiënt beschermen verwijderen van alle patient identifiers 17

12 Klinisch Datawarehouse (KDW) PatAdmin Invulformulieren Transform Laboresultaten Extract Medicatie Load Ingrepen Onderzoeken MZG + MKG

13 KDW Cohort Discovery Concepten Criteria 19

14 KDW Cohort Discovery 20

15 KDW Cohort Discovery 21

16 KDW Cohort Discovery 22

17 Klinisch Datawarehouse: platform Web client Hive (web services) RDBMS (SQL Server) 23

18 Aandachtspunten ontwikkeling KDW 80% ETL ontwikkeling - ongoing Beschikbaar maken van klinische data zelf wanneer tellingen niet volstaan export functie enkel na toestemming Commissie Medische Ethiek Niet alle informatie is gecodeerd eigen codes vs standaarden (LOINC, Snomed-CT...) semantische interoperabilieit onderhoud thesaurus van concepten Niet alle informatie is gelijk of even gestructureerd invulvelden met (beperkte) vrije tekst 24

19 Is alle informatie in het EPD gestructureerd? quick pick lijst ICD codering vrije tekst 25

20 UZ Brussel: hergebruik van klinische data Case #1: Klinisch datawarehouse Case #2: iknow Smart Index 26

21 Vormen gestructureerde gegevens 27

22 slechts een deel van het verhaal? geen EPD geïntegreerd EPD Medisch Dossier ontslagbrieven hosp. dagnota s OK verslagen verpleegk. rapporten radiologieverslagen consultatienota s 28

23 Hoe vrije klinische tekst ontsluiten? Focus is de patiënt, niet de tekst Klassieke bag of word technieken leveren meestal te weinig relevante zoekresultaten. Impact op tijd/kost voor eindgebruiker Precisie - hoeveel geselecteerde patiënten zijn relevant? teveel valse positieven = lage bruikbaarheid Recall - hoeveel relevante patiënten zijn geselecteerd? teveel valse negatieven = lage kwaliteit 29

24 Oplossing: iknow indexing van vrije tekst Identificatie van betekenisvolle woordgroepen aan de hand van linguïstische taalmodellen Geen formele domeinkennis nodig (ontologie, dictionary) 30

25 Is het mogelijk om een lijst te verkrijgen van alle patiënten die een acuut coronair syndroom (instabiele angor, NSTEMI, STEMI) hebben doorgemaakt? 31

26 32

27 + onstabiele angorklachten + onstabiel angor + instabiele angor pectoris + acs type onstabiele angor + onstabiele angor pectoris + recidief onstabiele angor + onstabiele angor/nstemi + acs-nstemi type onstabiele angor + acuut coronair syndroom type onstabiele angor + acuut coronair syndroom type instabiele angor + onstabile angor + angor instable 33

28 34

29 Drill-down voor snelle validatie 35

30 Use Case: Medische registratie Transiënte diagnoses Electrolietenstoornis: hypokaliëmie (ICD-9-CM code ) In 2012 gecodeerd voor 1092 opnames iknow sets berekend op basis van opnamenummer Kalium 1-3, K 1-3, hypok, hypokaliëma, 647 geregistreerde diagnoses in 417 opnames werden niet gecodeerd : 279 diagnoses in 198 opnames werden onterecht niet gecodeerd ( false negative opnames = 15,3%). 368 diagnoses in 219 opnames werden terecht niet gecodeerd ( true negative opnames). e.g. K 1 Conclusie : 1 verantwoord bed verloren 60 opnames voor een gemiddelde ligduur van 5 dagen Veel? Impact van secundaire diagnoses op SOI! 36

31 Use Cases Information Retrieval cohorte identificatie Decision support transiënte diagnoses van elektrolietenstoornissen tijdens een opname Summary medisch dossier Research bijkomende MRI met nieuw contrastmiddel voorstellen aan patienten met gekende contrastcapterende hersenletsels pro-actieve screening voor registers (persoonlijk/dienst of publiek) Topic modeling leermiddel ( rapid learning ) 37

32 Aandachtspunten iknow De-identificatie: namen artsen/patiënten/familieleden, adressen, telefoonnummers ook aparte index per medische dienst gevoelige documenten niet geïndexeerd Blacklisting van ongewenste concepten geachte collega, collegiale groeten, uz brussel (top 20) artsen kunnen ook zelf blacklisten Managing expectations bij eindgebruiker ander insteek dan pure zoekmachine iets meer inspanning voor grote toegevoegde waarde opleiding 38

33 UZ Brussel: hergebruik van klinische data Vroeger alle vragen via ICT dienst onderbenutting van data voor o.a. klinische studies Vandaag veel vragen door eindgebruikers via CI tools self-service identificatie van patiënten meer ontsluiting van klinische data 39

34 Conclusie Toenemende interesse, stijgende vraag Blijven streven naar meer hergebruik van klinische data Dit leidt tot een betere acceptatie en gebruik van het geïntegreerd EPD Effciëntere besteding van resources en mogelijk nieuwe inkomstenbron voor ziekenhuis 40

Vergelijkbare documenten

Naam 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