Big data in de zorg de belofte voorbij? Herman Bennema MIC 2015, 29 oktober 2015

Transcriptie

1 Big data in de zorg de belofte voorbij? Herman Bennema MIC 2015, 29 oktober 2015

2 Agenda Data en informatie bij Vektis Big data met gestructureerde gegevens Instellingsspecifieke analyses Regio analyses (substitutie binnen Zvw) Populatie-informatie: de huisartsen-populatie Aandoeningsgerichte informatie: over de grenzen 1 e en 2 e lijn heen Zorgbrede analyses: ontwikkelingen over grenzen zvw/wlz en wmo heen Open data en open informatie Ontwikkelingen Vragen

3 Vektis We have a dream Dat goede zorg in Nederland toegankelijk en betaalbaar is Dat patienten goed geinformeerd zijn en bewuste keuzes kunnen maken Dat verzekeraars, gemeentes en zorgaanbieders over uitstekende informatie beschikken waardoor ze hun dienstverlening continu kunnen optimaliseren Dat de overheid en toezichthouders tijdig en volledig zijn geinformeerd En dat de deskundige en bevlogen medewerkers van Vektis hier een zinvolle bijdrage aan hebben geleverd

4 Vektis 22 jaar ervaring met big data Ontstaan Vektis uit informatieafdelingen ziektekostenverzekeraars en ziekenfondsen Verzamelen van alle declaratiedata van particuliere ziektekostenverzekeraars Geneesmiddelendeclaraties van alle verzekerden Alle declaraties van ziekenhuizen, hulpmiddelen, huisartsen, etc. Levering van maatwerk informatiediensten Start 1 e datawarehouse -project Start Zorgprisma Geheel nieuw datawarehouse Start 2 e datawarehouse -project Awbz declaraties in dwh Informatie leverancier voor de zorg jaar ervaring met verzamelen en verwerken van gegevens

5 Vektis Informatieleverancier voor de zorg Miletus data Externe data Ciz en CAK data verzekeraarsdata Vektis Publieke data Gekochte data domeinkennis Verzekeraars Zorgaanbieders Koepels (ZN, NFU, NVZ) VWS/CAK/CVZ/NZA/SCP Patiënten organisaties Gemeenten NIVEL, IBMG, IQHC

6 Vektis input en output Gegevensbeheer (big input uit verschillende bronnen) Algemene verzekerdengegevens Zvw declaraties Onderhanden werk MSZ WLZ declaraties, wachtlijstgegevens en PGB Indicaties en geleverde zorg (WLZ en Wmo) in samenwerking met CIZ en CAK CQ en Proms gegevens ( tbv Miletus en van SBG) Informatiediensten (output) Kwaliteitsindicatoren vanuit declaraties afleiden Praktijkvariatie-onderzoeken Instellingsgerichte analyses (bijv benchmark voor verzekeraars en 2 e lijns instellingen) Aandoeningsgerichte analyses (bijv. parkinsononderzoek), Patientvolgende analyses (bijv 30 en 60 dagen sterfte na ontslag uit IC) Analyses over 1 e, 2 e en 3 e lijn heen Analyses over de grenzen Zvw en WLZ heen Analyses op populatieniveau (bijv. huisartsenpopulatie) Analyses op regio-niveau (bijv. jeugdzorg of PGB s in een bepaalde gemeente) Beschikbaar stellen onderzoeksbestanden en onderzoeksinfrastructuur

7 Big data bij Vektis wetenswaardigheden Omvang DWH miljard euro betaalde zorgdeclaraties Groei 1 miljard declaratieregels met een waarde van zo n 60 miljard per jaar Alle gegevens zijn volledig gestandaardiseerd Output Ruim 100x meer dan 5 jaar geleden Koppelbaar aan alle andere registraties Doorlooptijden teruggebracht van weken naar uren Systemen Powercentre van informatica Netezza/pure data IBM

8 Big data bij Vektis technologisch en logisch: een nuancering Big data technologisch Versnellen van analyses (van weken naar uren) Vergroten verwerkingscapaciteit/optimale inzet specialisten Minder softwarelicenties Geen DBA s meer nodig Big data logisch Doordat alle data gestandaardiseerd is hebben we nog geen onderzoeksresultaten gevonden die we zelf niet kenden Uitkomst van big data analyses moet wel worden gevalideerd voordat je conclusies kunt trekken Ongestructureerde databronnen waar we weinig tot geen kennis van hebben kunnen we nog niet gebruiken in de onderzoeken want conclusies zijn niet te duiden

9 Big data bij Vektis big data is een middel, niet het doel De big data hype lijkt soms een doel op zich En dat is het ook voor hard- en software leveranciers en consultants Big data is een hulpmiddel om van data informatie te maken De volgende sheets laten zien wat er mogelijk is dankzij de inzet van nieuwe technologie En informatie is een hulpmiddel om te kunnen sturen..

10 Analyses op instellingsniveau OHW 2013, ontwikkeling in de tijd

11 Analyses op instellingsniveau benchmark GGZ kosten per patient

12 Analyses op instellingsniveau Verzorgingsgebied incl zbc s

13 Analyses op instellingen-niveau praktijkvariatie, voorbeeld Spataderen

14 Regio analyses (substitutie in zvw) Geopende DBC s die substitueerbaar kunnen zijn

15 Regio-analyses (substitutie in Zvw) SEH-zorg die de huisarts (of HAP) ook had kunnen geven.

16 Populatie informatie (huisartsen) praktijken met vergelijkbare populaties 16

17 Populatie informatie (huisartsen) vergelijkbare populatie, verschillend zorggebruik 17

18 Populatie informatie (huisartsen) overzicht gemiddelde zorgkosten per patient 18

19 Ketenanalyses kosten in de keten COPD

20 ZVW met effecten in langdurige zorg kwaliteit versus kosten CVA

21 Open data

22 Open data prognoses

23 Open data kosten mondzorg op regioniveau

24 Publieke monitoren

25 Volumemonitor

26 Volumemonitor

27 Ontwikkelingen Combineren Vektis data met gestructureerde data andere gegevensbeheerders (=cultuur en niet techniek) Combineren kwaliteit-volume-kosten DHD, DICA, SBG, CAK, UHB Bijvoorbeeld tbv Gemeentebenchmarks Ontwikkelingen bij gemeentepopulatie in zvw en wlz Uitbreiden met wmo en jeugdzorg Bijvoorbeeld tbv internationale benchmarks voor ziekenhuizen Onderzoeksomgeving eenduidig beschikbaar stellen voor uitvoering overheidstaken Onderzoeksbestanden beschikbaar stellen o.a. tbv wetenschappelijk onderzoek Versnellen informatievoorziening Transparantie: doorontwikkeling open data en publieke informatie Big data pilots want er komt een moment dat we met de onzekerheden van onbekende databronnen om kunnen gaan

28 Bedankt voor uw aandacht Herman Bennema