Publicaties

‘Ziekenhuisomzet beter voorspelbaar met data science’

lees verder

Door het inzetten van kunstmatige intelligentie en data-analyse kunnen ziekenhuizen hun omzet tijdig bijsturen en accountants hun controles verbeteren.

Dat zegt Coen Ruys van Peirce interim management op basis van onderzoek bij een afdeling orthopedie in ziekenhuis Zorgsaam in Terneuzen. Volgens Ruys is overproductie die niet wordt vergoed door verzekeraars een groot probleem voor ziekenhuizen en zelfs aanleiding geweest voor faillissementen, terwijl dit volgens Ruys niet nodig is.

Volgens Ruys is voor veel ziekenhuizen de periode tussen behandelingen en de vergoedingen die ze ontvangen van de verzekeraar een “zwart gat”. Ruys: “Ze tasten tot 120 dagen in het duister over hun precieze omzet. Dat is een serieus probleem, omdat omzetprognose een vitaal onderdeel is van hun financiële planning. Eigenlijk moeten ziekenhuizen hun omzet voortdurend exact weten, vanwege afspraken met zorgverzekeraars. Zodra ze namelijk meer produceren dan gecontracteerd, komt hen dat duur te staan. Vergoedingen die ze ontvangen voor ‘overproductie’ moeten ze namelijk terugbetalen. Met dure doktersuren en dito medische apparatuur loopt dat al snel in de papieren.”

Prognoses

Ruys noemt als voorbeeld het faillissement van het MC Slotervaartziekenhuis. “Niet-betaalde overproductie is daar een aanleiding geweest voor de faillissementen. Dit is op te maken uit het jaarverslag 2017 van de IJsselmeerziekenhuizen. Daaruit blijkt dat zij over de periode 2014-2017 een risico hadden van niet-betaalde overproductie van 5,2 miljoen euro. Tussen het invoeren van zorgverrichtingen in het systeem en het ontvangen van een vergoeding voor een gedeclareerd product gaapt een gat van tussen 42 en 120 dagen. Ziekenhuizen voeren de gegevens om de vergoedingen te ontvangen dus in, maar weten in de tussentijd niet hoe de vlag erbij hangt. Pas bij het opmaken van de jaarrekening ontdekken ze de werkelijke omvang van de niet-betaalde overproductie. Voor bijsturen is het dan te laat.”

De meeste ziekenhuizen werken daarom met prognoses die hen al voor het jaarverslag een idee geven hoe de vlag erbij hangt. Daarbij gebruiken ze methoden die rekenen op basis van omzet van eerdere maanden. Ruys: “Dat is nattevingerwerk, omdat ze geen rekening houden met de werkelijke productie nu. Het is met die methoden alsof je in een geblindeerde auto stuurt op basis van wat je in je achteruitkijkspiegels ziet.”

Met data science meent Ruys dat het mogelijk is om betere prognoses te maken. “Dit weten we na een onderzoek, waarbij we hebben gewerkt met data over de behandeling van heuppatiënten van de afdeling orthopedie in ziekenhuis ZorgSaam in Terneuzen. Deze dataset hebben we geanalyseerd met de zogeheten cross validation-methode (CRISP-DM). We gebruikten daarbij twee algoritmen. Hiermee blijken we tot 95 procent betrouwbare voorspellingen over de omzet te kunnen doen. De methode werkt zo goed omdat we voorspellen op basis van huidige verrichtingen – die de ziekenhuizen toch al in hun systeem invoeren. Het zorgproduct in het verleden blijkt de beste voorspeller van het zorgproduct in de toekomst. Dat we die verrichtingen als uitgangspunt nemen, klinkt voor de hand liggend. Toch gebeurt dit in de praktijk nog niet. In ziekenhuizen zijn diagnoses nu nog allesbepalend.”

Accountantscontrole

Ruys meent ook dat het gebruik van data science bij ziekenhuizen voor accountants interessant is. “Zij kunnen hiermee bijvoorbeeld opsporen waardoor afwijkingen in voorspelde en daadwerkelijke omzet zijn veroorzaakt. En bij hun controle zijn zij niet meer afhankelijk van of de klant de juiste gegevens aanlevert, maar werken ze met actuele data. Dit geeft een totaal nieuwe dimensie aan de accountantscontrole.”

Medische outcome: startpunt voor optimaal zorgproces

lees verder

Peirce BV helpt zorginstellingen de zorg blijvend te optimaliseren. Onze ZorgProgramma’s hebben al in veel ziekenhuizen hun nut bewezen. Directeur Coen Ruys legt uit waarom.

Als we in een ziekenhuis aan de slag gaan, lopen we eerst een paar dagen mee, Dan zien we waar de knelpunten zitten en welke verbeteringen er mogelijk zijn in het zorgproces. Daarna stellen we ZorgProgramma’s op. Daarin beschrijven we per diagnose het meest optimaal haalbare zorgproces van een patiënt op een overzichtelijke en uniforme manier.

Medisch resultaat vooraf bepalen
Dat ontwikkelen doen we samen met de medisch specialisten. We starten met wat het einddoel moet zijn; het medisch resultaat. Dat lijkt logisch, maar het vooraf benoemen van het medische resultaat is in Nederland nog geen gemeengoed. Jarenlange ervaring met ZorgProgramma’s leert dat behandeltrajecten anders worden ingericht als het doel van te voren duidelijk is bepaald. De medische outcome stellen we samen met de professionals vast. We vinden het belangrijk dat er binnen een maatschap wordt nagedacht over wat men wil bereiken en dat alle specialisten het erover eens zijn hoe dit te bereiken.

Stappen
Daarna beschrijven we alle stappen in het zorgproces, vanaf het eerste contact tot en met het ontslag. En natuurlijk worden de prestatieindicatoren en de registratie van DBC’s en verrichtingen niet vergeten. Daarmee maken we de vertaling van optimale zorg naar de organisatie en de financiën. Want niet alleen de kwaliteit moet op orde zijn, de zorg moet ook renderen.

ZorgProgramma’s
Met ZorgProgramma’s organiseren we de patiëntenstromen die vaak dwars door organisatiestructuren heengaan. We helpen organisaties dus meer procesmatig te denken en te werken. We creëren een soepele doorstroming door het ziekenhuis. Omdat activiteiten worden genormeerd en gestandaardiseerd, zijn ze beter te plannen. Hierdoor kan een ziekenhuis de capaciteit optimaal benutten. De ZorgProgramma’s worden geborgd door procesverantwoordelijken te benoemen. Doorgaans zijn dat medisch specialisten. Bovendien introduceren we methodes om afwijkingen van het ZorgProgramma te signaleren. Zo kan er gericht en tijdig actie worden ondernomen en bijgestuurd als dat noodzakelijk is.

Optimale organisatie van de zorg
ZorgProgramma’s leveren een belangrijke bijdrage aan optimale organisatie van de zorg. Zorg met een vooraf gedefinieerde uitkomst, waarbij optimaal gebruik wordt gemaakt van de beschikbare mensen en middelen. Daarbij is de patiënt gebaat en levert ook het meest op voor ziekenhuis en medisch specialist.

Meten maakt kwaliteit transparant

lees verder

Minister Schippers van VWS wil prestatiebekostiging van ziekenhuizen op basis van kwaliteit. Prijzenswaardig, maar over welke kwaliteit hebben we het hier eigenlijk?

De zorgverzekeraars nemen als reactie op het standpunt van de minister de kwaliteitscriteria van de Nederlandse Vereniging van Heelkunde als uitgangspunt. Hierbij gaat het om de jaarlijkse frequentie van het aantal ingrepen en operaties door een ziekenhuis. Achmea en CZ hebben aangekondigd dat uiterlijk per 2012 alle ziekenhuizen aan deze kwaliteitsnormen moeten voldoen. Anders ontvangen ze voor de desbetreffende behandelingen, waaronder complexe operaties voor onder andere borstkanker en darmkanker, geen vergoeding meer. Maar wat zegt de frequentie van het aantal ingrepen over de echte kwaliteit van zorg?

Alleen het resultaat van een medische behandeling is daartoe maatgevend. Dat resultaat kun je namelijk meten en transparant maken. Vanuit Assist heb ik samen met medisch specialisten een instrument ontwikkeld dat daar prima bij helpt: het ZorgProgramma. Hierin beschrijven we alle activiteiten en verrichtingen, als het gaat om de behandeling van een patiënt, in combinatie met een diagnose behandel combinatie (dbc), op een overzichtelijke en uniforme manier. Bij de ontwikkeling van een ZorgProgramma is dan ook de eerste stap: het bepalen van de medische ‘outcome’.

Moeder-kind-centrum

Vervolgens beschrijven we binnen het programma het proces dat leidt tot deze uitkomst. Dat lijkt logisch, maar vooraf het medische resultaat benoemen is in Nederland (nog) geen gemeengoed.

Mijn jarenlange ervaring met ZorgProgramma’s leert dat behandeltrajecten anders worden ingericht als het doel van tevoren duidelijk is bepaald. Goed voorbeeld daarvan is de ontwikkeling van het ZorgProgramma voor een gecombineerd eerste en tweedelijns moeder-kind-centrum, waarbij één van de medische doelen is de perinatale sterfte terugdringen van 1% naar 0,7%.

Dit doel vertaalt zich onder meer naar extra aandacht voor voorlichting. Zo wordt een huisbezoek ingepast bij alle zwangeren in de 33e week van de zwangerschap, en is er multidisciplinair overleg waarin alle hoogrisicopatiënten worden besproken. Zodra de kwaliteitsparameters bekend zijn, kunnen de uitkomsten worden gemeten. Dit is informatie waar patiënten echt wat mee kunnen.

Drs. Coen Ruys is arts en directeur bij Peirce BV

Zorgprogramma’s: van spaghetti naar confetti

lees verder

Wie ziekenhuisdata grondig analyseert, ziet dat zorgprogramma’s inefficiënt kunnen zijn. Dat kan beter! Maak van processen happy flows. Zodat uw patiënten blije patiënten worden.


Elke organisatie is als een mijn met ruwe informatie-erts. Wie met het juiste gereedschap data ‘delft’, komt tot nuttige inzichten. Dat kan bijvoorbeeld met een analysemethode die ‘process mining’ heet. Daarmee brengt een zorgorganisatie de binnenkant van een organisatie, de processen, in kaart. Deze tool gebruik ik in mijn wetenschappelijke onderzoek naar het voorspellen van zorgactiviteiten.

Mijn verbazing was groot toen ik processen van ziekenhuizen visualiseerde en deze vergeleek met de LEAN Zorgprogramma’s.

Zorgprogramma’s van een knieprothese zien er op papier perfect uit. De patiënt ‘reist’ in het proces keurig van diagnose, via behandelingen naar ontslag.

De praktijk is weerbarstiger. Na het gebruik van de process mining-tool (Celonis-Disco) stond ik versteld over hoeveel variaties er in werkelijkheid zijn. Zorgprogramma’s lijken nog het meest op een pan vol spaghetti in gare toestand.

Oponthoud
Het is verleidelijk om deze variatie te beschouwen als een voldongen feit. Je hoort vaak: een ziekenhuis is geen fabriek. Het klopt dat de patiënt geen product is en dat ziekenhuisprocessen geen bedrijfsprocessen zijn. Maar dat wil niet zeggen dat we alle variatie zomaar moeten accepteren. Want dit leidt nu tot ongezonde organisaties, grote verschillen in doorlooptijden en ontevreden patiënten. Ziekenhuizen kunnen hun processen beter ordenen dan ze nu doen.

Uit mijn analyse blijkt bijvoorbeeld dat diagnostische afdelingen, zoals anesthesie, röntgenonderzoek en poliklinieken nodig veel variatie veroorzaken. Doordat zij het aanbod niet aankunnen, ontstaat oponthoud. En dat heeft gevolgen verderop in de keten. Want oponthoud bij de ene afdeling leidt tot nog meer oponthoud bij de andere. Ook bij afdelingen die op zich voldoende aanbod hebben.

Een tweede oorzaak van oponthoud lijkt de aanwezigheid van de specialisten te zijn. Uit mijn onderzoek blijkt dat de beschikbaarheid van de specialist relatief veel variaties veroorzaakt. En dat er grote verschillen tussen specialisten zijn. Ik vergeleek zorgactiviteiten in de tijd bij het zorgproduct ‘implantatie knieprothese bij artrose, met verpleegdagen’. En wat bleek? Specialisten verschillen aanzienlijk in welke zorgactiviteiten ze aanvragen en wanneer ze de zorgactiviteiten uitvoeren.

Happy flows
Dé uitdaging van ziekenhuizen is het meer geleidelijk verdelen van het werk over alle afdelingen. En het doelmatig inzetten van de beschikbare capaciteit. Ze moeten streven naar een constante bezetting van voorzieningen en voorkomen dat patiënten te lang moeten wachten.

Zorgorganisaties kunnen grote optimalisatieslagen maken als ze het proces leidend durven maken. Een geautomatiseerd planningssysteem kan daarbij uitkomst bieden. Met behulp daarvan kun je gaan werken met ‘blokken’ waarbij je alle diagnostiek op één dag combineert. De volgorde van de diagnostische activiteiten maakt niet uit. Na het vaststellen van de diagnose volgt het volgende blok van de operatieve ingreep.

Patiënt als uitgangspunt
Het streven is dan een flow binnen een blok. De kunst is op zoek te gaan naar de acht tot tien meest voorkomende zorgactiviteiten binnen een blok. Om die flows vervolgens zo in te richten dat ze zo onbelemmerd mogelijk functioneren. Deze ‘happy flows’ kun je ondersteunen met ICT-systemen die de patiënt als uitgangspunt nemen.

Dat betekent wel dat de specialist meer volgend wordt aan het proces. Nu draaien zorgprogramma’s vooral om de drukbezette artsenagenda’s heen. Het is de vraag hoe terecht dat is. Want het aandeel in tijd dat zij aan patiënten besteden, is beperkt. Terwijl de andere activiteiten net zo goed belangrijk zijn en relatief langer duren.

Draagvlak
Het doorlichten van ziekenhuisprocessen kan bedreigend zijn. Transparantie zal niet door iedereen in een ziekenhuis als een verrijking worden ervaren. Als in kaart is gebracht wat beter kan, zullen dingen moeten veranderen. En die veranderingen kunnen consequenties hebben voor medewerkers. Dat kan leiden tot weerstand. Zeker als een ziekenhuis met die veranderingen aan privileges komt, zoals vaste werkdagen of vrijheid van vakantieplanning.

Om die weerstand te overwinnen, zullen ziekenhuismedewerkers overtuigd moeten zijn van de goede bedoelingen. Dat valt niet mee als je werkt met data. Die worden nu al veel te vaak gebruikt als een stok om de hond mee te slaan. Terwijl er achter die gegevens een hele wereld vol verschillende waarheden schuilt.

Applaus
Voor het gebruik van datatools zoals process mining geldt daarom: handle with care. Acceptatie van het gebruik staat of valt bij het doel dat je ermee wil bereiken en de zorgvuldigheid bij het interpreteren van de gegevens.

In mijn ogen is het enige valide doel dat de organisatie er als geheel beter door gaat functioneren. Alleen wie het ziekenhuis er beter mee maakt, verdient voor het gebruik van data-analyse applaus en confetti.

Door Coen Ruys

Met dank aan Celonis voor de procesanalyse, Mark Verschuren voor de LSTM-analyse en Sandjai Bhulai en Geert Kazemier voor de gesprekken en begeleiding

The influence of handedness on the distribution of muscular weakness of the arm in facioscapulohumeral muscular dystrophy

lees verder

The strength of 10 muscle groups in both arms was measured using hand-held myometry to determine the influence of handedness on left-right differences of muscle strength in facioscapulohumeral muscular dystrophy (FSHD). Two groups of subjects were studied: 24 healthy volunteers (19 right-handed), and 53 patients (42 right-handed) with autosomal dominant FSHD. An opposite left-right difference of strength of shoulder and arm muscles was found: right-handed volunteers were stronger on the right side, right-handed patients were stronger on the left side. This opposite left-right difference was statistically significant for the supraspinatus muscle, the wrist extensors and the shoulder internal rotators. The number of left-handed subjects was too small for statistical analysis. The relation between handedness and increased muscle weakness in right-handed FSHD patients suggests that mechanical factors may play a distinct role in the progression of muscle weakness in FSHD.worden.