Routinematig verzamelde ziekenhuisdata om chirurgische uitkomsten en kosten te voorspellen: een ongepolijste diamant?

De hoeveelheid data die wordt verzameld in de gezondheidszorg is de afgelopen jaren explosief gegroeid. Ongeveer 30% van alle data die dagelijks verzameld wordt is afkomstig uit de gezondheidszorgsector. Een substantiële hoeveelheid van deze data wordt routinematig verzameld zodra patiënten in aanraking komen met de gezondheidszorg. Deze data is een mogelijk waardevolle bron van informatie voor andere doeleinden, zonder dat hier additionele en dure datacollectie voor plaats hoeft te vinden.

In een recente studie (momenteel onder review), heeft ons onderzoeksteam (een samenwerking tussen ESHPM, Amsterdam UMC en LOGEX Healthcare Analytics) onderzocht in hoeverre geanonimiseerde ziekenhuisbenchmarkdata bruikbaar kan zijn om uitkomsten en kosten te voorspellen voor vier veelvoorkomende chirurgische ingrepen. Wij hebben vastgesteld dat deze data inderdaad bruikbaar is om klinisch relevante inzichten te verschaffen in de drijvers achter uitkomsten en kosten.

Waardevolle zorg en prognostisch onderzoek

Het behalen van excellente patiënt-relevante uitkomsten en het tegelijkertijd beheersen van de kosten om deze uitkomsten te behalen zijn de twee pilaren onder het leveren van waardevolle zorg. Een fundamentele eerste stap hierin is om deze uitkomsten te definiëren en te meten over zoveel mogelijk zorgverleners. Een belangrijke tweede stap is het meten en vergelijken van de kosten die gemaakt zijn in relatie tot de behaalde uitkomsten. Kennis over welke prognostische factoren van invloed zijn op deze uitkomsten en kosten is essentieel om zorgverleners stuurinformatie te kunnen verschaffen over hoe de waarde van zorg te verbeteren.

Ons onderzoek

In ons onderzoek hebben wij onderzocht welke associaties er bestaan tussen meerdere patiëntfactoren en chirurgische uitkomsten en kosten. Hiervoor hebben wij gebruik gemaakt van routinematig verzamelde data uit 60 ziekenhuizen. Deze dataset bestond uit geanonimiseerde ziekenhuisbenchmarkdata zonder traceerbaarheid naar individuele patiënten of ziekenhuizen. De geïncludeerde patiënten in ons onderzoek ondergingen chirurgische behandeling voor ofwel darmkanker, blaaskanker, een hartinfarct of een knieprothese. De onderzochte patiëntfactoren waren leeftijd, geslacht, commorbiditeitsscore, opnamehistorie en socio-economische status. Wij onderzochten hun mogelijke associatie met ziekenhuismortaliteit, opname op de intensive care, ligduur, heropname, herinterventie en tot slot, ziekenhuiskosten.

Resultaten

In onze studie laten wij zien dat routinematig verzamelde ziekenhuisdata een erg veelbelovende bron is voor het identificeren van prognostische factoren en het bouwen van accurate prognostische modellen. Wij vonden bijvoorbeeld dat mannelijke hartinfarctpatiënten een tweemaal hoger heropnamerisico hadden dan vrouwelijke patiënten. Verder bleek de opnamehistorie van patiënten de sterkste prognostische factor voor toekomstige ziekenhuiskosten. 

Conclusie

Wij concluderen dat het mogelijk is om klinisch relevante kennis te destilleren uit routinematig verzamelde ziekenhuisdata, zonder additionele en dure dataverzameling. Wij bevelen clinici en onderzoekers aan om routinematig verzamelde data efficiënter te gebruiken voor dit doeleinde omdat dit de individuele prognose en behandeling verder zou kunnen ondersteunen en daarmee de waarde van zorg te verbeteren.

Nèwel Salet is een M.D. PhD kandidaat bij de Erasmus School of Health Policy & Management. Los van zijn studie naar prognostische factoren houdt hij zich hoofdzakelijk bezig met alternatieve betalingsvormen en uitkomsten/kostenverschillen tussen zorgaanbieders. Gezien zijn medische achtergrond heeft Nèwel het doel om onderzoeksresultaten te produceren die klinische beslissingen kunnen ondersteunen en de waarde van zorg kunnen verbeteren. U kunt contact met hem opnemen via: salet@eshpm.eur.nl.

Vergelijk @count opleiding

  • @title

    • Tijdsduur: @duration
Vergelijk opleidingen