Analytics gezondheidszorg

Analytics binnen de gezondheidszorg: wat is het?

Analytics inzetten in de gezondheidszorg voor het oplossen van de huidige uitdagingen? Wij denken van wel! 

Er is een stijging van zorgkosten wereldwijd. Als gevolg is er een verhoogde interesse in de gezondheidsuitkomsten van zorgorganisaties. Deze uitkomsten zijn belangrijk om zorg efficiënter en effectiever in te richten zodat kosten niet exponentieel stijgen en de uitkomsten gemeten kunnen worden. Het inzetten van analytics helpt zorgorganisaties om deze kosten en baten op een gestructureerde manier inzichtelijk te krijgen, zodat het management en bestuur op gefundeerde wijze beslissingen kan nemen.

In deze blog leggen we het belang van analytics binnen de gezondheidszorg uit.

national-cancer-institute-NFvdKIhxYlU-unsplash

Belangrijke uitdagingen in de gezondheidszorg

Vergeleken met de vorige eeuw wordt men ongeveer 10 jaar ouder. Daarbij besteden we steeds meer aandacht aan het op een gezonde manier ouder worden, maar toch worden deze extra 10 jaar niet altijd in goede gezondheid doorgebracht. Het RIVM geeft aan dat de kosten tot en met 2060 blijven stijgen, zelfs na de gevreesde ‘piek in vergrijzing’ in 2040. Daarnaast leiden de innovaties in de zorg ook tot stijgende kosten, met name in preventieve zorg en langdurige behandelingen die mensen langer in leven houden. Wanneer we een diepere kijk in de sectoren nemen, is het duidelijk dat de ziekenhuizen, gehandicaptenzorg, ouderenzorg en de geestelijke gezondheidszorg (GGZ) qua kosten het meeste toenemen.

1. Het kostenplaatje in de gezondheidszorg

De toename in zorgkosten kan worden onderverdeeld in kosten ten opzichte van ondersteunende- en primaire activiteiten (patiëntbehandeling). Ondersteunende activiteiten voegen niet direct waarde toe aan de organisatie. Het doel voor organisaties is om de ondersteunende activiteiten zo efficiënt mogelijk in te richten. Hierbij gaat het om de administratie, logistiek, personeelsmanagement, inkoop, marketing en verkoop, en service. Het is de uitdaging om de kosten zo laag mogelijk te houden, maar de uitkomsten op een minimum vereiste te houden kijkend naar wet- en regelgeving en de service ervaring bij de klant. Voor de primaire activiteiten is het principe anders, hier spreken we van activiteiten die wel direct waarde toevoegen. Het doel van deze activiteiten is om deze met een hoge kwaliteit uit te voeren. In het geval van de gezondheidszorg, spreken we dus over optimale patiëntuitkomsten.

2. Een gebrek aan verhaal in de cijfers

De kranten en nieuwssites hebben de afgelopen tijd vol gestaan met wel honderden tabellen en grafieken. Maar is het voor iedereen duidelijk geweest wat deze nou precies betekenen? Zijn de dagkoersen en het groter geheel in de juiste context geplaatst? Deze uitdaging speelt niet alleen in de medische cijfers, maar ook in de operationele resultaten van bedrijven en organisaties. Worden cijfers soms te plat geïnterpreteerd?

 3. Onjuistheid van voorspellingen

In de coronacrisis is duidelijk geworden dat personeelsplanning een uitdaging is, mede door het gebrek aan verpleegkundigen en artsen. Daarnaast is er weinig inzicht in hoeveel personeel nodig is om genoeg zorg te leveren op middellange en lange termijn als er schommelingen zijn in de vraag naar zorg. Modellen zijn dus niet altijd flexibel genoeg om de juiste voorspellingen te maken.

4. Geen vertaalslag van cijfers naar besluitvorming

Een laatste uitdaging is een onbalans tussen de beschikbare data en hoe zicht dit vertaalt tot de juiste besluiten. Hoewel we prima kunnen vastleggen wat de prevalentie en incidentie van ziektes zijn, mist er informatie die besluitvormers daadwerkelijk kunnen toepassen om op deze cijfers te sturen. Dit gebeurt omdat de prevalentie en incidentie niet naar advies kan worden vertaald voor de laag die besluiten maken.

Het op een juiste manier inzetten van analytics biedt de oplossing voor de bovengenoemde uitdagingen in de zorg. Benieuwd naar wat analytics kan betekenen? Lees onder de afbeelding verder!

Closeup of doctor checking patient daily report checklist

Wat houdt Analytics in?

Analytics is de laatste jaren een veelvoorkomende term geworden, maar bedoelen we allemaal hetzelfde met analytics? In onze ogen is analytics het proces van inzichten verkrijgen door het ontdekken, interpreteren, en communiceren van patronen in informatie door verbanden te leggen.

In een vorige blog hebben we het belang van financiële data-analyses uitgelegd. Hierin werd vanuit het perspectief van de toekomstige financial gekeken. Het kijken naar het verleden is wat vaak gedaan wordt, maar je haalt pas waarde uit je data op het moment dat je het gebruikt om ook naar de toekomst te kijken. Hierbij zal vaak gedacht worden aan de financiële vooruitzichten, maar er is, vooral op operationeel vlak, meer mogelijk. Denk hierbij aan de personeelsplanning, productieplanning, marketingefficientie, supply chain, klantevredenheid en overige sturingsinformatie.  

Daarnaast werd er gesproken over de mogelijkheden, zoals automatisering, visualisatie, en vergaande inzichten in de informatie die al beschikbaar is in de organisatie.

  • Automatisering via analytics kan ervoor zorgen dat declaraties automatisch worden gekoppeld aan de juiste DBC op basis van eerdere verwerking van documenten.
  • Visualisatie maakt het mogelijk om resultaten meer diepgang te geven en in context te plaatsen.
  • Vergaande inzichten worden bereikt door dimensies te combineren en bijvoorbeeld zowel in regio als leeftijdsgroep resultaten te tonen.

Uitdagingen in de gezondheidszorg aanpakken met analytics

Nu we de uitdagingen in de gezondheidszorg en het analytics concept hebben besproken, is de vraag: hoe komen deze twee samen? Wat is de inzetbaarheid van analytics in de gezondheidszorg?

Een verhaal in de cijfers

Analytics kan voor veel doeleinden gebruikt worden binnen de zorg. Zoals beschrijvende analytics, waarin je de data gebruikt om een verhaal te vertellen over wat er is gebeurd en waarom het is gebeurd. Als voorbeeld, kunnen we kijken naar het aantal griepgevallen in de laatste drie jaar. De winter van 2021 kende een laag aantal griepgevallen vergeleken met het gemiddelde aantal uit de winter van 2020. Normaal gesproken zou een normale variantie de verklaring kunnen zijn. Echter, zou de coronacrisis en de social distancing maatregel een verlaging in griepgevallen kunnen hebben gezorgd, mede door lage besmettelijkheid van de griep. 

Op basis van patronen een juiste voorspelling maken

Een volgende stap, zoals aangegeven onder het kopje ‘Analytics’ is voorspellende analytics. Dus, wat gaat er gebeuren? Op basis van eerdere gebeurtenissen, uitkomsten en veranderingen in variabelen, voorspel je de uitkomsten van de toekomst. Dit betekent dat je bijvoorbeeld in het bedrijfsleven de effecten van een verandering in het aantal marketeers op het aantal gegenereerde kansen kan meten. In de gezondheidszorg kun je kijken naar uitkomsten in de gezondheid van een patiënt of een patiëntengroep, of uitkomsten in een zorgorganisatie. Daarnaast is het mogelijk om inzichtelijk te krijgen wat het effect van het aannemen van een extra verpleegkundige of arts is op de wachttijden van patiënten. Denk hierbij ook aan hetzelfde voorbeeld van het aantal griepgevallen. Het verleden vertelt ons dat de zomer weinig griepgevallen kent en dat er in de winter juist veel gevallen zijn. Daarbij kan een data-model op basis van de populatie en de cijfers van de zomer en de herfst een voorspelling doen over het aantal griepgevallen in de winter.

De stap van cijfers naar besluit

Het laatste onderdeel dat we gaan bespreken is voorschrijvende analyse. In voorschrijvende analyse laat je het data model beslissingen voorstellen of maken. Op basis van de data en de voorspellende kwaliteiten van deze data ziet het model bepaalde uitkomsten. Op basis van eerdere interventies en mogelijkheden in het veranderen van de variabiliteit, kan het model een beslissing maken om resultaten een bepaalde kant op te sturen. Een belangrijk vraagstuk in de zorg is in hoeverre je de beslissing door een datamodel wil laten maken of dat deze juist alleen wilt gebruiken bij ondersteuning van de besluitvorming. Als voorbeeld gaan we terug naar het aantal griepgevallen: Een voorschrijvend model kan een optimale planning voor voor griepvaccinaties creëren op basis van de gegenereerde- en historische informatie. De data wordt gebruikt om de voor- en nadelen af te wegen en de besluitvormer te informeren. 

De mogelijkheden van analytics in de gezondheidszorg zijn verreikend. Maar welke tools bieden de juiste oplossing om tot deze inzichten te komen? 

medical_billing-862x557

De juiste Analytics tools

Je bent geïnteresseerd in het benutten van analytics, maar wat zijn de tools op de markt die het beste op deze vraagstukken inspelen? Hier komen meerdere vraagstukken bij kijken. Is de tool een standalone programma dat niet hoeft te communiceren met de rest van de aanwezige systemen of is dit juist wel belangrijk? Moet de tool data kunnen ophalen, of zelfs zowel kunnen ophalen als versturen?

Bij het kiezen van de juiste tooling is het doel van de technologie ook van belang. Als het doel is om eens in de zoveel tijd binnen de bedrijfsdata niet-chronische problemen op te lossen, dan is een tool dat ad hoc analyse biedt voldoende. Moet een tool direct data kunnen analyseren zo snel het is gemaakt, dan is een connectie met de andere systemen van belang en spreek je over real-time BI. Hierin is de informatie altijd en overal inzichtelijk, waardoor je altijd een compleet beeld van de data hebt. Als het van belang is dat de leverancier verantwoordelijk is voor updates en verbeteringen in de software, dan wordt er gebruik gemaakt van SaaS BI. Hierbij is er vaak sprake van een abonnementsbasis waar de klant de service afneemt. SaaS oplossingen zijn tegenwoordig de meest gangbare tools als het gaat om analytics. 

Tableau van Salesforce, Qlikview of Power BI  zijn voorbeelden van SaaS “selfservice” oplossingen, waarin de gebruiker makkelijk zelf: (1) De import van data kan regelen, (2) de data architectuur kan creëren en (3) ook visualisaties kan maken. Ideaal dus voor de organisatie die intern met data aan de slag wil en daar ook de tijd en middelen in wil steken om het programma te leren en in de organisatie te integreren.

Nieuwsgierig naar de mogelijkheden?

De vorige alinea over de verschillende analytics tools en opties klinkt misschien erg technisch, maar wees gerust! Elke zorgorganisatie is in staat om de voordelen van analytics te benutten, in welke vorm dan ook. 

Wil je graag meer informatie, ben je geïnteresseerd in wat BI voor jouw organisatie kan betekenen of heb je hulp nodig bij de inrichting van jouw datamodel? Neem dan vrijblijvend contact op!

Deel dit bericht

Share on facebook
Share on google
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email

Wij als CBEE maken gebruik van cookies om jouw ervaring op onze site zo relevant en persoonlijk mogelijk te laten verlopen. Door het gebruik van cookies kunnen wij jouw internetgedrag op onze website maar ook daarbuiten volgen. Door verder te gaan op onze site ga je akkoord met het verzamelen van cookies.