Tekstmining in het toezicht: een exploratieve studie naar de automatische verwerking van klachten ingediend bij het Landelijk Meldpunt Zorg
Potentiële risicogevallen ontdekken d.m.v. automatische tekstanalyse
Het doel van deze studie is om automatische tekstanalysetechnieken (tekstmining) toe te passen op de klachten die bij het Landelijk Meldpunt Zorg binnenkomen. Zo hopen we eventuele trends en patronen te vinden die meer inzicht geven in de aard en de relevantie van de klachten. De verwachting is om zo potentiële risicogevallen te ontdekken die op basis van de behandeling van individuele klachten nog niet waren gesignaleerd.
Praktische en juridische randvoorwaarden
We analyseren eerst de literatuur van het gebruik van tekstmining. Daarna kijken we wat geleerd kan worden van andere inspecties in Nederland en in het buitenland. Parallel hieraan onderzoeken we wat de praktische en juridische randvoorwaarden zijn om de data van de klachten te kunnen onderzoeken.
Feitelijke tekstmining
Na deze randvoorwaarden te hebben gerealiseerd, starten we met de 3 onderdelen van de feitelijke tekstmining:
- Het categoriseren van klachten.
- Het beoordelen van de ernst van klachten.
- Het identificeren van risicogevallen.
Verslagen
Eindverslag
Het doel van deze studie was om automatische tekstanalysetechnieken (textmining) toe te passen op de klachten die bij het Landelijk Meldpunt Zorg binnenkomen. Zo hoopten we om eventuele trends en patronen te vinden die meer inzicht geven in de aard en de relevantie van de klachten. Er bleek weinig literatuur beschikbaar te zijn over de relatie tussen textmining en gebruik ervan in toezicht. Vier andere inspecties concludeerden dat zij met beperkte analyse en inspanningen interessante inzichten kunnen verkrijgen. We hebben drie technieken gebruikt die de klachten groepeerden met wisselend succes. We hebben ook een manier gevonden om op basis van de klachtenbeschrijvingen ernst te herkennen met een redelijk resultaat. Tenslotte hebben we een overzicht gemaakt van alle organisaties waar tenminste tien klachten voor waren. Zo hebben we per organisatie de termen inzichtelijk gemaakt die specifiek zijn voor deze organisatie in de aan deze organisatie gerelateerde klachten.