VIPTHIS: Vroegtijdige Identificatie van de Palliatieve fase via Textmining in het Huisarts Informatie Systeem.
Projectomschrijving
Advance Care Planning (ACP) verbetert zorg in de laatste levensfase, maar goede timing blijkt moeilijk. Het is voor huisartsen moeilijk om alle relevante informatie over een patiënt mee te nemen en op waarde te schatten. Computers hebben geen last van deze beperkingen.
Doel
Het doel van dit project is om een instrument te ontwikkelen, dat het optimale tijdsframe voor ACP signaleert. Het Huisarts Informatie Systeem (HIS) is een voor dit doel nog nauwelijks gebruikte databron.
Aanpak/werkwijze
VIPTHIS bestond oorspronkelijk uit de volgende stappen:
- (door)ontwikkeling van een 1e test-algoritme
- inventarisatie van de huidige ACP in de praktijk
- zoektocht naar een ‘gouden standaard’ voor een optimale ACP-timing, beide door dossieronderzoek met huisartsen
- algoritme ontwikkeling op basis van 4 datasets van umc’s
- ontwikkeling van een ACP-signaleringstool en inbedding in bestaande ACP-trainingen van het Nederlands Huisartsen Genootschap en Hogeschool Viaa en implementatie in 15 huisartsenpraktijken.
- evaluatie van de impact van de ACP-signaleringstool in de huisartsenpraktijk.
Samenwerkingspartners
Voor het onderzoek gebruikten we datasets van het Leids Universitair Medisch Centrum (LUMC), Radboudumc en het Universitair Medisch Centrum Groningen (UMCG).
Resultaten
We voerden de stappen 1 tot en met 3 van het onderzoek uit. Gebruik van HIS-teksten verbeterde het voorspellend vermogen van een algoritme voor de timing van ACP met 45%. Tekstmining met HIS-data heeft dus meerwaarde. Daarnaast leerde het gouden standaard onderzoek ons welke ingrediënten in het HIS voor huisartsen van belang zijn. En wat zij de optimale timing van ACP vinden voor 3 doelgroepen:
- patiënten met kanker
- patiënten met orgaanfalen
- patiënten met multimorbiditeit
Uiteindelijk bleek het moeilijk om data uit 4 HIS-sets te harmoniseren. We konden de stappen 4 tot en met 6 niet uitvoeren door vroegtijdige beëindiging van het onderzoek. Met deze resultaten werken LUMC-onderzoekers de komende jaren aan de ontwikkeling van een ACP-signaleringstool voor optimale timing van ACP.
ZonMw en proactieve zorgplanning
Dit project financieren we vanuit ons programma Palliantie. Het tijdig herkennen en bespreekbaar maken van het levenseinde helpt patiënten en naasten om over hun doelen, wensen en behoeften rondom de palliatieve fase na te denken. Het is belangrijk dat zorgverleners tijdig en regelmatig hierover in gesprek gaan en dit inventariseren en vastleggen. Vanuit ons programma financieren we onderzoek naar handvatten voor proactieve zorgplanning en de toepassing daarvan in de zorgpraktijk. Lees meer op ons thema proactieve zorgplanning.
Producten
Auteur: Redactie Medisch Contact
Magazine: Medisch Contact
Link: https://www.medischcontact.nl/actueel/laatste-nieuws/artikel/levenseinde-voorspellen-met-patientendossiers#:~:text=Textmining%20is%20een%20techniek%20om,om%20de%20zorg%20te%20verbeteren.
Auteur: Merijn Beeksma1* , Suzan Verberne2 , Antal van den Bosch3 , Enny Das1 , Iris Hendrickx1 and Stef Groenewoud4
Magazine: BMC Medical Informatics and Decision Making
Link: https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-019-0775-2
Auteur: Yvonne A.C. Bekker1A. Suntjens, Y. Engels, H. Schers, Gert P. Westert, A. Stef Groenewoud
Magazine: Palliative Medicine
Link: https://pubmed.ncbi.nlm.nih.gov/35152892/
Auteur: Willemijn Tros, Jenny T. van der Steen, Janine Liefers, Reinier Akkermans, Mattijs E. Numans, Petra G. van Peet, A. Stef Groenewoud
Magazine: Palliative Medicine
Link: https://pubmed.ncbi.nlm.nih.gov/34965754/
Magazine: Podium Bio-ethiek, jaargang 26, nr 4, 2019
Link: https://docplayer.nl/187167859-Thema-bio-ethische-aspecten-van-big-data-en-machine-learning.html
Verslagen
Eindverslag
Samenvatting van de aanvraag
Advance Care Planning (ACP) verbetert zorg in de laatste levensfase. Het juiste moment kiezen om ACP te introduceren, blijkt echter moeilijk. Bestaande hulpmiddelen om huisartsen te ondersteunen in het detecteren van de palliatieve fase zijn afhankelijk van het initiatief van de huisarts en diens oordeel over de situatie. Dat initiatief wordt niet altijd genomen. In een RCT met de RADPAC bijv., werd slechts met 24% van de niet-onverwacht overleden patiënten een ACP gesprek aangegaan. Het kan jaren duren voordat je als huisarts een goede ‘antenne’ ontwikkelt voor signalering van de palliatieve fase: in een gemiddelde huisartsenpraktijk overlijden jaarlijks zo’n 15 tot 20 patiënten niet onverwacht. Het is met de huidige methoden onmogelijk om alle relevante informatie over een patiënt (specifieke karakteristieken, complete medische historie, thuissituatie) mee te nemen en op waarde te schatten. Computers hebben geen last van deze beperkingen. Doel van dit project is een instrument (VIPTHIS), (door) te ontwikkelen, te implementeren en te evalueren, dat de palliatieve fase automatisch signaleert en de gebruiker het optimale tijdsframe aanwijst voor het voeren van het ACP gesprek. Er is een zeer rijke databron beschikbaar in de vorm van het Huisarts Informatie Systeem (HIS) en wij stellen voor die bron te gebruiken. Het gebruik van het HIS maakt VIPTHIS zowel generiek toepasbaar, als ultiem gepersonaliseerd. Om VIPTHIS te realiseren, delen we het project op in fasen: 0) We ontwikkelden (okt ‘16 - okt’17) al een proof of concept van VIPTHIS o.b.v. HIS data van 1224 overleden patiënten uit 7 huisartspraktijken. Het proof of concept is al 9% preciezer in het voorspellen van het levenseinde dan de literatuur rapporteert over het voorspellend vermogen van artsen. We zien dit als een eerste opstap naar het voorspellen van het juiste moment voor ACP, wat het uiteindelijke doel is van VIPTHIS. 1) Het voorspellen van het levenseinde is één ding; het aanwijzen van het juiste moment voor ACP een tweede. Dit doen we door experts op het gebied van huisartsenzorg en ACP o.b.v. een aantal medische dossiers achteraf het juiste moment voor ACP te laten bepalen. De gouden standaard die zo ontstaat, biedt houvast om onze modellen (fase 2) nog beter te maken en helpt ons te bepalen welke informatie noodzakelijk is om de vertaalslag te maken van ‘levensverwachting’ naar ‘het juiste tijdsframe voor ACP’. 2) We trainen neurale netwerken met data afkomstig uit HISsen (miljoenen records beschikbaar via grote HIS-datawarehouses van Radboudumc, Erasmusmc en LUMC waarmee we samenwerken), waarbij we gebruik maken van 'machine learning'-, 'natural language processing'-, en 'information retrieval'-technieken. Hier komen twee modellen uit voort: model 1 voorspelt zo nauwkeurig mogelijk de levensverwachting. Model 2 is een combinatie van model 1 met de ‘gouden standaard’ uit fase 1 en geeft een optimaal “window of opportunity” om het ACP-traject te starten. Zelflerende systemen zijn in staat complexe patronen te identificeren, die voor mensen niet voor de hand liggend lijken. Het systeem wordt getraind met grote hoeveelheden data, maar kan ieder unieke geval apart beoordelen. Het neemt alle aangeboden informatie in acht en plaatst dit in het kader van alle informatie die het eerder heeft gezien. Naast de informatie afkomstig uit diagnosecodes, medicatie en bijvoorbeeld meetwaarden, pikt het systeem automatisch signalen op uit de notities van de arts en het briefcontact met medisch specialisten. 3) Ontwikkelen van een instrument (bij voorkeur geïntegreerd in of aangesloten op het HIS) dat in de praktijk ingezet kan worden. Deze app of ‘plugin’ op het scherm van de huisarts en/of praktijkverpleegkundige geeft een signaal zodra bij een patiënt de palliatieve fase wordt gesignaleerd, compleet met een passend tijdsframe voor het inzetten van ACP. Afhankelijk van de eisen en wensen die artsen, praktijkverpleegkundigen, patiënten en naasten (we betrekken hen bij de ontwikkeling)hebben, biedt VIPTHIS ruimte voor extra functionaliteit, bijv. als documentatiehulp of voor het delen van de resultaten van ACP-gesprekken met andere zorgverleners. 4) Implementeren VIPTHIS in 15 eerstelijnslocaties (groepspraktijken of gezondheidscentra), verspreid over 5 regio’s (Zwolle, Nieuwegein, Rotterdam, Leiden, Nijmegen). De implementatie bestaat niet alleen uit het installeren van de ‘signaleringstool’ in de huisartsenpraktijk. We bedden VIPTHIS in in een ACP trainingsprogramma voor huisartsen (met NHG) en praktijkverpleegkundigen (met Viaa Hogeschool). 5) Kwantitatieve en kwalitatieve proces- en effectevaluatie van VIPTHIS. De hypothese is dat hulpverleners vaker en eerder ACP gesprekken voeren, dat de procedure homogener wordt en dat de zorg meer passend en effectief blijkt (o.a. ervaren door de patiënt en zijn naasten). Het project wordt uitgevoerd door een breed samengesteld team (4 UMCs)en begeleid vanuit onder anderen het NHG en de Nederlandse Patiëntenvereniging.