VIPTHIS: Vroegtijdige Identificatie van de Palliatieve fase via Textmining in het Huisarts Informatie Systeem.
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