Mobiele menu

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:

  1. (door)ontwikkeling van een 1e test-algoritme
  2. inventarisatie van de huidige ACP in de praktijk
  3. zoektocht naar een ‘gouden standaard’ voor een optimale ACP-timing, beide door dossieronderzoek met huisartsen
  4. algoritme ontwikkeling op basis van 4 datasets van umc’s
  5. ontwikkeling van een ACP-signaleringstool en inbedding in bestaande ACP-trainingen van het Nederlands Huisartsen Genootschap en Hogeschool Viaa en implementatie in 15 huisartsenpraktijken.
  6. 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:

  1. patiënten met kanker
  2. patiënten met orgaanfalen
  3. 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

Titel: Voorspellen van de levensverwachting met een recurrent neuraal netwerk met een lang kortetermijngeheugen met behulp van elektronische medische dossiers
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
Titel: Advance Care Planning in Primary Care. A retrospective health record study among patients with different illness trajectories
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/
Titel: General practitioners' evaluations of optimal timing to initiate advance care planning for patients with cancer, organ failure, or multimorbidity: A health records survey study
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/
Titel: Bio-ethische aspecten van big data en machine learning
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

Dit onderzoek naar Vroegtijdige Identificatie van de Palliatieve fase door toepassing van Tekstmining in het Huisarts Informatiesysteem (VIPTHIS) beoogde een bijdrage te leveren aan de vroegtijdige identificatie van palliatieve patiënten in de huisartspraktijk, zodat tijdig Advance Care Planning (ACP) activiteiten kunnen worden gestart. Het VIPTHIS onderzoek heeft een aantal waardevolle inzichten opgeleverd. De resultaten beschrijven we aan de hand van de fases (0,1,2,3) uit het projectvoorstel, waarop daadwerkelijk resultaten behaald zijn. Publicaties nummeren we eveneens (1 t/m 5). Fase 0 betrof een ‘proof of concept’ van een algoritme voor het zo goed mogelijk voorspellen van de verwachte overlijdensdatum van patiënten. Dit is niet hetzelfde als het aanwijzen van het optimale moment voor ACP, maar wel een eerste belangrijke stap op weg daar naartoe. In Medisch Contact (Publicatie 1) en in een wetenschappelijk artikel (Publicatie 2) in hebben we beschreven wat deze proof of concept opleverde: toevoeging van teksten uit het HIS verbeterde het voorspellend vermogen van het algoritme met 45% (van 20% goede voorspellingen van het levenseinde naar 29% goede voorspellingen). Fase 1 is het “Gouden Standaard Onderzoek”. Dit onderdeel was nodig omdat HIS data weliswaar data bevatten over het moment van overlijden, maar geen (gelabelde) data over het gewenste ACP moment. Om een algoritme te kunnen trainen (fase 4) is wel data nodig over de optimale timing van ACP. Daarom hebben we in deze fase twee stappen gezet: 1a) inventarisatie van 150 HIS-dossiers van overleden patiënten op zoek naar genoteerde ACP activiteiten en 1b) een dossier beoordeling van 90 HIS dossiers van 90 overleden patiënten door 90 huisartsen, op zoek naar het optimale ACP moment. 1a, de inventarisatie (Publicatie 3) In totaal werden 119 patiëntendossiers geanalyseerd, van wie 55 kankerpatiënten, 28 patiënten met orgaanfalen en 36 multimorbiditeitspatiënten. In 65% van de records zijn één of meer ACP-items geregistreerd. Huisartsen documenteerden het vaakst aspecten met betrekking tot euthanasie, palliatieve sedatie, voorkeursplaats van zorg en overlijden, zorgen en hoop op de toekomst en prognose. De mediane timing van het eerste ACP-gesprek was 126 dagen voor de dood. ACP wordt vaker toegepast bij kankerpatiënten (84%) dan bij orgaanfalen (57%) en multimorbiditeitspatiënten (42%). Kankerpatiënten scoren ook het hoogst op de domeinen uitgebreidheid en frequentie van ACS-gesprekken. 1b Dossier analyse door huisartsen (Publicatie 4) In totaal hebben 84 huisartsen elk drie patiëntendossiers beoordeeld (252 beoordelingen). De mediane, optimale timing voor het starten van ACP is 228 dagen (ongeveer 7,5 maanden) voor het overlijden. De mediane optimale timing voor de start van ACP werd dichter bij de dood vastgesteld bij de patiënt met kanker (87,5 dagen voor overlijden) dan bij de patiënten met orgaanfalen (266 dagen voor overlijden) en multimorbiditeit (290 dagen voor overlijden). In de meeste dossiers was de optimale timing voor het starten van ACP gerelateerd aan een i) huisartsbezoek, gevolgd door ii) een brief van andere zorgverleners of iii) een consult door de huisarts. Kwalitatieve analyse van de toelichtingen van de huisartsen bij de gekozen APC momenten leverde diverse verdiepende inzichten op over het optimale ACP moment. Zo speelt bij kanker meestal een recente episode van diagnostiek, met een slechte prognose. Bij orgaanfalen wordt het optimale ACP moment veelal getriggerd door een recente acute situatie met SEH- of Ziekenhuisbezoek, waarna een relatief rustige periode ontstaat, met tijd voor reflectie. Bij Multi morbiditeit geven huisartsen aan dat de aanleiding voor ACP vaak is een vraag om beleid van elders uit de keten (thuiszorg, (tijdelijke) opname), of een signaal van de patient zelf en/of diens omgeving. Fase 2 betrof de ontwikkeling van een neuraal netwerk voor de identificatie van het optimale ACP moment in HIS-sen. Data uit drie

Kenmerken

Projectnummer:
844001510
Looptijd: 100%
Looptijd: 100 %
2018
2023
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Dr. A.S. Groenewoud
Verantwoordelijke organisatie:
Radboudumc