Cookies

We gebruiken cookies om u de beste ervaring op onze website te bieden. U kunt meer informatie vinden over welke cookies we gebruiken of deze uitschakelen in de instellingen. - Bekijk cookie instellingen

Ga naar inhoud

Project update SNOWDROP: valincidenten voorkomen bij senioren

Gepubliceerd op 3 juni 2021

RSS Feed

Dit artikel is geplaatst op: c2d

Twee projectdoelen

Noman Dormosh werkt aan de medische informatica van het project. SNOWDROP heeft twee hoofddoelen, legt hij uit. "Het eerste doel is om met behulp van big data senioren met een verhoogd valrisico te identificeren aan de hand van een voorspellingsmodel. Dat is vooral mijn vakgebied. Het tweede doel is om dit model te implementeren en te evalueren in de dagelijkse praktijk; daar houdt Leonie zich vooral mee bezig.”

Leonie Westerbeek is communicatiewetenschapper. "We betrekken huisartsen en ouderen bij de ontwikkeling van de tool die het voorspellingsmodel gaat gebruiken", vult ze aan. "Ik doe momenteel kwalitatief onderzoek door middel van focusgroepen en interviews. Het doel is om de nieuwe tool optimaal in te laten passen in bestaande workflows en om effectieve manieren te vinden om met patiënten te communiceren."

Multidisciplinaire samenwerking

Zowel Noman als Leonie zijn enthousiast over de multidisciplinaire aanpak van het project, omdat het expertise uit de communicatiewetenschap, medische informatica, geriatrie en huisartsenpraktijk combineert. Naast de academische samenwerkingen zijn er nog drie andere partijen bij betrokken. Leonie: "We werken samen met Pharmeon voor implementatie in hun patiëntportaal en met ExpertDoc, de ontwikkelaars van medisch beslissingsondersteunend systeem dat al in gebruik is bij huisartsen. Ook Elsevier is erbij betrokken."

"We werken met twee soorten data", vertelt Noman: "Gestructureerde data zoals leeftijd, geslacht en medicatie is relatief eenvoudig te beheren. Het andere datatype is vrije tekstinvoer door artsen, die een grote hoeveelheid informatie bevat, waaronder (onder meer) eerdere valincidenten. Wij werken samen met onderzoekers van Elsevier om relevante informatie uit de vrije tekst te extraheren die kan worden gebruikt bij de ontwikkeling van het voorspellingsmodel. We denken dat deze aanpak ook voor andere projecten kan worden aangepast."

Uitdagingen op het gebied van data

Noman gaat dieper in op uitdagingen aan de datakant: "Pseudonimisering van vrije tekst is moeilijk. Daarnaast hadden we de juiste uitkomstlabels ('viel wel' of 'viel niet') nodig om het voorspellende algoritme te trainen, wat een gedetailleerde blik op de vrije tekst vereist - ik moest meer dan 10.000 records handmatig markeren!"

Voor de toekomst onderzoekt het SNOWDROP-team de mogelijkheden om deep learning-technologie (zoals neurale netwerken) te gebruiken om informatie uit meer vrije tekstvermeldingen te extraheren, omdat dit de nauwkeurigheid van het voorspellingsmodel kan helpen verbeteren. Er zijn faciliteiten beschikbaar (Noman noemt de Digital Research Environment) die over de nodige rekenkracht beschikken, maar het team zoekt nog naar manieren om gegevens naar die faciliteiten over te brengen op een manier die in overeenstemming is met wet- en regelgeving.

Huidige staat en toekomstige ambities

Momenteel is het voorspellingsmodel klaar en is de verzameling van kwalitatieve gegevens van huisartsen en senioren afgerond. Samen met de partners in dit project werken de onderzoekers nu aan de input voor het patiëntportaal en het medisch beslissingsondersteunend systeem, en aan de implementatie van het voorspellingsmodel binnen deze software. Het testen van de gebruiksvriendelijkheid door huisartsen en ouderen staat gepland voor de tweede helft van 2021. In 2022 begint het testen van het systeem in de praktijk.

En daarna? "Idealiter zou dit systeem door alle huisartsen worden gebruikt, zodat ze hun patiënten tijdig kunnen uitnodigen en hun medicatie kunnen herzien wanneer ze een hoog risico lopen. Dat zou implementatie in andere beslissingsondersteunende systemen vereisen, naast het systeem waar we nu mee werken," zegt Leonie. Noman voegt toe: "Verdere validatie van het model staat ook op de agenda: we gaan de generaliseerbaarheid van het model onderzoeken door het te valideren met datasets uit een andere bron."

Hoewel haar kwalitatieve onderzoek aan de implementatiekant niet bepaald probleemloos is verlopen door de COVID-19 beperkingen, is Leonie enthousiast over het project: "Ik geloof echt in het preventieve karakter van onze aanpak. De burgers op wie we ons met dit instrument richten zijn zich er vaak niet eens van bewust dat ze een hoog risico lopen, dus er is een wereld te winnen." Noman is het daarmee eens: "Het voorkomen van valgerelateerd letsel wordt steeds belangrijker in een vergrijzende bevolking. Het is mooi dat we verder kunnen kijken dan de ontwikkeling van het model en het ook echt kunnen implementeren in de dagelijkse praktijk."

Meer informatie

Ook interessant voor u

Nieuws

Kids First, towards a pedagogical sport climate

16 mei 2024

The European Digital Identity regulation and the b...

13 mei 2024
Bekijk al het nieuws

Pagina's

Gezondheid en Zorg

11 september 2023

Centre of Excellence for Data Sharing and Cloud

26 juni 2023

Commit2Data

4 oktober 2022
  • Privacy overzicht
  • Noodzakelijke cookies
  • Cookies van derden
  • Aanvullende cookies
  • Privacy en cookies

Deze website maakt gebruik van functionele-, analytische- en tracking-cookies om de website te verbeteren.

Strikt Noodzakelijke Cookies moet te allen tijde worden ingeschakeld, zodat wij uw voorkeuren voor cookie-instellingen kunnen opslaan.

Deze website gebruikt Google Analytics, Hotjar en Facebook pixel om anonieme informatie te verzamelen, zoals het aantal bezoekers van de site en de meest populaire pagina's.

Door deze cookie ingeschakeld te houden, kunnen we onze website verbeteren.

Deze website gebruikt de volgende aanvullende cookies/services:

Meer over onze cookies