Een manier vinden hoe we grote, landelijke datasets veilig kunnen gebruiken. >> Voor zwaardere aandoeningen komt heel wat meer kijken om tot een goed model te komen. Het behandeltraject duurt langer en het beslisproces is ingewikkelder. Kortom, we zijn het project gestart met ´makkelijker´ aandoeningen, zoals cataract, heup- en knieartrose en spataderen. Geen ´sexy´ keuze, maar we hebben het hierbij wel over een groot aantal patiënten op jaarbasis. Bovendien, in dit segment van de curatieve zorg ook continu de vraag: ´Moeten we wel zoveel opereren?´” Model op basis van ICHOM We nemen de knieartrose uit de beginfase van het project als voorbeeld om het model beter uit te kunnen leggen. Daniel Kapitan: “Destijds hebben we aan orthopeden en bewegingsexperts gevraagd naar het waarom van interventies. Hun antwoord: pijn bij de patiënt te reduceren en zijn dagelijks functioneren te verbeteren. We zijn vervolgens de literatuur ingedoken en hebben data-standaarden onderzocht. Onder andere hebben we gekeken naar ICHOM, International Consortium for Health Outcomes Measurement. Dit internationaal samenwerkingsverband heeft een ‘datawoordenboek’ ontwikkeld om de ‘waarde’ van bijvoorbeeld een behandeling van knieartrose te kunnen meten. De dataset bestaat uit circa 80 variabelen; te veel voor in een spreekkamer. Dus hebben we een eenvoudig gespreksmodel ontwikkeld, met alle informatie van ICHOM onder de motorkap.” Extra stap Het model lijkt voor 80 procent op bijvoorbeeld de keuzehulpen van Patient+. Kapitan: “Het verschil met ons model is, dat Patiënt+ haar concept gebaseerd heeft op systematic reviews, een samenvatting van wetenschappelijke literatuur. Dat is een prima basis, waar we meer data aan hebben toegevoegd. Om het model persoonlijker te maken, gebruiken we observationele data. Gegevens die er al zijn van de patiënt alvorens hij de kliniek binnenkomt. Oftewel, om het model te ´trainen´, hebben we gebruik gemaakt van de historische data die binnen de klinieken beschikbaar waren. Omdat zij in deze aandoeningen zijn gespecialiseerd, waren er ook voldoende data beschikbaar. Idealiter zouden we dit model veel beter kunnen maken door landelijke registraties te gebruiken, zoals de Landelijke Registratie Orthopedische Implantaten (LROI). Hierin worden alle data van de jaarlijks 25.000 heup- en knieoperaties geregistreerd.” Verdere ontwikkeling Het begon in het project dus bij de ´eenvoudige´ knieoperatie. Maar al snel kwam de gedachte naar voren waarom het ook niet toe te passen in de interactie tussen fysiotherapeut en orthopeed. Daniel Kapitan legt uit: “Alle patiënten moeten volgens het protocol eerst een conservatieve behandeling ondergaan om bijvoorbeeld aan te sterken of meer te bewegen. Immers, gaat hij sterker en gezonder de operatie in, dan is de kans van slagen ook hoger.” Alhoewel het idee er al lang was, is dit pas in 2019 daadwerkelijk uitgevoerd. Het Koninklijk Nederlands Genootschap voor Fysiotherapie (KNGF) heeft het aangedurfd om de landelijke data te gebruiken voor het model. Aangedurfd? “Ja¨, zegt Kapitan, “want naast de positieve re18 FMT | April 2020 acties die we op ons werk hebben gekregen, was er ook vaak kritiek vanuit de beroepsgroep. Het zijn wezenlijke analyses die we uitvoeren, dus het vergt vertrouwen en toch ook kwetsbaar durven opstellen. Het heeft denk ik zeker meegespeeld, dat Mediquest al jarenlang voor het KNGF werkt, dat we dit hebben kunnen doen.” Kapitan vervolgt: “In de afgelopen zes jaar is er echter wel het nodige gebeurd. Kijk bijvoorbeeld naar het initiatief Zorgevaluatie en Gepast Gebruik (ZEGG), wat is voortgekomen uit het Hoofdlijnenakkoord. Voorzitter Sjoerd Repping zegt ook dat het nu echt anders moet. Moeilijke vragen durven stellen, ook richting medisch specialisten in samenwerking met verzekeraars en patiëntenverenigingen. Maar inderdaad, er is nog een lange weg te gaan. We komen aan de positie van mensen, aan hun portemonnee. Daarnaast moeten we nog een manier vinden hoe we grote, landelijke datasets veilig kunnen gebruiken. Aan de ene kant begrijp ik de zorgen ten aanzien van privacy. Tegelijkertijd vind ik het jammer, dat bijvoorbeeld de stichting Benchmark GGZ is veroordeeld voor ‘verkeerd’ gebruik van de data, voor een vergelijkbare toepassing. Maar een ding is zeker; verandering is noodzakelijk. Alleen al vanwege het feit dat het tekort in de zorg (mens en geld) niet zomaar weg gaat.” Wat bereikt? Nog een weg te gaan dus, maar wat is er de afgelopen jaren wel bereikt? Kapitan: “Dat het model draait bij een aantal klinieken. En, we staan er niet meer alleen voor. Hetzelfde principe ligt aan de basis van een aantal grote vernieuwingstrajecten. Kijk naar het eerder genoemde project Patiënt+, een project van bijna 1 miljoen euro, met name om dit idee voor de huisartsenzorg in te zetten. Ook hebben we bereikt dat inmiddels een heleboel andere zorginstellingen en partijen het principe omarmen. Oftewel, samen kijken we hoe algoritmes beter te gebruiken voor een betere besluitvorming in de zorg.” Meer informatie: https://home.mediquest.nl/ In een volgende editie van FMT Gezondheidszorg praten we verder over het project Nightingale. Hoe werkt het in de praktijk en wat levert het op? Naast Daniel Kapitan zal ook Tom Cohen, algemeen directeur van de Oogcentrum Noordholland, aan het woord komen. Project Nightingale 1. Een uitkomstmaat die voor de patiënt relevant en te begrijpen is. 2. Gebruik van machine learning om verhoogd risico op slechte uitkomsten vooraf te bepalen en daarmee ‘samen beslissen’ te ondersteunen. 3. Validatie en interpretatie van voorspellende algoritmes met klinisch literatuuronderzoek.
19 Online Touch Home