Data-gedragen procesoptimalisatie bij de palliatieve radiotherapie in het Erasmus MC

Uitgave voor de zorgsector Leestijd 5 minuten

In het vorige blog beschreven wij de essentie en relevantie van procesoptimalisatie van zorgprocessen. In deze blog geven wij hier vervolg aan met een praktijkvoorbeeld uit het Erasmus Medisch Centrum (Erasmus MC) in samenwerking met Tilburg University. Het praktijkvoorbeeld beschrijft hoe bestaande data en een speciaal ontwikkeld algoritme zijn gebruikt om de planning van de palliatieve zorg op de afdeling radiotherapie te optimaliseren. Hieronder beschrijven wij aan de hand van de drie stappen die wij ook in het vorige blog beschreven: ‘doelstelling en uitgangspunten’, ‘modellering’ en ‘besluitvorming’, hoe dit project is gerealiseerd.

Doelstelling

Op basis van haar missie streeft het Erasmus MC naar “een gezonde bevolking en excellente zorg door onderzoek en onderwijs”. Waarbij het Erasmus MC  ‘een leidende rol neemt in innovaties voor gezondheid en zorg’.

Op basis van deze organisatie brede missie en visie, patiëntervaringen en eigen professionele behoeften, stelde de afdeling radiotherapie het doel om de zorgplanning te optimaliseren. Door slim gebruik te maken van data wilde het projectteam [bron 1]Projectteam: dr. ir. Steven Petit (Erasmus MC), Nienke Hoffmans-Holtzer MSc. (Erasmus MC), dr. Marleen Balvert (Tilburg University) en Luuk Smolenaers van AethiQs de wachttijd die patiënten in het ziekenhuis doorbrengen verminderen. Tegelijkertijd mocht het realiseren van deze tijdsreductie niet ten koste gaan van de belastbaarheid van zorgprofessionals in termen van werktijden en/of werkdruk. Hiertoe ontwikkelde het projectteam een algoritme dat berekent welke planning leidt tot (1) een zo kort mogelijk verblijf in het ziekenhuis voor patiënten, en (2) een zo laag mogelijke kans op overwerken voor de zorgprofessional.

Voordat we de werkwijze en resultaten beschrijven, staan we kort stil bij de setting van palliatieve radiotherapie in het Erasmus MC.

De setting van palliatieve radiotherapie in het Erasmus MC

Palliatieve radiotherapie richt zich op verlichten van klachten en het bevorderen van de kwaliteit van leven. Palliatieve radiotherapie wordt toegepast bij patiënten met kanker in een stadium waarbij genezing niet meer mogelijk is. Deze patiënten hebben baat bij een zo snel mogelijke en minimaal belastende behandeling, idealiter op de dag van de intake.

Radiotherapie is een behandeling die uit meerdere stappen bestaat. Elke stap vergt handelingen van verschillende zorgprofessionals en -systemen. In grote lijnen bestaat de behandeling uit veertien stappen die globaal onder te verdelen zijn in de volgende vijf categorieën:

  1. een consult met de arts,
  2. het maken van de CT-scan,
  3. het intekenen van het te bestralen doelgebied door de arts,
  4. het berekenen van de juiste hoeveelheid bestraling, en
  5. de bestraling zelf.

Om de duur van de behandeling te beperken hebben verschillende ziekenhuizen, waaronder het Erasmus MC, een zogenaamde ‘One-Stop Shop’ geïntroduceerd. Dit concept houdt in dat alle behandelstappen op één dag worden uitgevoerd, in tegenstelling tot de week die hier normaliter voor staat. Het efficiënt plannen van de behandelstappen op één dag is uitdagend, tegelijkertijd biedt het een (maatschappelijk) relevante context waarbij data kan helpen om het planningsproces te optimaliseren.

Modellering

Het projectteam ontwikkelde speciaal voor deze casus een genetisch algoritme dat is gebaseerd op de evolutietheorie van Darwin [bron 2]. Het algoritme bestaat uit twee wiskundige modellen die verschillende stappen doorlopen:

  • Model 1 wijst de behandelstappen toe aan de desbetreffende zorgprofessional en berekent de gemiddelde behandeltijd van een patiënt.
  • Model 2 raamt vervolgens wat de kans op overwerken is als de voorgestelde planning wordt aangehouden. Historische data (250 scenario’s), die inzicht geven in tijdsduur van elke behandelstap en hoe het proces momenteel is georganiseerd, voedden deze berekeningen.

Het resultaat is een overzicht van planningen waarbij de consequenties voor patiënt en zorgverlener inzichtelijk worden. Een voorbeeld van zo’n overzicht is onderstaande grafiek. In de grafiek representeert elk bolletje een uitgewerkte zorgplanning. Hieronder een visualisatie:

Welke planning past het best bij uw zorgproces?

Als het doel is om een planning te handhaven dat zich volledig richt op een zo laag mogelijke doorlooptijd voor de patiënt, dan gaat dit ten koste van de zorgprofessional (en de patiënt) omdat de kans op uitloop erg hoog is (bolletje linksboven). Als het doel is om overwerk te minimaliseren, dan gaat dit ten koste van de behandeltijd voor patiënten (bolletje rechtsonder). Idealiter is een planning die linksonder is gepositioneerd de beste optie, een goede balans tussen de behoeftes van de patiënt én de zorgprofessional. Eén ding is echter duidelijk zichtbaar: het algoritme reduceert hoe dan ook de behandeltijd voor de patiënt met eenzelfde kans op overwerken ten opzichte van de huidige situatie (ster rechtsonder).

Het ontwikkelde algoritme is ook in staat om te rekenen met verschillende aantallen patiënten en samenstellingen van teams van zorgprofessionals. Hierdoor kan het algoritme ook worden gebruikt om toekomstige scenario’s te toetsen, hetgeen ondersteunt bij operationele besluitvorming.

 

Besluitvorming

Op basis van de bovenstaande grafiek kan een planning worden gekozen die voldoet aan de van tevoren gedefinieerde doelstellingen en uitgangspunten. Het projectteam oordeelde dat de resultaten in de grote groene cirkel (linksonder) het best paste bij de van tevoren gedefinieerde doelstellingen en uitgangspunten. Op dit moment (doorlooptijd van ongeveer 1 jaar) wordt de gekozen planning getest in de praktijk.

 

Conclusie en vervolgstappen

Dit praktijkvoorbeeld toont aan dat de inzet van deze data-gedragen aanpak leidt tot winst zowel voor de patiënt én de zorgverlener wanneer de juiste uitgangspunten en het juiste proces worden gehanteerd. Daarnaast kan de organisatie zelf bepalen waar de optimale balans ligt tussen de behandeltijd voor patiënten en de belastbaarheid van zorgprofessionals.

Wij zien hiermee een enorme potentie voor data-gedragen procesoptimalisatie in de zorg. De omschreven oplossing is geschikt voor verschillende behandelafdelingen in ziekenhuizen, revalidatiecentra en geriatrische revalidatie (GRZ-)afdelingen van VVT-instellingen. De grootste meerwaarde is naar verwachting te realiseren bij de complexe planbare zorg, zoals de ‘One-Stop Shop’ uit het praktijkvoorbeeld.

Een relevante oplossing voor uw afdeling?
Een adequate oplossing vraagt om maatwerk en houdt rekening met de unieke kenmerken van uw organisatie en de (strategische) uitgangspunten die daarbij horen.

Wilt u meer weten hoe een data-gedragen werkwijze de zorg- of behandelprocessen in uw organisatie kan versterken? Wij drinken graag een kopje koffie en delen onze visie.

Aan deze blog hebben bijgedragen:

Luuk Smolenaers
Relevantieadviseur bij AethiQs

Nienke Hoffmans-Holtzer MSc
Erasmus MC

Dr. ir. Steven Petit
Erasmus MC

Dr. Marleen Balvert
Tilburg University

Heeft u vragen? Wij gaan graag met u in gesprek

Disclaimer
Hoewel dit artikel met grote zorgvuldigheid is samengesteld, aanvaarden AethiQs B.V. en alle andere entiteiten, handelsnamen, labels, samenwerkingsverbanden, personen en praktijken die handelen onder de naam en verantwoordelijkheid van AethiQs, geen enkele aansprakelijkheid voor de gevolgen van het gebruik van de informatie uit deze uitgave zonder hun medewerking. De aangeboden informatie is bedoeld ter algemene informatie en kan niet worden beschouwd als advies. Niets uit dit artikel mag zonder akkoord van de schrijvers worden gebruikt, gedeeld of gekopieerd voor andere doeleinden. Alle rechten voorbehouden aan de schrijvers en AethiQs©. September 2022