Emotieradar en stress meten - de cliënt leren kennen met data

Veel zorgorganisaties willen het graag, het gedrag, welzijn en de zorgvraag van cliënten beter leren kennen en voorspellen met behulp van data. Doel is om zo goed mogelijk persoonsgerichte zorg te kunnen leveren. Vilans ging in gesprek met professionals bij Pluryn, Severinus, Triade Vitree en Zorggroep Elde Maasduinen over hoe zij data gebruiken in de zorg.

Zorgprofessionals vragen zich steeds vaker af hoe zij informatie en data op een slimme manier kunnen gebruiken om de kwaliteit van zorg voor cliënten te verbeteren of om de werklast van medewerkers flink te verminderen. Welke vernieuwingen zetten organisaties momenteel in om met technologie de gemoedstoestand van de cliënt op een objectieve manier te meten en daarmee beter te begrijpen?

Gemoedstoestand kennen essentieel voor goede zorg

In de langdurende zorg hebben veel cliënten moeite om (verbaal) hun gevoelens te uiten of om zelf hun gedrag toe te lichten. Toch is het belangrijk om hun gedrag zo goed mogelijk te begrijpen omdat het weerspiegelt hoe zij zich voelen. Machteloosheid, pijn, verveling en frustratie komen tot uiting in gedrag. Maar ook tevredenheid of contact hebben met een ander. Een goed begrip van de gemoedstoestand van de cliënt is essentieel om goede zorg te leveren. Verschillende organisaties in de ouderenzorg, gehandicaptenzorg en residentiële jeugdzorg zijn bezig met de ontwikkeling en inzet van technologieën en aanpakken om zulke vraagstukken te ondersteunen.

In deze longread 4 datagedreven projecten:

• Pluryn – Stress meten met wearables
• Severinus – Emoties herkennen met data
• Triade Vitree – Stress meten met sensoren in de woning waaronder radarsignalen
• Zorggroep Elde Maasduinen – Datagedreven zorgplan

> Pluryn – Stress meten met wearables

Bij Pluryn onderzoeken medewerkers patronen van oplopende stress bij cliënten in de residentiële jeugdzorg. Moniek van Loon, onderzoeker bij Pluryn, geeft aan dat cliënten vanwege ontregelde stresssystemen vaak inadequaat reageren op stress, wat zich bijvoorbeeld uit in agressie, zelfverwondend gedrag en weglopen. De gevolgen zijn niet alleen ernstig voor de cliënten zelf, maar ook voor medecliënten en medewerkers. Denk aan lichamelijke en psychische klachten of organisatorische gevolgen zoals ziekteverzuim onder personeel.

Continu inzicht met wearables

Bestaande methoden zoals het signaleringsplan zijn al gericht op vroege signalering van oplopende stress. Vaak echter kunnen cliënten en medewerkers signalen van oplopende stress – en de aanleiding tot incidenten – niet op tijd herkennen. Met wearables, dit is draagbare technologie, probeert de organisatie meer real-time en continu inzicht te verkrijgen in de fysiologische gemoedstoestand van cliënten. Pluryn focust hierbij op agressie, zelfverwondend gedrag en weglopen in de residentiële jeugdzorg. De organisatie geeft ook directe terugkoppeling (biofeedback) over het spanningsniveau aan de jongere zelf. Van Loon vertelt:

‘Wat je merkt is dat het op een groep met heel veel jongeren en verschillende begeleiders lastig is om heel goed de vinger aan de pols te houden en dat een cliënt toch in één keer lijkt te ontploffen of zich juist naar binnen toe kan keren. Er wordt al jarenlang gezocht naar oplossingen om dat sneller zichtbaar te krijgen. Op dit moment gebeurt er heel veel met signaleringsplannen, thermometers: zit je in groen, oranje of rood? Dat is allemaal heel erg subjectief en vraagt veel van jongere en medewerker. Nou weet ik niet of dat per se een minpunt is, want spanning kan ook subjectief zijn natuurlijk, maar het zou mooi zijn als je dat meer kunt combineren met objectieve metingen en iets meer de regie bij de jongeren terug kan brengen.’

Stressmarkers

Door nieuwe technologieën in de afgelopen jaren kunnen we nu op een gemakkelijke en non-invasieve wijze psychofysiologische markers meten die duiden op stress, aldus Van Loon. De psychofysiologie onderzoekt de biologische basis van geestelijke processen, oftewel hoe allerlei fysiologische variabelen zoals hartslag, ademhaling, huidgeleiding, pupildiameter en hersenactiviteit samenhangen met psychologische functies zoals aandacht, mentale inspanning, geheugen, emoties en stress.

Psychofysiologische markers die sterk samenhangen met stress zijn onder andere de hartritmevariabiliteit en huidgeleiding/zweet. Daarom gebruikt Pluryn wearable en wireless apparaten die cliënten op hun lichaam dragen en waarmee de medewerkers continu en gedurende een langere periode deze markers van stress kunnen monitoren.

Data combineren

Hoe gaat dat in zijn werk? In een eerste studie krijgen zo’n 20 cliënten een draagbaar instrument in de vorm van een soort horloge waarmee Pluryn inzicht krijgt in patronen van oplopende stress bij agressie, zelfverwondend gedrag en weglopen. Naast het meten van de psychofysiologische markers vragen de begeleiders de cliënten om een dagboekje bij te houden over incidenten. Ook registreren ze de incidenten nauwkeurig. Vervolgens gebruiken de onderzoekers deze combinatie van data om te achterhalen hoe en of de stress oploopt in aanloop naar een incident. De onderzoekers krijgen zo steeds beter inzicht in de samenhang tussen verschillende data.

Biofeedback

In een tweede studie onderzoekt Pluryn of feedback aan cliënten over stresspatronen kan bijdragen aan het sneller en beter signaleren van oplopende stress. Daarmee willen ze incidenten binnen de residentiële jeugdzorg verminderen. Door de mate van psychofysiologische stress direct terug te koppelen aan de cliënt (biofeedback) krijgt deze jongere inzicht in zijn eigen stressniveau.

Volgens Van Loon zijn er aanwijzingen dat biofeedback effectief is in het verminderen van boosheid en agressie, maar is dit voor zelfverwondend gedrag en weglopen nog onbekend. Om dit te onderzoeken doet Pluryn krijgen de deelnemende cliënten een smartwatch die via een app op een toegankelijke manier terugkoppeling aan de cliënt geeft als zijn stress oploopt. Zo wordt de cliënt zich hier vroegtijdig van bewust en kan hij hierop reageren. Deze studie gaat dus om het geven van handvatten aan de cliënt en het vergroten van zijn eigen regie bij het reguleren van stress. Van Loon legt uit:

‘Door te kijken of je laagdrempelig met een horloge stress kan meten in aanloop naar incidenten die veel voorkomen, maar ook of je de jongeren kan attenderen op het feit dat hun spanning aan het oplopen is, kun je ze hier meer regie in geven. Zo van “als het oploopt dan krijg je een signaaltje, en kun je daar iets mee doen of niet”. Natuurlijk hoop je uiteindelijk dat die dingen overbodig worden en dat cliënten leren “als mijn lichaam dit doet of als ik dit voel, dan heb ik blijkbaar stress”. Of dat ook echt de toekomst gaat zijn, dat weet ik niet.’

Over biofeedback licht Van Loon verder toe: ‘We geven de feedback via een app. Dat is een samenwerking met meer mensen, want die app bestaat al en wordt ook her en der gebruikt, alleen dan bij een andere doelgroep. In die samenwerking proberen we een soort platform te creëren waarin we laagdrempelig kijken of biofeedback iets kan doen. Aan de biofeedback geven we nu zo min mogelijk een label. We proberen het zo neutraal mogelijk te houden en niet te zeggen “nu zit jij in rood”, maar eerder “het wordt nu donkerrood in plaats van lichtrood”. We proberen die connotatie er dus een beetje af te halen. Spanning is niet per se verkeerd en kan zelfs leuk zijn.’

Normaalmeting

Van Loon legt verder uit dat de feedback voornamelijk bestaat uit een terugkoppeling op de hartslag, waarbij wordt gecorrigeerd voor beweging. Zo houdt de techniek er al enigszins rekening mee dat een hartslagverhoging ook kan samenhangen met bijvoorbeeld hardlopen, als het beweging registreert. Daarnaast geeft Van Loon aan dat door te meten bij een individuele cliënt zichtbaar wordt wat voor hem normaal is. Met die metingen kunnen onderzoekers en cliënt samen bepalen of ze de app sensitief instellen (snelle terugkoppeling bij oplopende spanning), of dat de voorkeur er naar uit gaat minder snel biofeedback te krijgen.

‘We hebben er af en toe gesprekken over of we op den duur ook adviezen in de app gaan verwerken. Maar we willen dat nu nog echt zo neutraal mogelijk houden.’

Zorgmedewerkers krijgen (nog) geen inzicht in de data over het stressniveau van de cliënt. De app is vooralsnog alleen voor de cliënt. Dat is volgens Van Loon een ethisch ver(der)gaande stap die mogelijk in de toekomst wordt gezet.

‘Het is belangrijk om eerst te begrijpen wat biofeedback überhaupt doet in zo’n setting.’

Meerwaarde voor zorgmedewerkers

Toch kan het hulpmiddel ook voor zorgmedewerkers van meerwaarde zijn, want als de cliënt meer inzicht heeft in het eigen stressniveau, wordt het mogelijk om laagdrempeliger en makkelijker met anderen over de spanning te praten. Daarnaast zou het volgens Van Loon ook voor medewerkers zelf van meerwaarde kunnen zijn om hun stressniveau te volgen door objectieve metingen. Van Loon licht toe:

‘Ook medewerkers staan lang onder spanning. Er zijn veel burn-out klachten bij medewerkers, zeker bij deze doelgroep. Het is besproken dat het mooi is als je dingen kunt combineren, bijvoorbeeld als die medewerker in contact komt met die jongere en wat er dan gebeurt. Dat zijn hele spannende vraagstukken natuurlijk, waar veel over wordt nagedacht en gesproken.’

> Severinus – emoties herkennen

Severinus, een zorgorganisatie voor mensen met een verstandelijke beperking, is betrokken bij de ontwikkeling van technologie voor emotiedetectie en -regulatie. Mensen met een ernstig verstandelijke beperking kunnen vaak zelf niet goed aangeven wat ze vinden en willen. Ze zijn daarin sterk afhankelijk van hun netwerk. Daarom ontwikkelt Severinus samen met technologiepartners een zogenoemd netwerkinstrument. Dit is een app die dagelijks de ondersteuningsbehoefte van een cliënt in kaart brengt en het netwerk bij deze ondersteuning mobiliseert.

Emotiedetectiesysteem

Door deze app te koppelen aan een systeem dat spanning en emoties herkent met sensoren en slimme algoritmen, wil Severinus de cliënt een stem geven. Erwin Meinders, Innovation Officer bij Severinus, licht toe dat het idee voor een emotiedetectiesysteem 4 jaar geleden is ontstaan toen een cliënt pijn leed door een wringende schoen. Deze pijn leidde tot ernstig ongemak en onbegrepen gedrag, maar de cliënt was niet in staat om zijn pijngevoel uit te drukken. Inmiddels heeft Meinders - vanuit zowel Severinus als zijn eigen onderneming - de eerste versie van een emotiedetectiesysteem ontwikkeld. Dit systeem wordt in een landelijke pilot met zorginstellingen gevalideerd.

‘We gebruiken wearables met sensoren die de fysiologie van een persoon vastleggen - dus hartslag, temperatuur, huidgeleiding, activiteit, maar ook gezichts- en spraakuitdrukkingen - en slimme algoritmen die patronen herkennen in de data. De modellen trainen we met wilsbekwame testpersonen die de gemeten data annoteren (wel of geen stress, positieve of negatieve emotie).’

Data vergelijken met de praktijk

De meerwaarde zit in het ontwikkelde softwareplatform en de AI (kunstmatige intelligentie) algoritmen, de sensoren zijn bestaande wearables. De modellen kunnen de mate van opwinding of zogenoemde ‘arousal’ met 70% betrouwbaarheid bepalen. De arousal is de activatie van het centrale zenuwstelsel (vooral de hersenfuncties) die verband houdt met de mentale alertheid of bewustzijn. De grootste uitdaging zit echter in de vervolgstap, waarbij de onderzoekers in pilots met individuele cliënten de modellen verder optimaliseren en valideren. Zo verhogen ze stap voor stap de betrouwbaarheid van de modellen. Meinders licht toe:

‘Wij valideren de ontwikkelde modellen met cliënten in praktijksituaties door tijdens geselecteerde events de gemeten fysiologie te classificeren met annotaties van gedragsdeskundigen. De spanning en emotie van cliënten duiden we met video-opnames. Vooral het nauwkeurig duiden van gedrag is een uitdaging omdat zorgprofessionals meestal met een kwalitatief signaleringsplan werken.’

Meinders geeft een voorbeeld van dit leerproces:

‘Een van de deelnemers in de pilotstudie kijkt graag naar Doornroosje, ze kent de dvd door en door en toch wordt ze onrustig als de heks in beeld is. We hebben tijdens deze events de spanning bepaald met hartslag- en huidgeleidingsmetingen. Daarnaast heeft een gedragsdeskundige het gedrag van deze deelnemer geduid met video-opnames tijdens deze events. Door de fysiologische metingen en gedragsduidingen samen te voegen zie je duidelijke correlaties tussen gemeten en geduide spanning. Door vervolgens deze gedragsduiding in de modellen te gebruiken, maak je het model nauwkeuriger en kun je de betrouwbaarheid verder verhogen. We zagen bij deze deelnemer ook dat het bieden van nabijheid, door samen met haar naar Doornroosje te kijken, tot minder intensieve beleving van de heks-fragmenten leidde.’

Emotieradar

Naast het vergroten van de arousal richt de pilotstudie zich ook op het herkennen van de valentie – de mate waarin iets als positief, neutraal of negatief kan worden aangemerkt. Hiermee krijgt u een ‘emotieradar’ met 2 assen (de arousal en valentie) en 4 kwadranten waarop u steeds nauwkeuriger emoties kunt plotten.

App

Naast modellen maken de ontwikkelaars in co-creatie met cliënten en zorgmedewerkers ook een app voor het visualiseren van de sensordata en stressniveaus. Zo kunnen gebruikers, zowel zorgprofessionals als cliënten zelf, in real-time de data analyseren. De zorgprofessional kan deze app voor meerdere cliënten tegelijk gebruiken.

De meerwaarde van het systeem is dat een vroegtijdige signalering van stress kan leiden tot betere zorg en een betere kwaliteit van leven van de cliënt. Daarnaast kan dit systeem mogelijk escalaties en fysiek geweld voorkomen. Het zorgt in potentie ook voor een lagere uitval van zorgprofessionals. Het systeem krijgt 3 signaleringsniveaus:

‘…als zorgprofessional krijg je bij oplopende spanning eerst een akoestisch signaal op je smartphone of telefoon. Op de radar of het stoplicht is vervolgens het spanningsniveau te zien. Je kan tenslotte inzoomen met behulp van een analyseveld met ruwe metingen en spanningswaarden. Vaak is voor deze analyse op het moment van escalatie geen tijd en kun je na de akoestische signalering direct handelen. […] Verdiepen op de data kan vervolgens op rustige momenten. Ook kan je het systeem inzetten op specifieke momenten van de dag om te ontdekken of bepaalde situaties bij iemand tot spanning leiden, bijvoorbeeld tijdens het eten of tijdens de verzorging.’

> Triade Vitree - Stress meten met sensoren in de woning waaronder radarsignalen

Triade Vitree staat in de beginfase van een project waarin zij de relaties onderzoeken tussen metingen van het stressniveau van cliënten met onbegrepen gedrag (met sensortechnologie) en data over incidentmeldingen of data uit het roosterprogramma. Erwin Pfeiffer, zorgtechnoloog bij Triade Vitree, licht het ontstaan van het idee toe:

‘We hebben bijvoorbeeld incidentmeldingen die we bijhouden op de locaties. Dat is iets waar vooral de gedragskundige input op levert en dit geeft aan: Wat gebeurt er nu? Is er ook een wisselwerking tussen cliënt en begeleider die misschien niet goed gaat, of tussen cliënten onderling? Op basis daarvan zijn we gaan nadenken: naar welke data zijn we nu op zoek om dat te gaan voorkomen? En dan kom je onder andere uit bij het meten van spanning of stress bij cliënten.’

Stress meten zonder technologie te hoeven dragen

Terwijl Severinus en Pluryn voor metingen van de spanning bij cliënten gebruik maken van wearables, heeft Triade Vitree ondervonden dat veel cliënten binnen hun doelgroep juist geen wearables kunnen of willen dragen. Sommige cliënten tolereren geen apparaten aan hun lijf en trekken ze er af. Om beter aan te sluiten bij de wensen van de cliënt zijn Pfeiffer en zijn collega’s op zoek gegaan naar technologie die de stress of spanning kan meten zonder cliënten deze op het lijf hoeven te dragen.

Hierbij is Triade Vitree uitgekomen bij een technologische partij die een radar heeft ontwikkeld die op basis van radarsignalen draadloos de hartslag en ademhaling kan meten. Op basis van die signalen kunnen zij mogelijk het stressniveau berekenen. Hierbij is de verwachting dat positionering in de ruimte niet uitmaakt en dat het ook niet erg is als er meerdere personen in de betreffende ruimte zijn. Dit komt omdat het systeem individuen van elkaar kan onderscheiden zodra er een nulmeting van het patroon van het individu is gedaan: hartslag en ademhaling zijn namelijk voor iedereen unieke patronen. Pfeiffer geeft aan dat Triade Vitree op korte termijn een pilot of experiment met deze technologie opstart. Hij licht het belang voor Triade Vitree om op dit data-project in te zetten verder toe:

‘Als we dit voor elkaar krijgen, dan weten we straks wanneer Piets stress oploopt en hij op dat moment misschien beter uit die situatie kan worden gehaald. We kunnen hiermee voorkomen dat die situatie escaleert. […] De behoefte om dit te weten komt vooral vanuit begeleiders, want de doelgroep waar het om gaat - cliënten met moeilijk verstaanbaar gedrag - heeft juist moeite om het te verwoorden. Begeleiders vragen wel eens: “wij willen heel graag dat hij beter in zijn vel zit, hoe gaan we dat realiseren?” Bovendien heeft ieder mens behoefte aan een woonomgeving waar je gewoon jezelf kunt zijn, zonder dat je boos wordt of geïrriteerd raakt. Dus ik denk dat er wel de behoefte is, maar deze is niet door cliënten zelf uitgesproken.’

> Zorggroep Elde Maasuinen – Datagedreven aanpak

Ook de ouderenzorg zet stappen om met data en technologie de gevoelens en het gedrag van cliënten beter te begrijpen zodat ze daar beter op in kunnen spelen. Wij spraken met Zorggroep Elde Maasduinen, waar medewerkers bezig zijn met het ontwikkelen van een datagedreven aanpak voor het duiden van het gedrag van mensen met dementie in verpleeghuizen.

Relevante data

Carin Jansen, innovatieconsultant bij Zorggroep Elde Maasduinen, en Gubing Wang, onderzoeker aan de Technische Universiteit Delft, zijn bij het project betrokken. Hun doel is om een aanpak en digitaal platform te ontwikkelen waarmee zorgprofessionals gepersonaliseerde zorgplannen kunnen opstellen om beter om te gaan met gedrags- en psychologische symptomen van cliënten met dementie in combinatie met zeer ernstig probleemgedrag.

Op basis van interviews met zorgverleners, een arts, een psycholoog, een diëtist en een manager hebben de onderzoekers ideeën verzameld over welke data hierbij relevant kan zijn. De eerste stap is dat zorgprofessionals handmatig subjectieve gegevens bijhouden. Iedere dag schrijven zij een kort rapport over het gedrag van iedere cliënt. Vervolgens standaardiseren zij deze gegevens door de rapportages te coderen met een bijpassend kleurlabel, gebaseerd op 4 niveaus van crisisontwikkeling. Tegelijkertijd heeft het zorgteam de flexibiliteit om aantekeningen te maken van alle inhoud die ze relevant vinden voor hun werk.

Indoor positiebepaling

De tweede stap is het automatisch verzamelen van objectieve gegevens door een systeem voor indoor positiebepaling. Iedere dag meet dit systeem van een cliënt met dementie de bewegingsafstand, de verblijfsduur in elke kamer en de interactietijd met anderen. Voor deze metingen dragen zowel de cliënten als de medewerkers in het onderzoek een tag. Om de interactie en interactietijd van een cliënt met anderen te bepalen, is het belangrijk dat ook medewerkers een tag dragen. Hierbij meet het systeem volgens Wang wel of de cliënt contact (nabijheid) heeft met een zorgverlener, maar maakt het niet inzichtelijk om welke zorgverlener het gaat. Wang geeft hierbij aan:

‘Bij het gebruik van de indoor positioneringsgegevens van de zorgverleners worden alle zorgverleners als een geheel beschouwd. In de locatiegegevens zijn alleen de cliënten met dementie te onderscheiden.’

Data visualiseren

De rol van onderzoeker Wang is om de subjectieve en objectieve data te combineren en in een digitaal platform op een geschikte manier te visualiseren voor verschillende belanghebbenden.

‘Een diëtist is meer geïnteresseerd in de loopafstand terwijl zorgverleners meer geïnteresseerd zijn in de contactmomenten en interactie van de persoon met dementie met anderen. Een psycholoog of specialist ouderengeneeskunde wil eerder kijken naar inzichten over de langere termijn, zoals flinke veranderingen in de dagelijkse loopafstand. Zorgverleners willen juist kijken naar wekelijkse of dagelijkse inzichten.’

Objectieve en subjectieve data

Wang licht toe dat de data die het indoor positioning systeem verzamelt, helpt om datgene wat verschillende zorgverleners hebben gerapporteerd beter te (her)benutten, te duiden en onderling te vergelijken.

‘Voor dezelfde persoon met dementie kunnen 2 zorgverleners 2 verschillende beoordelingen geven. De eerste reden hiervoor is dat elke zorgverlener zijn eigen referentiekader heeft. De ene zorgverlener kan denken dat deze groen is, maar de andere kan enige opwinding bij de cliënt zien en denken dat het geel moet zijn. De tweede reden is dat zorgverleners te druk zijn om een persoon met dementie tegelijkertijd te observeren. Misschien zag de ene verzorger de persoon in de slaapkamer en de andere verzorger de persoon in de woonkamer. Bovendien hebben zorgverleners ook vakantie en werken ze in diensten. Dit zorgt voor afwijkingen in de indrukken die verschillende zorgverleners opdoen over de cliënt.’

De onderzoekers bekijken de combinatie van objectieve en subjectieve data op dit moment nog vooral handmatig om reflectie en discussie tussen verschillende belanghebbenden te stimuleren.

‘We doen op dit moment nog geen statistische analyses, omdat de omvang van onze steekproef nog erg klein is. We hebben slechts 8 bewoners die deelnemen aan het onderzoek. We kunnen de gegevens dus niet generaliseren, tenzij we ze langer dan een jaar voor elke cliënt verzamelen. We trekken geen conclusies op basis van de correlaties en het maakt in dit stadium niet uit of we concrete positieve correlaties vinden tussen bijvoorbeeld de loopafstand en de (gerapporteerde) stemming van de cliënt, maar we gebruiken de gegevens als discussiemateriaal en om informatief te zijn. Het activeert de herinneringen van zorgverleners.’

Data helpt cliënten beter te begrijpen

Het doel voor de langere termijn is volgens Wang om de digitale toepassing te optimaliseren door met machine learning en veel grotere hoeveelheden data te kijken wat voor conclusies ze kunnen trekken. Carin Jansen vult aan:

‘Dat is waar we wel naar toe willen. Data kan ons zoveel vertellen. We verzamelen dagelijks enorm veel gegevens over onze cliënten en leggen dat vast in het ECD. We doen daar relatief weinig mee. In dit onderzoek verzamelen we extra gegevens op andere manieren, niet alleen van cliënten maar ook van zorgverleners. We kunnen hier in de toekomst nog meer data aan toevoegen. Door data te analyseren en combineren kunnen we inzichten verwerven waarmee we cliënten beter kunnen begrijpen én helpen. Maar ook om ons werk beter en efficiënter te kunnen doen. In de ouderenzorg doen we nog nauwelijks iets met data. Data-analyse van beschikbare en ‘nieuwe’ data, het koppelen van databestanden en het toepassen van machine learning kan hopelijk veel opleveren en bijdragen aan de uitdagingen waar we als sector voor staan. We zien dit onderzoek als een eerste stap om zelf van te leren en om ons steentje bij te dragen aan dit leerproces voor de sector.’

Leren van elkaar

Bent u vanuit uw eigen zorgorganisatie ook bezig met het verzamelen en gebruiken van data om tot nieuwe inzichten en toepassingen te komen? Blijf dat vooral doen en laat ons dit weten. Graag komen we in contact met zorgorganisaties die tot nu toe solitair in dit nieuwe vakgebied initiatieven nemen. Nieuw ontwikkelde inzichten en kennis kunnen we delen. In dit nog onontgonnen domein kunnen we van elkaar leren en elkaar helpen.

Vervolg van deze artikelenreeks

In de volgende 2 artikelen geven we een beeld van nieuwe ontwikkelingen op het gebied zorgdomotica en het Elektronisch Cliënten Dossier, 2 belangrijke vormen van technologie in de langdurende zorg. Bij deze systemen vormt het benutten van data voor zowel technologieleveranciers als zorgorganisaties een belangrijk uitgangspunt bij innovatie en het verbeteren van de kwaliteit en efficiëntie van zorg.

In het vijfde artikel komen wij terug op de ontwikkelingen bij de verschillende zorgorganisaties die in dit tweede artikel naar voren kwamen. Onder andere op basis van hun ervaringen geven wij tips van en voor zorgorganisaties over de aanpak van datagedreven zorg in de praktijk.

Meer informatie over data in de zorg

• Bekijk ook deze Longread - Wat als machines uw zorg gaan bedenken?
• Lees dit artikel Met data science de kwaliteit van zorg verbeteren
• EHealth in de praktijk: hoe apps en big data bijdragen aan de kwaliteit van leven