Wat is datagedreven zorg?

Hoe ziet datagedreven zorg er uit? Met een reeks artikelen brengen wij in beeld hoe de ontwikkeling van datagedreven zorg vorm krijgt in de langdurende zorg in Nederland. Wat wordt er al gedaan en welke kansen en uitdagingen liggen er op dit gebied voor organisaties in de ouderen- en gehandicaptenzorg?

In dit eerste artikel (zie Downloads) leggen we uit wat we bedoelen met een toenemende rol van data in de maatschappij en de zorg en schetsen we een eerste beeld van wat datagedreven zorg inhoudt. We sluiten af met een oproep naar alle lezers om voorbeelden, ervaringen en vraagstukken met ons te delen én verder met ons te verdiepen.

We kunnen stellen dat 'datagedreven zorg' een veelomvattende term is. Het betreft onder meer:

Het verzamelen van data door bijvoorbeeld domoticasystemen, zelfmeetapparatuur en (mobiele) applicaties die inzicht geven in beweeg-, eet- of leefpatronen.
Het inzichtelijk maken van data voor cliënten, verzorgenden en publieke en private organisaties. Denk bijvoorbeeld aan een persoonlijke gezondheidsomgeving (PGO), een digitale omgeving waarin burgers al hun gezondheidsgegevens kunnen bekijken en beheren, ook al worden die gegevens op verschillende plekken bewaard.
Het uitwisselen van informatie tussen zorgverleners, of tussen zorgverleners en cliënten, via digitale hulpmiddelen, waardoor het maken van beslissingen op basis van alle relevante informatie steeds beter mogelijk wordt.
Het maken van beslissingen en handelen op basis van data ter verbetering van de kwaliteit en doelmatigheid van zorg. Bijvoorbeeld op basis van informatie uit het ECD. Beslissingen kunnen handmatig gemaakt worden door de mens, maar ook worden geautomatiseerd door een algoritme.
Het leren van bepaalde trends die waargenomen worden in de historische data van grote groepen cliënten. Deze inzichten kunnen bijvoorbeeld worden gebruikt om in de toekomst alerter te reageren op incidenten of om optimale behandelopties voor bepaalde gewenste resultaten in kaart te brengen.
Het voorspellen van gebeurtenissen door real-time gemeten data te linken aan geleerde trends en oorzakelijke verbanden uit grote hoeveelheden historische data. We kunnen bijvoorbeeld met X% zekerheid voorspellen dat meneer Jansen gaat vallen, dat mevrouw Peterse dementie krijgt, dat meneer Hendriks gaat doorliggen, of dat er onrust/agressie ontstaat in de groep tenzij er een extra medewerker wordt ingezet.

Alle lezers worden opgeroepen om voorbeelden, ervaringen en vraagstukken met ons te delen én verder met ons te verdiepen.