Project update SNOWDROP: valincidenten voorkomen bij senioren

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

Schrijf u hier in voor onze nieuwsbrief en blijf op de hoogte van het laatste nieuws omtrent Commit2Data.

Gerelateerde projecten

Bekijk hieronder de Projecten gerelateerd aan het thema Project update SNOWDROP: valincidenten voorkomen bij senioren

Real-time data-driven maintenance logistics - Innovatie in data-gedreven onderhoudslogistiek
In het kader van het C2D-project Real-time Data-driven Maintenance Logistic werken onderzoekers en bedrijven samen om onderhoudsprocessen te optimaliseren door middel van real-time data. In een interview met Willem van Jaarsveld (TU/e), een van de le...
22 oktober 2024
Ritme als sleutel tot sociale veerkracht in stedelijke omgevingen
In een tijd waarin stedelijke gemeenschappen geconfronteerd worden met steeds complexere uitdagingen, heeft Caroline Nevejan, hoogleraar aan de Universiteit van Amsterdam, samen met haar team het innovatieve project Designing Rhythms for Social Resil...
22 oktober 2024
RATE Analytics: Human-in-the-loop
Het project RATE Analytics: Next Generation Predictive Analytics for Data-Driven Banking and Insurance is een baanbrekend onderzoeksproject dat zich richt op het ontwikkelen van betrouwbare en transparante analysemethoden voor de financiële sector. D...
22 oktober 2024