Big data bij de Christelijke Mutualiteiten Frank De Smet Medische Directie, Landsbond CM
[email protected]
Datawarehouse (Oracle®) @ CM Drie soorten gegevens: 1. Facturatiegegevens gezondheidszorg o Informatie over terugbetalingen geneesmiddelen, ziekenhuisopnames, medische ingrepen, consultaties bij huisarts, kinesitherapie, tandartsbezoek, rusthuizen, revalidatiecentra, … o Zeer gedetailleerde records, gebaseerd op nomenclatuurcodes, met informatie over: patiënt, datum verstrekking, verstrekker, voorschrijver, type prestatie, plaats van verstrekking (welk ziekenhuis), kostprijs, … o Meestal geen directe klinische informatie – wel onrechtstreeks (proxies)
2.
Ledengegevens o Informatie over leeftijd, geslacht, woonplaats, sociaal statuut (loontrekkende, zelfstandige, invalide, werkloze, …), gezinsgrootte, datum overlijden, …
3.
Referentietabellen o ‘Hulptabellen’ die toelaten de data bijkomend te verrijken: vb voor geneesmiddelen: referentietabellen inzake actief bestanddeel, fabrikant, verpakkingsgrootte, dosering, prijzen, …
Concreet voor CM in 2014: o 4,6 miljoen leden (41% marktaandeel in België) o 520 miljoen lijnen (records) aan facturatiegegevens o 11,2 miljard euro aan terugbetaling gezondheidszorg
Detectie van fraude en misbruik • A-priori en a-posteriori • Gericht onderzoek: signalen uit het veld o Predictive modelling door semi-supervised technieken
• Anomalie detectie o Simpele univariate outlier detectie • Bv screening nomenclatuur naar regionale “grootverbruikers”
o Meer geavanceerd …
Studies met klinische of maatschappelijke finaliteit • Observationele studies: bv. Retrospectieve cohort studies o o o o
Vergelijken cohorte met en zonder specifieke medicatie Grote aantallen Lange opvolging mogelijk Gematchte controls: leeftijd, geslacht, sociale status, regio, comorbiditeiten (indien proxy beschikbaar) o Outcome: overleving is beschikbaar
• Gezondheidseconomische studies (bv. vaccins) • Voorbeelden: o Effect van campagne met persoonlijke informatie op opname van HPV-vaccin (Eva Lefevere, UA) o Effect van anti-diabetica op overleving (PhD-project Marc Claesen, STADIUS, KU Leuven en Prof. Mathieu, UZ Leuven)
Klinische toepassingen – preventie – coaching • Ziekenfondswet 1990 o Doel: bevorderen van fysiek, psychisch en sociaal welzijn zonder winstoogmerk • Ontwikkelen van projecten voor een gezonde levensstijl en informeren van leden
• Voorspellen welke leden anti-diabetica zullen nodig hebben (risicopredictie voor (Type 2) diabetes) – PhD Marc Claesen, STADIUS, KU Leuven (Prof. Bart De Moor) o POC voorspellen individuele klinische outcome met facturatiegegevens o Semi-supervised learning: modellering op basis van positieve en ongelabelde data o Resultaat: 74.9% - 76.8% AUC • State-of-the-art screening tools (mét klinische data): Duitsland: 75% 83%, Nederland: 74%, Denemarken: 72% - 87%
o Gebruik enkel op expliciete aanvraag – geen risicoselectie (cfr sociale verzekeraar)
Data ten dienste van de leden • CM Partner ICON (iMinds) MyHealthData o Relevante gezondheidsinfo (o.a. uit facturatiedata) op toegankelijke en intuïtieve manier ter beschikking stellen aan patiënt o Vergelijking met andere patiënten en combinatie met gevalideerde gezondheidsinformatie o Visualisatie, integratie van risicopredictie en onderzoeken van privacyissues
• Personal Health Record o Werkgroep PHR gebruikerscomité eHealth: mutualiteiten zijn belangrijke partner o Patiënt krijgt een eigen medisch dossier toepassing waarlangs hij/zij: • Eigen medische info kan zien en aanvullen • Kan interageren met zorgverstrekkers • Relevante en persoonlijke informatie betreffende de gezondheid ontvangt
o Kan voor een deel gebaseerd zijn op de facturatiedata van de ziekenfondsen
Modules • Interactief toegankelijk maken van data voor beleid, zorgverstrekkers en/of leden (SAS VA). Voorbeelden: o Budget verplichte verzekering: evolutie uitgaven doorheen de tijd per categorie o Gebruik medicatie: toont het aantal CM-leden die gebruik maken van bepaalde therapeutische groep per geografische entiteit (tot op niveau gemeente) o Vergrijzingsbarometer: toont informatie die de effecten van vergrijzing karakteriseert (bv. gebruik rusthuizen en thuisverpleging, profielen van de clienten) o Eerste lijn: toont informatie over alle eerstelijnsberoepen zoals profielen van de zorgverstrekkers en hun patiënteel o Ziekenhuisbarometer o Outlierdetectie o …
Gebruik van data door derden - PPP’s • Voorwaarden: o Finaliteit gebruik data moet synchroon zijn met doelstellingen ziekenfondsen: bv. Gelijke toegang voor iedereen tot kwalitatief hoogstaande gezondheidszorg. Doelstelling mag niet commercieel zijn. o Transparantie qua onderzoeksvraag en methodologie o Eigenaarschap van gegevens o Contract: (co-)financiering o Privacy ! o…
