Medical Intelligence Strategiestudie Vernieuwing Zorg-ICT
Presentatie definitiestudie 0.4
Oktober 2011
Inhoud » Waarom? » Data extracties en toekomstige vragen » Huidige situatie
» Ideaalbeeld » Uitgangspunten » Opzet van architectuur
» Definitiestudie
» Verzamelen gegevens
» Uitleveren gegevens
» Acties centrale ICT » Advies
Medical Intelligence - definitiestudie
» Oplossingen in de markt » Advies
2
Definitiestudie » Medewerkers » Aafke Jongsma (Furore) » Ewout Kramer (Furore) » Martien Mulder (LUMC) » Roeland Aeijelts Averink (LUMC) » Ursula Letschert (LUMC) » Opleveren definitiestudie: oktober 2011 » Opdrachtgever(s): Martin Kalshoven & Rob Mulders » Initiatief Furore en LUMC » Problemen: » Gegevensextractie voor onderzoek (en bedrijfsvoering en zorg) arbeidsintensief en ingewikkeld » Betrouwbaarheid gegevens na extractie. » Doel: bepalen van haalbaarheid van het realiseren van het ontsluiten van gegevens op een uniforme wijze, waarna deze gegevens kunnen worden gebruikt door onderzoek, bedrijfsvoering en zorg. » Belangrijk: draagvlak / mandaat
Medical Intelligence
3
Data extracties Data extractie parelsnoer
Office Excel
Cognos
DBC Onderhoud
EZis Stagin g omge ving
Data extractie DSCA
PDMS
MIS PeopleSoft
EZis DWH
ProMI ProMISe Overzichtgene rator
Decentrale Applicaties
EZis CS-ComEz
EZis DB
Data extractie cura rata / kindergeneeskunde Data extractie voor MIS Data extractie voor ... Medical Intelligence - definitiestudie
4
(Mosos, Diamant, Cl. Assistant, Miracle)
Se
Centrale Applicaties (GLIMS, Cyberlab, MetaVision, …)
Steeds meer vragen Percentage patiënten verwezen voor palliatieve radiotherapie van pijnlijke botmetastase waar ernst •Informatie over ziekteverloop van de pijn voor start wordt •Betrouwbare brongegevens, direct vastgelegd op een schaal van 0 uit primaire proces tot 10 Onderzoekers
•Snel kunnen voldoen aan nieuwe informatievragen
Specialistische onderzoeksvragen (NCDR, PRN)
Management en zorg •Kwaliteitsverbeteringen •Efficientie verbetering •Ondersteunen beslissingen •Indicatoren •BI op bron •Inzicht in resultaat behandeling •Ondersteunen beslissingen
Percentage patiënten bij wie kankerweefsel is achtergebleven na een borstbesparende operatie
Ketens
Informatie beheer •Inzicht in proces gegevensdistributie •standaardisatie Medical Intelligence - definitiestudie
Toegenomen urgentie prestatie indicatoren (ZiZo, IGZ)
5
• een eenduidige bron voor uitwisselen richting keten
Voor elke casus dezelfde vragen Wat betekenen de gegevens?
Waar staan de gegevens?
Hoe krijgen we de gegevens uit het systeem?
Moet er geconverteerd worden?
Grote kans op dubbel werk Grote kans op interpretatieverschillen Grote kans op onbeheerde koppelingen Medical Intelligence - definitiestudie
6
Hoe komen de gegevens bij degene die er behoefte aan heeft?
Verschillen in interpretatie en context
Nicolette de Keizer, AMC
Medical Intelligence - definitiestudie
7
Meer dan EZIS alleen… patient
pers./organ. verrichting
allergie
medicatie
opname
zorglogistiek verblijf
protocol
consult
biomateriaal
beeld consents
complicatie diagnostiek zorgpad
financieel
verwijzing terminologie
Medical Intelligence - definitiestudie
careplan
8
order
Ideaalbeeld »Eén werkwijze en route voor het binnenhalen van gegevens uit diverse bronnen »Eén beheersomgeving voor de definitie en standaardisatie, samenvoegen en vertaling van brongegevens »Eén uitleverplatform voor genormaliseerde gegevens
Medical Intelligence - definitiestudie
9
Een enkele verzamel- en uitleverarchitectuur ZIZI SSZIS
Definities van gegevens heeft de vertaler nodig om gegevens op de juiste wijze in de database te zetten.
bronnen
ZIZI SSZIS Eenvoudige opzet database; simpel informatiemodel met niet al te veel tabellen
gegevens definities
ontsluiter
Dit is de plek waar een onderzoeker kan kijken welke gegevens hij precies nodig heeft.
Informatie modellen vertaler Medical Intelligence DB
Formaat controle Combineren van gegevens
Converteren naar gewenste format / definitie
Omzetten van gegevens naar gewenste formaat, maar geen wijzigingen in inhoudelijke betekenis
ad hoc selecties
standaard selecties
Medical Intelligence
Anonimisatie / pseudonimisatie
Onderhouden gegevens definities Audit / logging Aggregeren gegevens
Ordenen en relateren gegevens
Leveren gegevens
toegang
Gegevens catalogus
Ontvangen gegevens
Selecteren gegevens uit bron
MI Portaal
Leveren gegevens
afnemers 10
Opslaan gegevens
Standaard / ad hoc selecties
Leveren gegevens
Gegevens verzameling aanbieden
Vanaf hier kan je gegevens verrijken of kolommen toevoegen. Ook exports maken voor andere tools
Acties voor centrale ICT
1. Waar staan welke gegevens?
2. Hoe ontsluit ik de gegevens?
Metavision
PeopleSoft GLIMS
Cyberlab
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Clinical Assistant
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Miracle Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
Mosos Persoon: iemand die Patiënt: registratie van Roken: aantal keren dat
CS-Ezis
Diamant 3a. Wat is de gegevensdefinitie? Medical Intelligence - definitiestudie
3b. Hoe is het invulgedrag? 11
Advies
Breng applicatielandschap in kaart Volledig dekking datadefinities onhaalbaar » Begin met basisdossier (bron) » Of al bekende sets (DSCA) en pilots (zoals prestatie indicatoren) (bron) » Ga na hoe je deze gegevens wilt aanbieden (doel) » Koppel definities aan de blauwdrukken (processen) Volledige dekking ontsluiten gegevens onhaalbaar » Ontsluit CS-Ezis op database-niveau, alleen wat nodig is » Bij andere applicaties: ga niet verder dan “officieel” beschikbare mogelijkheden en bestaande uitwisseling of in overleg met de leverancier » Samenwerking met UMCU Beheer van het definiëren en verzamelen van gegevens Medical Intelligence - definitiestudie
12
Oplossingen Standaard producten Data Aggregation “Middleware”: Although a great deal of data already exist in the form of claims data, prescribing information, lab and imaging results, and clinical records, much of this data is trapped in different, incompatible databases. The last few years have seen the emergence of new middleware products designed to extract data from disparate legacy systems and put them in a compatible format.
Volledige producten • dbMotion • Microsoft Amalga • CareAlign ICA • MediCity Meditrust • Intersystems HealthShare • 3M CDR • Code24.nl (MCA) • Quiterian
Een van de drie “emerging technologies” uit het rapport over de toekomst van zorg-ICT van de President’s Council of Advisors on Science and Technology, December 2010
Halffabrikaten • Tolven (open source) • M-Grid
Producten in huis • • • • • •
Cognos MIS Cloverleaf Eigen import/conversiescripts dbMotion Tragpi
Medical Intelligence
13
Advies Kies een pilot » Basisdossier, DSCA, prestatieindicatoren Low-key uitbreiden huidige MIS » MIS uitbreiden tot generiekere oplossing met detailgegevens » MIS vullen vanuit CS-Ezis » Cognos gebruiken als uitleverportaal » Voor uitlevering onderzoek, eigen scripts » Alle gegevens in MIS goed gedefinieerd en aan proces gerelateerd Pas na een aantal pilots kijken wat de eisen aan een standaard oplossing zijn » Standaardoplossingen zijn prijzig » Zonder zicht op huidige/gewenste data definities niet te implementeren » Specifieke ontsluiting Nederlandse softwarepakketten zullen toch ontwikkeld moeten worden Medical Intelligence - definitiestudie
14
Vragen / opmerkingen?
Medical Intelligence - definitiestudie
15