Snowdrop

Doel van het project
Binnen het SNOWDROP project ontwikkelen en evalueren we een klinisch beslissingsondersteuningssysteem waarin met predictiemodellen een persoonlijk valrisico voorspeld wordt om zo gedeelde besluitvorming tussen huisartsen en oudere patiënten wat betreft medicatie te verbeteren.

Beschrijving van het project
Eerstelijnszorg vormt de ruggengraat van de Nederlandse gezondheidszorg en heeft een sterke internationale reputatie. Eerder onderzoek heeft aangetoond dat er nog een gat aanwezig is in de rol van huisartsen bij het detecteren en voorkomen van vallen. Huisartsen hebben moeite met medicatie-management gerelateerd aan vallen omdat ze handvaten missen om een inschatting te maken van individuele risico’s. Bovendien vinden oudere patiënten het vaak lastig om met de huisarts deel te nemen aan de besluitvorming aangaande hun medicatie en informeren ze hun dokter vaak niet over val-gerelateerde problemen. Hierdoor blijven vallen vaak onopgemerkt en onbehandeld totdat er letsel optreedt dat anders voorkomen had kunnen worden.

In het SNOWDROP project wordt data uit 26 eerstelijnszorg instellingen van het Academisch Medisch Centrum in Amsterdam (AMC) en het Vrije Universiteit medisch centrum (VUmc) gebruikt. Deze data is opgeslagen in een grote database met gepseudonimiseerde patiënt data, episode- en probleemlijst, lab, medicaties, diagnoses, doorverwijzingen en vrije tekst aantekeningen in het Nederlands, van meer dan 240.000 patiënten. Machine learning algoritmes worden gebruikt om patiënten die vallen te identificeren en om predictiemodellen voor het voorspellen van toekomstige vallen te maken, evalueren en valideren. De gecreëerde modellen zullen geïmplementeerd worden en een klinisch beslissingsondersteuningssysteem en in deze context geëvalueerd worden. Dit zal met name een bijdrage leveren aan het verbeteren van gedeelde besluitvorming tussen huisartsen en oudere patiënten wat betreft vallen als gevolg van medicatie. Het project zal leiden tot verbeterde zorg en heeft een duidelijke link met Data2Person vragen, zoals hoe big data en technologische innovatie kunnen bijdragen aan verbeterde zorg, hoe we beter kunnen anticiperen op de impact van nieuwe technologie op mens en samenleving en hoe we de invloed van bestaande technologie beter kunnen begrijpen.

Het project richt zich op een aantal belangrijke wetenschappelijke en technologische uitdagingen: 1. het identificeren van mensen die vallen binnen de eerstelijnszorg op basis van klinische notities;
2. een inschatting maken van het individuele risico op vallen gerelateerd aan medicatie;
3. een strategie ontwikkelen en evalueren voor gezamenlijke besluitvorming wat betreft medicatie voor oudere patiënten en huisartsen;
4. het predictiemodel integreren in een klinisch beslissingsondersteuningssysteem;
5. huisartsen voorzien van relevante gepersonaliseerde informatie;
6. patiënten voorzien van relevante gepersonaliseerde informatie; en
7. het evalueren van de effecten en de kwaliteit van de gezamenlijke besluitvorming tussen huisarts en patiënt.

Deelnemende centra
Naam: Amsterdam Universitair Medische Centra (Amsterdam UMC) locaties AMC en VUmc.
Stad: Amsterdam

Betrokken onderzoekers

Drs. Noman Dormosh

Text

Drs. Leonie Westerbeek

Text

Dr. Gert-Jan de Bruijn

Text

Dr. Martijn Heijmans

Text

Dr. Martijn Schut

Text

Prof. dr. Henk van Weert

Text

Prof. dr. Julia van Weert

Text

Prof. dr. Nathalie van der Velde

Text

Prof. dr. Ameen Abu Hanna

Text