Zorgverleners geven in de palliatieve fase interdisciplinaire zorg aan zorgvragers en diens naasten. Deze zorg is gericht op het bestrijden van symptomen en behoud of verhogen van kwaliteit van leven en kwaliteit van sterven. Het niet tijdig (kunnen) herkennen en markeren van de palliatieve fase leidt tot ongewenste situaties. Zorgvragers krijgen niet de best passende zorg, afgestemd op hun wensen en behoeften. Dat kan leiden tot over-/ onderbehandeling of het overlijden op een locatie die niet de voorkeur van de zorgvrager heeft.
Zorgverleners in de eerstelijnszorg vinden het belangrijk om tijdig de palliatieve fase te markeren, maar dat is niet eenvoudig bij zorgvragers met een chronische aandoening als COPD of hartfalen. COPD en hartfalen kenmerken zich door een langzame achteruitgang van de chronische ziekte met een grillig verloop, door periodes van ernstige verslechtering door infecties. Het moment van overlijden is vaak onverwacht.
Bestaande instrumenten die de palliatieve fase markeren halen de praktijk niet, omdat deze complex zijn, extra registratielast geven en niet aansluiten op de bestaande werkwijze van het primaire proces. Een veelbelovende technologische toepassing waarmee positieve ervaring is opgedaan, is een geïntegreerde signaalfunctie in het elektronisch zorgdossier, op basis van machine learning. Het gebruikmaken van grote hoeveelheden bestaande data die reeds zijn vastgelegd in het zorgdossier kan verpleegkundigen en verzorgenden ondersteunen in het goed signaleren en tijdig markeren van de palliatieve fase.
Deze aanvraag heeft de volgende onderzoeksvraag: “Hoe kunnen zorgverleners ondersteund worden in de markering van de palliatieve fase door middel van machine learning bij zorgvragers met COPD en hartfalen aan de hand van signalen uit het elektronisch zorgdossier van ZorgAccent en ZZG zorggroep en daarmee een bijdrage leveren aan het verbeteren van de kwaliteit van de palliatieve zorg?”
Voor de uitwerking is gekozen voor een ontwerpgericht onderzoek. In twee jaar tijd wordt gewerkt aan de ontwikkeling van de technologische toepassing, gebruikmakend van de beschikbare literatuur, kwalitatieve data van eindgebruikers als zorgverleners, zorgvragers en hun naasten. In de laatste fase wordt een haalbaarheidsstudie naar de toepassing uitgevoerd waarin nagegaan wordt of deze toepassing ondersteunend is bij het markeren van de palliatieve fase, de gebruikerservaringen en beïnvloedende factoren in de dagelijkse praktijk.
BETROKKEN (EXTERNE) PARTIJEN:
- Saxion (lectoraat Smart Health, lectoraat Ambient Intelligence, lectoraat Technology, Health & Care)
- Hogeschool Arnhem Nijmegen (lectoraat Innovatie in de Care, lectoraat Model-based Information Systems)
- ZorgAccent
- ZZG zorggroep
- Ecare
- Longfonds
- Tactus
- V&VN
- IKNL
DOEL:
- Het verbeteren van de markering van de palliatieve fase in de zorg voor kwetsbare mensen;
- Het ontwikkelen en toepassen van machine learning in het elektronische zorgdossier voor het markeren van de palliatieve fase bij COPD-patiënten en patiënten met hartfalen;
- Het borgen van deze technologische toepassing in de elektronische zorgdossiers van ZorgAccent en ZZG zorggroep, en op langere termijn binnen het zorgdomein.
FINANCIERING:
Sia Raak Publiek
LOOPTIJD:
1 november 2022 – 31 oktober 2024