Project Description
Verbeteren van de patiëntervaring op de SEH
Wachten op medische hulp in een onverwachte situatie kan één van de meest stressvolle en frustrerende ervaringen zijn die patiënten en hun naasten meemaken. Het komt vaak voor dat mensen zich angstig voelen en in sommige gevallen agressief gedrag vertonen. Om ervoor te zorgen dat patiënten meer gerustgesteld zijn, besloot Zuyderland, een ziekenhuis in Zuid-Limburg, een innovatieve oplossing te introduceren om de patiëntenervaring te verbeteren.
Het concept was om de geschatte wachttijd op de spoedeisende hulp (SEH) weer te geven via schermen. Dit soort schermen wordt al gebruikt in verschillende Nederlandse ziekenhuizen. Maar wat maakt deze aanpak uniek? Zuyderland ging een stap verder door een monitor voor wachttijden per specialisatie te introduceren op basis van een statistisch model. Tijdens de ontwikkeling van deze oplossing heeft onze Data Science expert nauw samengewerkt met Zuyderland om een solide basis te vormen voor dit project:
Data voorbereiding
De ontwikkeling van een geschikt statistisch model
Domeinkennis en -expertise
Een werkend prototype van de monitor
Thema
Intelligent Customer Interaction
Sector
Gezondheidszorg
Klant
Zuyderland
Het concept
In het verleden wisten patiënten niet wat er zich achter de schermen afspeelde, maar nu krijgen ze een beter idee van hoe druk het is. Op basis van de drukte op de spoedeisende hulp kunnen patiënten nu beter inschatten wat de wachttijd is. Om privacy te waarborgen, loopt de berekende wachttijd uitsluitend vanaf het moment dat ze de SEH binnenkomen tot het moment dat ze behandeld worden.
Uitdagingen
De eerste uitdaging was het verzamelen van SAP-data en deze real-time beschikbaar maken. Vervolgens ontwikkelden we een statistisch model om de wachttijd op de SEH nauwkeurig te voorspellen op basis van het aantal aanwezige patiënten. Omdat data soms onvolledig is, berekent het model een maximale wachttijd om realistische verwachtingen te scheppen. Tot slot was diepgaande medische kennis essentieel om de datakwaliteit te waarborgen.
Technieken en technologieën
Dit project vereiste een nauwe samenwerking tussen de Data Science expert van Conclusion Intelligence en Zuyderland. Tijdens dit project werden de volgende methoden en technologieën gebruikt:
- Microsoft SQL
- Python
- Statistical Modeling
Machine learning
PowerBI
Resultaten
De oplossing verzamelt elke vijf minuten data, afhankelijk van het type patiënten en specialisaties. Het statistische model maakt een uitgebreide analyse van patiëntenstroompatronen, waarbij rekening wordt gehouden met instroomgegevens van de afgelopen twee jaar. Dit historisch inzicht, gecombineerd met real-time updates, biedt patiënten een transparante en betrouwbare schatting van hun wachttijden. In zijn geheel heeft deze innovatieve oplossing de ervaring van patiënten op de spoedeisende hulp aanzienlijk verbeterd.
Wil je meer zien?
ONZE SUCCESVERHALEN
Meer informatie?
LET’S TALK!
Ontdek het potentieel van Data & AI om slimmere beslissingen te nemen, activiteiten te optimaliseren en klantinteracties te verbeteren. Of je nu je idee wilt bespreken of hulp nodig hebt bij het vinden van een oplossing die bij jou past.