De vragenlijsten die de patiëntervaring meten,bevatten meestal alleen gesloten vragen. Daardoor ontbreken nuance en context. En die zijn cruciaal voor verbetering. Het doorlezen en analyseren van de antwoorden op open vragen kost veel tijd. De oplossing: Artificial Intelligence (AI) gebruiken voor het analyseren.
Marieke van Buchem van het LUMC ontwikkelde hiervoor een model. Dit is onderdeel van haar promotieonderzoek. Samen met een team binnen het Leids Universitair Medisch Centrum, bestaande uit artsen, onderzoekers en eindgebruikers brengt zij het model in de praktijk.
Van Buchem: “We hebben de vragenlijsten die patiënten krijgen uitgebreid met open vragen die goed door AI te analyseren zijn. Hierbij worden direct de belangrijkste inzichten uit de antwoorden gehaald. De vragen gaan over een paar verschillende aspecten van de patiëntervaring als: ‘hoe was de samenwerking tussen zorgverleners?’ of ‘hoe was de persoonlijke aanpak?’ Ze zijn zo opgezet dat ze overal kunnen worden ingezet en ze zullen leiden tot specifiekere antwoorden.”
Verbeterpunten en complimenten
Tijdens het analyseren groepeert AI de antwoorden in clusters met de labels ‘verbeterpunten’, ‘complimenten’ en ‘overig’. Bij de verbeterpunten en complimenten kijkt AI naar patronen van woorden die gebruikt worden om op die manier een clustering te maken.
De precieze antwoorden van de patiënten zijn ook nog te lezen.Marieke van Buchem: “Sommige groepen zijn al duidelijk genoeg om er direct een verbeterpunt uit te halen, bijvoorbeeld: ‘het duurt te lang dat de uitslag van de scan er is’. Dit versnelt het proces omdat de vragenlijsten niet allemaal doorgelezen hoeven te worden.”
“Hierbij zijn de resultaten vaak ook nog subjectief en afhankelijk van de lezer. De resultaten van de analyse zijn daarbij zowel kwantitatief als kwalitatief. Er wordt namelijk gekeken naar welke woorden het meest gebruikt worden en we zien hoeveel positieve en negatieve feedback we hebben gekregen.”
Patiëntervaring centraal
Van Buchem verwacht dat AI in de toekomst steeds vaker voor dit doel zal worden ingezet. “Er komen steeds meer specialismen en de patiëntervaring komt ook steeds meer centraal te staan. Het kost te veel tijd om vragenlijsten met open vragen stuk voor stuk door te lezen. Dus ik denk dat het gebruik van automatische technieken om een breder scala aan ervaringen te verzamelen en daar verbeterpunten uit te halen de enige manier is om ermee om te gaan. Ons project is een kleine stap, maar het heeft veel potentie en kan in de toekomst nog veel verder uitbreiden.
Eén zorgpad
In eerste instantie hebben Van Buchem en haar team zich vooral gericht op de vernieuwde vragenlijst binnen één zorgpad. Tijdens de maandelijks vergadering is er direct te zien wat er aan de zorg te verbeteren is.
Er wordt nu nagedacht hoe het model en de resultaten ervan breed in de zorg kunnen worden ingezet. “Dat is nog best een moeilijk proces als je kijkt naar alle verschillende systemen die in het ziekenhuis gebruikt worden. Simpel gezegd zouden we een knop willen voor het uitsturen van de vragenlijsten en een knop voor het laten zien van de resultaten. “
Opschalen naar ziekenhuisniveau
“Daarnaast moeten we bekijken hoe je dit zou kunnen opschalen naar ziekenhuisniveau. Het is belangrijk om je af te vragen of artsen van andere zorgpaden hier net zo blij mee zijn als die van het eerste zorgpad. We hopen in ieder geval de komende zes maanden een complete tool op te leveren die ook gemakkelijk is in te zetten in andere ziekenhuizen. “
Winst voor zorgverlener
“Aan de ene kant geeft het voor patiënten de ruimte om hun ervaring te delen, maar de grootste winst valt juist te behalen aan de kant van de zorgverlener. Nu zijn er bijvoorbeeld mensen die al die vragenlijsten lezen, wat heel veel tijd kost. Dus alleen al in tijdsbesparing is dit een goede stap vooruit. En in het geval van de arts kan het ook zeker helpen. Die kan betere feedback krijgen van patiënten en kan dan betere zorg leveren.
Klik hier voor meer informatie over AI in de zorg binnen het LUMC.
Nicky is junior communicatiemedewerker en verantwoordelijke voor de website en onze social media. Als Sterrenkunde student aan Universiteit Leiden met de specialisatie in de wetenschapscommunicatie, heeft zij ervaring in onderzoek. Zij gebruikt haar onderzoeksvaardigheden voor het schrijven van blogs en artikelen voor Patient Journey Lab.