Data zijn overal, ook wij zorgverstrekkers ontsnappen er niet aan. Maar het nut van big data is nihil als we ze niet voor een bepaald doel analyseren.
Data zijn overal, ook wij zorgverstrekkers ontsnappen er niet aan. Maar het nut van big data is nihil als we ze niet voor een bepaald doel analyseren. En daarvoor hebben we data-analyse of data analytics nodig, want die haalt uit een grote hoeveelheid data informatie die we zelf niet zomaar met het blote oog kunnen zien.
Wat is data-analyse ?
Iedereen heeft tegenwoordig de mond vol van big data, maar die grote hoeveelheid data is waardeloos als we er niets mee doen. Data-analyse is dus een must. Het is een proces waarbij de data geïnspecteerd, opgeschoond, getransformeerd en gemodelleerd wordt om er vervolgens de meest waardevolle informatie uit te halen en er conclusies uit te trekken. (bron : marqit.nl)
Kortom, ruwe data wordt omgezet in nuttige informatie.
3 soorten
We onderscheiden drie soorten data-analyse: beschrijvende, voorspellende en voorschrijvende, die we even toelichten.
Beschrijvende data-analyse (descriptive) maakt gebruik van exploratieve technieken waarbij voornamelijk gebruik gemaakt wordt van historische data. Deze analyse is vooral gericht op het beantwoorden van de vraag “Wat is er gebeurd?” Vaak kunnen eenvoudige data visualisatie technieken al belangrijke inzichten genereren.
Voorspellende data-analyse (predictive) gaat een stap verder. Zij maakt gebruik van de historische data om inzicht te genereren in de toekomst, door die als het ware te voorspellen en de vraag te beantwoorden : “Wat zal er gebeuren?” Een toepassing hiervan was het voorspellen van de kans van een heropname van een Amerikaanse ziekenhuispatiënt na ontslag uit het ziekenhuis. Het modelleren en voorspellen van dit probleem liet toe de mogelijke oorzaken verder te onderzoeken. Daaruit bleek dat de aanleiding van de heropname niet de zorgkwaliteit was, maar een gebrek aan informatie (bv. de patiënt wist niet juist hoe hij zijn medicatie moest innemen). De patiënten werden preventief opgespoord en beter geïnformeerd, soms via een virtueel bezoek van de arts, waardoor de heropnames afnamen.
Voorschrijvende data-analyse (prescriptive) focust op de vraag “Wat is de ideale oplossing?”. Deze analyse wordt vaak gekoppeld aan operationele problemen, waarbij zij het beslissingsproces vergemakkelijkt door verschillende scenario’s met elkaar te vergelijken en rekening houdend met vereisten en beperkingen de optimale oplossing voor te schrijven. Zo spelen bij het vinden van de ideale locatie voor een nieuw ziekenhuis de nabijheid van toegangswegen, het beoogde geografisch bereik, een inschatting van het aantal patiënten enz. mee.
Data-analyse in de gezondheidszorg
Voorschrijvende data-analyse in de gezondheidszorg kan zowel voor patiënten als zorgverstrekkers nuttig zijn. Zo analyseerde men in New York de locaties met de meeste ongevallen en bepaalde aan de hand ervan de positionering van ziekenwagens, zodat die sneller ter plaatse waren. Daarnaast maakt deze vorm van data-analyse het ook mogelijk om meerdere “wat als”-scenario’s te vergelijken, waardoor je de impact van de keuze van de ene actie tegenover de andere kan beoordelen en de beste oplossing kiezen.
Momenteel werkt APB samen met UGent aan een data-analyse project waarover we jullie later dit jaar zeker uitgebreid zullen informeren.
Laatst gewijzigd op 05/07/2019
Volg ons op...
Onze social media kanalen. Blijf bij met de laatste innovaties in de gezondheidssector, technologische snufjes, enz.