SlideShare une entreprise Scribd logo
1  sur  3
Télécharger pour lire hors ligne
Ongestructureerde data
ontsluiten in de zorgsector:
3 voordelen
Mensen werken bij voorkeur met gestructureerde data. Deze data lenen zich immers uitstekend voor analyses, filters en het leggen van
verbanden. Maar niet in alle sectoren zijn gestructureerde data voor handen. In de medische wereld, bijvoorbeeld, bestaat de beschikbare data
voornamelijk uit tekst. Doktoren en specialisten geven vooral in tekstuele vorm hun bevindingen weer, waardoor medische dossiers uit lange
lappen tekst bestaan. Het analyseren van deze data is een tijdrovende bezigheid.
Ontsluiten van ongestructureerde data
Hiervoor is echter een oplossing beschikbaar, namelijk de iKnow technologie. Deze technologie is gericht op het ontsluiten van ongestructureerde
data. De oplossing bestaat uit een kwalitatieve methodiek om alle relevante informatie in teksten te verzamelen en te structureren in concepten
en onderlinge relaties. De relevante informatie wordt geïndexeerd op basis van de herkenning van relaties in een zin. De woorden tussen die
relaties leveren dan automatisch significante woordgroepen (=concepten) op. Het vooraf definiëren van termen volgens tekstindelingen, wat
gangbaar is in bijvoorbeeld thesauri en ontologieën, is hierbij niet nodig.
Deze technologie is erg bruikbaar in de medische sector. Het ontsluiten van ongestructureerde data in deze sector biedt namelijk enkele
belangrijke voordelen:
1. Snelheid en kostenbesparing
In de medische wereld is snelheid van belang. Door de koppeling met de iKnow-technologie zijn artsen en behandelaars in staat sneller
verbanden te leggen in de diverse onderdelen van een patiëntendossier. Er zijn aantoonbaar levens te redden wanneer bepaalde informatie
snel boven water komt. De snelheid leidt tot een kostenbesparing, doordat behandelaars minder tijd kwijt zijn aan het handmatig doorspitten
van dossiers. Ze kunnen hun tijd nuttiger besteden.
2. Automatische codering
De indexering van de verslagen van intakegesprekken of diagnoses van artsen leent zich uitstekend voor automatische codering ten behoeve
van de financiële doorbelasting. Hierdoor wordt tevens tijd en geld bespaard en bovendien wordt de kans op menselijke fouten
geminimaliseerd.
3. Klinisch onderzoek
Het kunnen selecteren van patiënten met bepaalde condities voor klinische studies of medische protocollen levert veel betere resultaten op
als men ook alle verslagen van patiënten kan gebruiken. De kwaliteit van klinisch onderzoek verbetert dan.
Een praktijkvoorbeeld: Parnassia
Dat het ontsluiten van ongestructureerde data breed toepasbaar is in de medische wereld, en niet alleen nuttig is voor bijvoorbeeld elektronische
patiëntendossiers, bewijst het praktijkvoorbeeld van de psychiatrische zorginstelling Parnassia.

2
Parnassia gebruikte iKnow in een proef om beter te kunnen bepalen wanneer patiënten gesepareerd moeten worden. De verpleegkundige en
medische verslagen van een bepaalde groep patiënten, die tussen oktober 2010 en april 2011 op een gesloten acute opnameafdeling verbleven,
werden met behulp van iKnow geanalyseerd. Hiermee werd geprobeerd om bepaalde structuren in de teksten te ontdekken, zodat gesepareerde
patiënten onderscheiden konden worden van patiënten die niet werden gesepareerd. In het onderzoek werd gezocht naar woorden of
woordcombinaties die typisch voorafgaan aan separatie; deze woorden zouden immers een voorspellende waarde kunnen hebben. Bij de analyse
van de data werden verschillende termen in de dossiers significant vaker gevonden bij patiënten die later gesepareerd werden: chaotisch,
claimend, conflict, manisch psychotisch toestandsbeeld, motorisch onrustig, oninvoelbare indruk, psychotische indruk, dysfoor, discussie, eisend,
dwingend, verzet, manie en agressief.
Nader onderzoek zal uitwijzen dat de technologie inderdaad kan voorspellen welke patiënten een risico lopen om acuut te moeten worden
opgenomen. Het lijkt in ieder geval een veelbelovende en arbeidsbesparende oplossing.
Kent u meer voordelen van het ontsluiten van ongestructureerde data in de zorg? Of heeft u hier zelf ervaring mee? We zijn benieuwd naar uw
reactie.
Wilt u meer informatie over ongestructureerde data en/of de Parnassia-case? Download dan gratis onderstaand rapport van Rick van der Lans.

Fotocredit
Wil je meer informatie? Klik hier om naar ons blog te gaan.

3

Contenu connexe

Plus de InterSystems Benelux

Generating Actionable Insight from Social Media
Generating Actionable Insight from Social MediaGenerating Actionable Insight from Social Media
Generating Actionable Insight from Social MediaInterSystems Benelux
 
Blog 12: Ongestructureerde big data analyseren
Blog 12: Ongestructureerde big data analyserenBlog 12: Ongestructureerde big data analyseren
Blog 12: Ongestructureerde big data analyserenInterSystems Benelux
 
InterSystems presentatie: Making Sense of Unstructured Data
InterSystems presentatie: Making Sense of Unstructured DataInterSystems presentatie: Making Sense of Unstructured Data
InterSystems presentatie: Making Sense of Unstructured DataInterSystems Benelux
 
InterSystems presentatie: Making sense of non-structured data in the medical ...
InterSystems presentatie: Making sense of non-structured data in the medical ...InterSystems presentatie: Making sense of non-structured data in the medical ...
InterSystems presentatie: Making sense of non-structured data in the medical ...InterSystems Benelux
 
InterSystems Presentatie: Breakthrough BI: analyzing all the data
InterSystems Presentatie: Breakthrough BI: analyzing all the dataInterSystems Presentatie: Breakthrough BI: analyzing all the data
InterSystems Presentatie: Breakthrough BI: analyzing all the dataInterSystems Benelux
 
InterSystems presentatie: Active analytics for big data
InterSystems presentatie: Active analytics for big dataInterSystems presentatie: Active analytics for big data
InterSystems presentatie: Active analytics for big dataInterSystems Benelux
 

Plus de InterSystems Benelux (6)

Generating Actionable Insight from Social Media
Generating Actionable Insight from Social MediaGenerating Actionable Insight from Social Media
Generating Actionable Insight from Social Media
 
Blog 12: Ongestructureerde big data analyseren
Blog 12: Ongestructureerde big data analyserenBlog 12: Ongestructureerde big data analyseren
Blog 12: Ongestructureerde big data analyseren
 
InterSystems presentatie: Making Sense of Unstructured Data
InterSystems presentatie: Making Sense of Unstructured DataInterSystems presentatie: Making Sense of Unstructured Data
InterSystems presentatie: Making Sense of Unstructured Data
 
InterSystems presentatie: Making sense of non-structured data in the medical ...
InterSystems presentatie: Making sense of non-structured data in the medical ...InterSystems presentatie: Making sense of non-structured data in the medical ...
InterSystems presentatie: Making sense of non-structured data in the medical ...
 
InterSystems Presentatie: Breakthrough BI: analyzing all the data
InterSystems Presentatie: Breakthrough BI: analyzing all the dataInterSystems Presentatie: Breakthrough BI: analyzing all the data
InterSystems Presentatie: Breakthrough BI: analyzing all the data
 
InterSystems presentatie: Active analytics for big data
InterSystems presentatie: Active analytics for big dataInterSystems presentatie: Active analytics for big data
InterSystems presentatie: Active analytics for big data
 

Blog 3: Ongestructureerde data ontsluiten in de zorgsector: 3 voordelen

  • 1. Ongestructureerde data ontsluiten in de zorgsector: 3 voordelen
  • 2. Mensen werken bij voorkeur met gestructureerde data. Deze data lenen zich immers uitstekend voor analyses, filters en het leggen van verbanden. Maar niet in alle sectoren zijn gestructureerde data voor handen. In de medische wereld, bijvoorbeeld, bestaat de beschikbare data voornamelijk uit tekst. Doktoren en specialisten geven vooral in tekstuele vorm hun bevindingen weer, waardoor medische dossiers uit lange lappen tekst bestaan. Het analyseren van deze data is een tijdrovende bezigheid. Ontsluiten van ongestructureerde data Hiervoor is echter een oplossing beschikbaar, namelijk de iKnow technologie. Deze technologie is gericht op het ontsluiten van ongestructureerde data. De oplossing bestaat uit een kwalitatieve methodiek om alle relevante informatie in teksten te verzamelen en te structureren in concepten en onderlinge relaties. De relevante informatie wordt geïndexeerd op basis van de herkenning van relaties in een zin. De woorden tussen die relaties leveren dan automatisch significante woordgroepen (=concepten) op. Het vooraf definiëren van termen volgens tekstindelingen, wat gangbaar is in bijvoorbeeld thesauri en ontologieën, is hierbij niet nodig. Deze technologie is erg bruikbaar in de medische sector. Het ontsluiten van ongestructureerde data in deze sector biedt namelijk enkele belangrijke voordelen: 1. Snelheid en kostenbesparing In de medische wereld is snelheid van belang. Door de koppeling met de iKnow-technologie zijn artsen en behandelaars in staat sneller verbanden te leggen in de diverse onderdelen van een patiëntendossier. Er zijn aantoonbaar levens te redden wanneer bepaalde informatie snel boven water komt. De snelheid leidt tot een kostenbesparing, doordat behandelaars minder tijd kwijt zijn aan het handmatig doorspitten van dossiers. Ze kunnen hun tijd nuttiger besteden. 2. Automatische codering De indexering van de verslagen van intakegesprekken of diagnoses van artsen leent zich uitstekend voor automatische codering ten behoeve van de financiële doorbelasting. Hierdoor wordt tevens tijd en geld bespaard en bovendien wordt de kans op menselijke fouten geminimaliseerd. 3. Klinisch onderzoek Het kunnen selecteren van patiënten met bepaalde condities voor klinische studies of medische protocollen levert veel betere resultaten op als men ook alle verslagen van patiënten kan gebruiken. De kwaliteit van klinisch onderzoek verbetert dan. Een praktijkvoorbeeld: Parnassia Dat het ontsluiten van ongestructureerde data breed toepasbaar is in de medische wereld, en niet alleen nuttig is voor bijvoorbeeld elektronische patiëntendossiers, bewijst het praktijkvoorbeeld van de psychiatrische zorginstelling Parnassia. 2
  • 3. Parnassia gebruikte iKnow in een proef om beter te kunnen bepalen wanneer patiënten gesepareerd moeten worden. De verpleegkundige en medische verslagen van een bepaalde groep patiënten, die tussen oktober 2010 en april 2011 op een gesloten acute opnameafdeling verbleven, werden met behulp van iKnow geanalyseerd. Hiermee werd geprobeerd om bepaalde structuren in de teksten te ontdekken, zodat gesepareerde patiënten onderscheiden konden worden van patiënten die niet werden gesepareerd. In het onderzoek werd gezocht naar woorden of woordcombinaties die typisch voorafgaan aan separatie; deze woorden zouden immers een voorspellende waarde kunnen hebben. Bij de analyse van de data werden verschillende termen in de dossiers significant vaker gevonden bij patiënten die later gesepareerd werden: chaotisch, claimend, conflict, manisch psychotisch toestandsbeeld, motorisch onrustig, oninvoelbare indruk, psychotische indruk, dysfoor, discussie, eisend, dwingend, verzet, manie en agressief. Nader onderzoek zal uitwijzen dat de technologie inderdaad kan voorspellen welke patiënten een risico lopen om acuut te moeten worden opgenomen. Het lijkt in ieder geval een veelbelovende en arbeidsbesparende oplossing. Kent u meer voordelen van het ontsluiten van ongestructureerde data in de zorg? Of heeft u hier zelf ervaring mee? We zijn benieuwd naar uw reactie. Wilt u meer informatie over ongestructureerde data en/of de Parnassia-case? Download dan gratis onderstaand rapport van Rick van der Lans. Fotocredit Wil je meer informatie? Klik hier om naar ons blog te gaan. 3