Data analytics projecten
Data analytics projecten
Psychose uitklapper, klik om te openen
Het behandelen van patienten met een psychose is soms lastig, omdat vooraf niet goed te bepalen is welke medicatie aanslaat. Om dat beter te kunnen voorspellen, is het belangrijk om iedere behandeling goed te evalueren en die data eenduidelijk te verzamelen. Samen met Ynformed ontwikkelen we een dashboard om zorgverleners te ondersteunen in de evaluatie en de data op een uniforme en juiste manier te verzamelen.
Ynformed & UMC Utrecht
Reuma uitklapper, klik om te openen
Een patiënt met reuma kent periodes met nauwelijks klachten tot periodes met hevige ontstekingen. Ondanks kennis en uitgebreide ervaring van zorgverleners, is het verloop van reuma per patiënt lastig te voorspellen. Het is bij iedere patient anders. We ontwikkelen in samenwerking met Siemens op basis van veel verzamelde data een model waarmee we voorspellen hoe het verloop is. Hiermee kan medicatie veel beter bij iedere patiënt op maat afgestemd worden en hopen we ziekenhuisopnamen zoveel mogelijk te voorkomen.
NICU (IC voor vroeggeboren baby's) uitklapper, klik om te openen
Een vroeggeboren baby bouwt minder makkelijk een goede weerstand op en krijgt te maken met behandelingen zoals beademing of het prikken van bloed. Via deze behandelingen kan een kind allerlei bacteriën binnenkrijgen en daar kunnen ze erg ziek van worden.
Op de afdeling neonatologie zijn gegevens (zoals gewicht, groei en bloeduitslagen) van kinderen verzameld die zijn geboren tussen de 24 en 32 weken. Deze gegevens worden in voorspellingsmodel verwerkt. Hierdoor kunnen zorgverleners bijvoorbeeld bloedvergiftiging bij baby’s eerder ontdekken en onnodig antibioticagebruik voorkomen.
Risico op hart-en vaatziekten uitklapper, klik om te openen
Weinig bewegen, ouder worden, roken en een te hoge bloeddruk zijn een risico voor hart- en vaatziekten. Voor al deze risico’s zijn richtlijnen en veel verschillende studies. We ontwikkelen een dashboard (EDEN) waar al deze risico’s en richtlijnen gecombineerd worden en gekoppeld aan de specifieke waarden (zoals gewicht en leeftijd) van een patiënt. Daar verschijnt vervolgens een persoonlijke voorspelling uit. Op basis hiervan wordt een behandeling veel gerichter ingezet.
Imagr uitklapper, klik om te openen
Binnen dit project wordt gekeken of er op basis van duizenden radiologiebeelden een algoritme ontwikkeld kan worden, waarmee een computer bepaalt of er afwijkingen te zien zijn op een MRI-scan. Dit ondersteunt de radioloog bij het bepalen van de juiste diagnose.
UrinCheck uitklapper, klik om te openen
Uit onderzoek blijkt dat voor ongeveer 60% van de urinekweken die uitgevoerd worden, geen juiste indicatie is. Dit betekent een aantal onterechte urinekweken en helaas ook onterechte behandelingen van urineweginfecties. Binnen deze pilot proberen we deze foutmarge binnen zes maanden met 20% te verlagen. Hierdoor krijgen patiënten minder vaak onnodig antibiotica toegediend en kan zorgen voor een kostenbesparing.
Urstatus uitklapper, klik om te openen
UrStatus, winnaar ‘Best datadriven healthcare’ van Hacking health Utrecht 2018, ontwikkelt een algoritme waarmee het risico op cardiovasculaire complicaties eerder ontdekt wordt bij patiënten. Ze brengen dit op een duidelijke manier visueel in beeld voor patiënt én zorgverlener. Hierdoor kan een zorgverlener eerder ingrijpen en dat kan een langere opnameduur voorkomen.
IC Capaciteitsmanagement uitklapper, klik om te openen
Het UMC Utrecht kampt met capaciteitsproblemen op onder andere het OK-complex en de intensive care (IC). Binnen dit project wordt een model ontwikkeld dat de diverse data combineert om te komen tot een geschatte beddenbehoeft. Hiermee optimaliseren we de inzet van van personele bezetting van IC en OK.
Predict uitklapper, klik om te openen
Zwangeren met een hoog risico op complicaties worden nauwkeurig gemonitord in en sinds kort ook buiten het ziekenhuis. Soms is een spoedbevalling toch niet te voorkomen. Het is dan goed om inzichtelijk te hebben of er een bed is voor moeder én kind. Binnen dit project wordt data verzameld uit verschillende bronnen om te komen tot een efficiënter gebruik van de beddencapaciteit in het geboortecentrum. Denk hierbij aan data van de afdeling verloskunde, neonatologie of OK. Hiermee willen we de geboortezorg verder optimaliseren en personaliseren en onze schaarse capaciteit beter inzetten.