AI NO-FALL
In het ziekenhuis vallen gebeurt vaak (bij 5% van de mensen in Nederlandse ziekenhuizen). Dat kan leiden tot langer verblijf, meer kosten, letsel en angst om opnieuw te vallen. Nu kijken verpleegkundigen vooral of de patiënt het afgelopen jaar is gevallen en schatten op basis daarvan het valrisico in. Maar dit is niet heel nauwkeurig. Als de screening aangeeft dat iemand een hoger risico heeft om te vallen, nemen we preventieve maatregelen. Maar dat kost veel tijd voor verpleegkundigen.
Onderdeel van:
We willen nu minder onnodige maatregelen nemen en toch vallen voorkomen. Daarvoor is eerder een model gemaakt dat kan voorspellen of iemand zal vallen aan de hand van woorden die verpleegkundigen gebruiken in hun rapporten. Dit onderzoek is de eerste stap om dit model te gebruiken in de echte ziekenhuisomgeving, via het elektronisch patiëntendossier (EPD).
Doel
We willen zien hoe goed het predictiemodel werkt als het gekoppeld is aan de live EPD-omgeving. Daarnaast willen we weten wat de diagnostische accuratesse van het predictiemodel is om patiënten te identificeren bij wie een bewegingssensor niet hoeft te worden ingezet. Sinds 16 april is het model gekoppeld aan de live EPD-omgeving en we verzamelen gegevens gedurende 4 maanden. We onderzoeken ook welke factoren belangrijk zijn voor het ontwikkelen van een plan om dit model in te voeren. We hebben al focusgroepen gehad en zijn nu bezig met het analyseren van de gegevens. Tussen 6 mei en 5 juni stellen we vragenlijsten op terwijl het model in gebruik is.
Aanpak
Dit project kent meerdere fases.
Fase 1, maand 1-3
Om te kunnen starten met de uitvoering van het onderzoek in de live EPD-omgeving, dienen twee voorbereidende onderzoeken gedaan te worden:
a. De eerdere pilot case control studie (W.L.M. Leurs) herhalen m.b.v. recent gebouwde dataset; welke specifieke woorden en woordcombinaties zijn geassocieerd met een toekomstige val?
b. De eerdere studie van M Groeneveld herhalen m.b.v. data uit 1 en optimaliseren predictiemodel
Vervolgens kan het hoofdonderzoek met behulp van het geoptimaliseerde predictiemodel starten.
Fase 2, maand 4-8: Draaien van het predictiemodel aan de live EPD-omgeving
In deze fase zal het predictiemodel aan de live EPD-omgeving gekoppeld zijn en de onderzoeker zal handmatig de (geanonimiseerde) rapportage nakijken of er een valincident heeft plaatsgevonden. Door deze gegevens te vergelijken met de uitkomsten van het predictiemodel kan het discriminerend vermogen van het model geëvalueerd door de sensitiviteit, specificiteit, positieve en negatieve voorspellende waarde (PPV, NPV) te berekenen. Bovendien wordt het algehele discriminerende vermogen beoordeeld aan de hand van de 'receiver operating characteristic' (ROC)-curve met de area onder de ROC-curve (AUC).
Tijdens fase 2 zal er gedurende 1 maand intensief op de afdeling onderzoek gedaan worden, terwijl het predictiemodel aan het EPD is gekoppeld.
De onderzoeker zal observaties doen op de afdelingen neurologie en geriatrie bij welke patiënten de bewegingssensoren daadwerkelijk zijn ingezet en dit vergelijken met wat het predictiemodel aangeeft. Met deze gegevens kan de diagnostische accuratesse op het inzetten van de sensoren op basis van het model wordt geëvalueerd door de sensitiviteit, specificiteit en juist-positieven, juist-negatieven, fout-positieven en fout-negatieven te rapporteren.
Indien de bewegingssensor is ingezet en dit volgens het model niet nodig geacht wordt, zal de onderzoeker semigestructureerde interviews afnemen bij de verpleegkundigen om te kijken hoe verpleegkundigen staan tegenover het advies van het model en in welke mate zijn zij bereid het advies op te volgen en wat de belemmerende en bevorderende factoren hierin zijn. Het betreft een semigestructureerd interview waarin de topics van tevoren vast staan. De topics voor het interview maakt gebruikt van de UTAUT om de acceptatie van nieuwe technologische toepassing te meten.
Daarnaast heeft het interview een vragenlijst met open vragen. De data-analysemethode betreft een thematische analyse. Eerst worden de audio-opnames van de interviews binnen een week na afname in tekst omgezet; getranscribeerd. Aan de hand van codes en thema’s worden de gegevens geïnterpreteerd om verbanden duidelijk te krijgen. De methode van thematische analyse die gebruikt gaat worden, is van Braun en Clarke. De analyse zal door meerdere onderzoekers worden uitgevoerd ter validatie van de resultaten.
Fase 3: maand 9-12
In deze fase wordt geen nieuwe kwantitatieve data meer verzameld. Data zal worden geanalyseerd, zoals beschreven is in fase 1 en 2. Een artikel zal worden geschreven. De uitslagen van de interviews zullen worden voorgelegd aan een focusgroep met als doel door middel van discussie verdieping en verduidelijking van de verkregen informatie uit de interviews te verkrijgen. De resultaten zullen worden besproken en geëvalueerd met de verpleegkundigen van de deelnemende afdelingen van het onderzoek om te reflecteren op het proces en de resultaten en hen mee te laten denken over de volgende stap in het proces.
Contact
Betrokken docenten en onderzoekers
Marjolein Groeneveld., MSc., Drs. Wendy L.M. Leurs, Drs. Loes A.S Lammers, Drs. Wilma N. Compagner, Prof. Dr. Arthur Bouwman, Dr. Angelique Dierick, Dr. Carolien M.J. van der Linden.
M. (Marjolein) Groeneveld
Verpleegkundig onderzoeker[NB: dit is een voorbeeld. Pas dit aan]