Sla over naar de inhoud

het gaat allemaal om Data…

Het wordt een druk jaar in Zorg-IT land. Zorginstellingen zijn druk met het behalen van de VIPP doelstellingen, en de datum dat de AVG gehandhaafd gaat worden komt met rasse schreden dichterbij. Naast deze twee belangrijke drivers vliegen de buzzwords ons om de oren: Blockchain, FHIR, IoT,Augmented Reality en nog veel meer. Mijns inziens hebben deze zaken een belangrijk ding gemeen: het gaat allemaal om data.

VIPP dwingt ons om data uit onze bronsystemen te gaan delen met de patiënt. Aan de burger dienen we verantwoording af te leggen dat we zorgvuldig met de data omgaan, dat we transparant zijn over wat we ermee doen, maar ook dat we het mogelijk moeten maken om je data te laten verwijderen. Sensoren generen massa’s data waar we meer slimme dingen mee willen doen. Maar hoe zorgen we ervoor dat we aan al deze -zeer verschillende- doelstellingen kunnen voldoen? Hoe borgen we de lange termijn opslag? Hoe zorgen we ervoor dat we het behapbaar houden, zowel in kosten als in omvang en complexiteit?

Ik hebt het antwoord niet, maar heb eens na zitten denken en ben eens gaan tekenen. Dat doet een architect nu eenmaal graag. Zie hieronder mijn eerste aanzet voor een referentie model.

Referentiemodel Datalaag

Een korte toelichting: aan de onderkant de (fysieke) opslag van data. Daarboven heb ik nu 4 globale functionaliteiten omschreven:

  1. Data collection
  2. Data curation (inclusief opslag)
  3. Data analytics
  4. Data visualization

Analytics & Visualization kunnen door verschillende services gebruikt worden. Denk bij services bijvoorbeeld aan een applicatie die gebruik maakt van geaggregeerde informatie uit de stappenteller van een patiënt. Een fysiotherapeut of arts is niet geïnteresseerd in het feit dat een patiënt op maandag van 12:08-12:10 150 stappen heeft gezet, maar wil wel bijvoorbeeld de trends over een week zien en deze vergelijken met een referentiepopulatie. In dit voorbeeld komt de ruwe data (na toestemming) uit een stappenteller via de Data Collection terecht in een database. In Data Curation kan met een algoritme de data geschoond worden: bijvoorbeeld duidelijke foutieve metingen eruit wassen. Bij Data Analytics wordt data geaggregeerd en geanalyseerd, en in Data Visualization wordt deze data gevisualiseerd. De applicatie voor de zorgverlener en patiënt, presenteert deze analyse en visualisatie zodat hier beleid op kan worden gemaakt of aangepast.

Dit is maar een simpel voorbeeld. Door data uit verschillende bronnen te combineren kunnen natuurlijk nog veel meer slimme dingen bedacht worden. Hopelijk is dit model, of liever nog een verbeterde versie hiervan een eerste aanzet om dit soort mooie toepassingen op een duurzame manier te realiseren. Want welke reden we ook hebben, we leggen allemaal enorme hoeveelheden data vast. Laat ons er zo snel mogelijk ook écht gebruik van maken. Ik ben heel benieuwd naar wat jullie hiervan vinden, reageer dan ook vooral.

Published inBlog
© 2018 Malschaert Advies