Model voor data-ondersteund werken: van thema naar meerwaarde

Iedere cliënt moet de zorg en ondersteuning krijgen die nodig is, zowel nu als in de toekomst. Data kan daarbij helpen, voor meer zelfredzaamheid en kwaliteit van leven van cliënten, voor minder werkdruk en meer werkplezier van zorgverleners. Het gaat om de kwaliteit en efficiëntie van zorg. Maar hoe kom je van een vaag idee over een thema tot daadwerkelijke verbeteringen?

Om met data tot inzichten te komen, moet je een doordacht proces doorlopen. Vaak kom je uitdagingen en vragen tegen die om een gerichte aanpak vragen. Om zorgorganisaties bij dit proces te helpen is het Model voor data-ondersteund werken: van thema naar meerwaarde ontwikkeld, op basis van onderzoek en praktijkervaringen binnen de gehandicaptenzorg. Het model doorloopt alle stappen om van een thema tot meerwaarde te komen. Het biedt houvast en structuur bij jouw dataproject en stimuleert om kritisch te blijven denken, flexibel te werken en steeds je einddoel voor ogen te houden.

Ga je aan de slag met het model? Er is een checklist voor het model data-ondersteund werken beschikbaar. Gebruik deze checklist om te bepalen of je alle belangrijke punten kan afvinken. Zo ben je goed voorbereid voor de volgende stap, of ontdek je dat je eerst terug moet naar een eerdere stap. De checklist is opgedeeld in de verschillende stappen van het model. Per stap kun je de specifieke checklist downloaden.

Elk dataproject begint bij een bepaald thema. Dat idee waarvan je denkt: hier moeten we iets mee met data. Dit kan bijvoorbeeld gaan over het maken van roosters, planning van zorg of snel kunnen zien hoe het met een cliënt gaat. Het identificeren van relevante thema's waar data-ondersteund werken een bijdrage kan leveren, is de eerste cruciale stap.

Uit praktijkonderzoek bij zestien gehandicaptenorganisaties blijkt dat er vier overkoepelende thema’s zijn waar kansen liggen voor data-ondersteund werken. Deze thema's laten zien dat data-ondersteund werken in de gehandicaptenzorg veel potentie heeft om de zorg te verbeteren op verschillende niveaus.

• Hoe gaat het met de cliënt?
• Zelfredzaamheid en eigen regie
• Geleverde zorg, passende zorg en kwaliteit van zorg
• Organisatie – zorgverlener – cliënt

Het is mogelijk dat bij jouw organisatie ook andere thema’s relevant zijn.

Download de checklist 'Thema'.

Daarna is het zaak om het vraagstuk zo scherp mogelijk te formuleren. Wat wil je precies weten of bereiken met behulp van data? Gaat het bijvoorbeeld om het verminderen van onrust bij cliënten gedurende de nacht, het optimaliseren van de personeelsplanning tijdens piekmomenten, of het beter inzicht krijgen in de ontwikkeling van de zelfredzaamheid van een cliënt? Bekijk daarbij het vraagstuk altijd van alle kanten. Dus zowel vanuit het perspectief van de zorgverlener, als die van de cliënt, en die van de organisatie als geheel. Als je daar bij deze stap al goed over nadenkt, voorkom je dat je later stappen terug moet zetten om het vraagstuk verder uit te diepen.

Vragen die kunnen helpen om het vraagstuk helder te krijgen zijn:

• Hoe ziet het zorg- of werkproces er nu uit?
• Welke data wordt vastgelegd en door wie?
• Voor welke cliënt- of medewerker-groepen is data-inzicht nodig?
• Is er inzicht nodig over groepen cliënten of juist individuele cliënten?
• Over welke periode zijn gegevens nodig? Is dat over de afgelopen week, maand of jaar?
• Waarom zijn die gegevens nodig en op welke momenten?
• Voor wie zijn de data-inzichten bedoeld?
• Welk type datavisualisatie is nodig? Is dat een grafiek, een samenvattende tekst of een combinatie van beiden?
• Wat zou er met het data-inzicht gedaan worden als het beschikbaar komt?
• Hoe kan dat inzicht leiden tot betere zorg?

Download de checklist 'Vraagstuk'.

In deze stap inventariseer je welke databronnen beschikbaar zijn en welke data relevant is om het geformuleerde vraagstuk te beantwoorden. Mogelijke databronnen zijn het ECD, zorgoproepsystemen, sensoren (zoals bed- of incontinentiesensoren), planningssystemen en apps. Het is cruciaal om te weten waar de data wordt opgeslagen en hoe de data ontstaat (automatisch of handmatig). Een overzicht van deze databronnen en data en hoe deze zich tot elkaar verhouden binnen de data-architectuur en het datamanagement van de organisatie is hierbij nodig.
Bekijk ook de video: Waar is de data?

Randvoorwaarden: AVG, privacy en ethiek
Bij het werken met data in de gehandicaptenzorg moeten randvoorwaarden in acht worden genomen, met name op het gebied van privacy en wetgeving. De Algemene Verordening Gegevensbescherming (AVG) is hierbij van groot belang. Organisaties moeten een grondslag hebben voor de verwerking van persoonsgegevens en, in het geval van bijzondere persoonsgegevens zoals gezondheidsgegevens, ook een uitzondering op het verwerkingsverbod. Daarnaast speelt het beroepsgeheim van zorgprofessionals een belangrijke rol. Ook de AI Verordening is relevant bij de inzet van kunstmatige intelligentie. Het is belangrijk om transparant te zijn over wat er met data gebeurt en waarom. Een Data Protection Impact Assessment (DPIA) kan helpen om privacy risico’s in kaart te brengen. Ook dataopslag en beveiliging zijn belangrijke randvoorwaarden.

Wanneer is gebruik van individuele data wel gepast en wanneer niet? Mag dat wel, data vanuit ECD voor organisatiedoelen gebruiken? Hoe zit het met privacy? Wat zouden onbedoelde effecten kunnen zijn van gebruik van data? Worden we niet afhankelijk van algoritmes die we niet meer begrijpen? Zomaar een paar ethische vragen die altijd geopperd worden als het gaat om gebruik van data, ook in de gehandicaptenzorg. Het zijn vraagstukken waar je aandacht voor moet hebben en waar cliënten, zorgverleners en andere collega’s uit je organisatie samen over moeten spreken. Zonder aandacht voor ethiek is het risico groot dat er weerstand en frustratie ontstaat. Terwijl het gesprek erover voeren veel kan opleveren. De aanpak Begeleidingsethiek kan hierbij helpen: door (verwachte) effecten en betrokken actoren te bespreken, wordt gezamenlijk een aantal handelingsopties – voor data, omgeving en gebruik – geformuleerd.

Download de checklist 'Databronnen'.

Voordat je aan de slag kunt gaan met de data, moet je weten of die data goed en bruikbaar is. Goede data is volledig, juist en tijdig. Om dat te onderzoeken onderneem je de volgende stappen.

• Ken de context waarin de data wordt verzameld. Ga in gesprek met zorgverleners en observeer de dagelijkse werkprocessen om te begrijpen hoe de data ontstaat en welke invloeden er spelen. Het meelopen van een dienst kan hierbij waardevol zijn.
• Weet in welke systemen de data precies wordt opgeslagen. Dit kan het ECD, zorgoproepsystemen, planningssystemen of andere applicaties zijn.
• Begrijp hoe de data wordt gegenereerd. Gebeurt dit automatisch (bijvoorbeeld via sensoren) of door handmatige invoer?
• Beoordeel de beschikbaarheid van data. Hoe krijg je toegang tot de data en wie is daarvoor nodig? Is hiervoor de leverancier nodig?
• Bekijk wat voor soort bestanden je hebt. Zijn het grote bestanden, overzichtelijke spreadsheets, of bestanden die specifieke software vereisen?
• Identificeer welke soorten data je hebt. Gaat het om handelingen, meetwaarden, tekst of systeeminformatie? Het kan nodig zijn om de betekenis van codes of nummers te achterhalen.
• Stel vast hoeveel data je hebt en over welke periode. Meer data geeft over het algemeen meer mogelijkheden voor gedetailleerde analyses.
• Onderzoek of er gegevens ontbreken en of er duidelijke uitschieters zijn. Probeer de reden hiervoor te achterhalen.

Bekijk ook de video’s Wat is goede data, Datakwaliteit: een kijkje in de keuken en Hier wordt goed met data gewerkt.

Download de checklist 'Data'.

Om data overzichtelijk en bruikbaar te maken voor analyse zijn het filteren, sorteren en samenvoegen van data belangrijke stappen. Bij filteren selecteer je specifieke gegevens uit een dataset op basis van bepaalde criteria. Sorteren betekent het ordenen van gegevens in een logische volgorde. Samenvoegen houdt in dat je twee of meer datasets combineert op basis van een gemeenschappelijk kenmerk.

Het doel van datavisualisatie is om data duidelijk en begrijpelijk te presenteren, zodat mensen er bruikbare inzichten uit kunnen halen. Een goede datavisualisatie verbindt het werk dat in data-analyse wordt gestoken met de mensen die de data gaan gebruiken. Het is belangrijk om te weten wie de gebruiker is en wat hun dagelijkse taken zijn. Door mee te lopen met zorgverleners kun je begrijpen hoe de informatie in hun werkdag geïntegreerd zal worden. Zo verken je hoe datavisualisaties kunnen zorgen voor een beter, sneller of efficiënter werkproces.

Er zijn drie stappen voor een duidelijke datavisualisatie.

1. Effectiviteit: Kies de juiste grafiekvorm die het beste past bij het doel van de data. Verschillende visuele vormen kunnen verschillende verhalen vertellen en helpen bij het beter begrijpen van de data.
2. Helderheid: Zorg ervoor dat de informatie makkelijk te begrijpen is. Geef alle benodigde context, zowel visueel als tekstueel, zodat de informatie goed overkomt.
3. Stijl: Maak bewuste keuzes over de uitstraling van de visualisatie. Het is wenselijk om binnen de huisstijl van je organisatie te blijven voor professionaliteit, betrouwbaarheid en uniformiteit. De stijl kan de impact van de grafiekvorm versterken.

Bekijk ook de video en het webinar over 'datavisualisatie'. 

Download de checklist 'Informatie & visualisatie'.

Inzicht in data, ondersteund door goede visualisaties, helpt om de waardevolle informatie in de data te ontsluiten en om te zetten naar bruikbare inzichten. Bespreek de visualisaties met cliënten, verwanten, zorgverleners management.

Om effectief visualisaties te bespreken en waardevolle inzichten te verkrijgen volg je een gestructureerde aanpak. Begin met een voorbereiding door de visualisaties goed te begrijpen. Tijdens de presentatie leg je de context en het doel van de visualisaties uit. Een goede visualisatie heeft weinig uitleg nodig en spreekt grotendeels voor zichzelf. Interactie bij het bespreken is essentieel. Moedig aan om vragen te stellen en observaties te delen. Als iets niet duidelijk is, verhelder dan. Stel open vragen om je eigen inzichten te bevestigen of bij te stellen. Ga dieper in op specifieke onderdelen van de visualisatie als dat nodig is. Trek conclusies door de belangrijkste inzichten samen te vatten. Evalueer samen of de visualisaties écht antwoord geven op de voorgestelde vragen.

Download de checklist 'Inzicht'.

Hier kunnen we kort over zijn: als inzichten uit data daadwerkelijk worden toegepast in de praktijk en leiden tot aanpassingen in zorg- of werkprocessen kunnen we spreken van de meerwaarde.

Download de checklist 'Meerwaarde'.

Bovenstaande informatie is in onderstaande uitlegvideo samengevat.