Data-analyse optimaliseert zorgplanning en personeelsinzet
SAS geeft zorginstelling grip op planning met voorspellend dashboard
Snellere en betere besluitvorming bij wisselende zorgvraag
Ziekenhuis Gelderse Vallei heeft dit bereikt met • SAS® Viya • SAS® Visual Analytics • SAS® Model Manager
Slimme voorspellingen voor betere capaciteitsplanning
Het plannen van capaciteit van personeel, bedden en operatiekamers in een ziekenhuis is een complexe puzzel vanwege de continu veranderende dynamiek. Elke wijziging in de instroom, doorstroom of bezetting heeft direct invloed op de rest van de organisatie. “Om de juiste keuzes te maken, is het noodzakelijk om continu inzicht te hebben in wat er op je afkomt”, zegt Wietse Hasper, dataspecialist bij Ziekenhuis Gelderse Vallei. “Als we hier op tijd op anticiperen, kunnen we voldoende medewerkers inplannen met als doel dat patiënten de juiste zorg krijgen op het juiste moment.”
Jarenlang werkte het ziekenhuis met een tool die voorspellingen deed van de zorgvraag. Wietse: “We zagen wel getallen, maar het was onduidelijk hoe ze precies tot stand kwamen en hoe we ze konden bijsturen. Het voelde als een blackbox, wat lastig is als je snel moet schakelen.”
Ziekenhuis Gelderse Vallei zet voorspellende modellen in om patiëntstromen, personeelsinzet en beddencapaciteit beter op elkaar af te stemmen. Om de juiste keuzes te maken, is het noodzakelijk om continu inzicht te hebben in wat er op je afkomt Wietse Hasper Dataspecialist Ziekenhuis Gelderse Vallei
Van blackbox naar actueel inzicht
Ziekenhuis Gelderse Vallei wilde meer controle over hun data-gedreven inzichten. De organisatie moet flexibel zijn en wil dashboards en analyses kunnen aanpassen op basis van wat er in de praktijk gebeurt. Samen met SAS is een nieuw dashboard ontwikkeld met SAS Visual Analytics dat onderdeel is van het SAS Viya-platform. “We beheren elk onderdeel zelf, van de datastromen tot de berekeningen achter de schermen”, zegt Wietse. “En het mooiste is: het dashboard wordt elke vijf minuten automatisch bijgewerkt.” Het actuele karakter van het systeem is essentieel. Met de informatie uit het nieuwe dashboard is het mogelijk direct in te spelen op een beddentekort, extra opnames of onverwachte spoedsituaties.
Actuele inzichten zijn de basis voor actie
Het dashboard geeft een overzicht van relevante onderdelen voor de capaciteitsplanning: de huidige patiëntenpopulatie, geplande opnames, verwachte spoedpatiënten en beschikbare bedden, inclusief blokkades door bijvoorbeeld de schoonmaak. De capaciteitsplanning kan nu op elk moment van de dag zien of er ergens een tekort of juist overcapaciteit dreigt. Deze informatie helpt de planning niet alleen op de korte termijn, maar vormt ook input voor structurele afstemming. Elke week wordt het dashboard besproken in het Operationeel Planning Overleg. Hierin bekijken planners, afdelingsmanagers en capaciteitsadviseurs samen naar de verwachte drukte in de komende twee weken. Dankzij de actuele informatie en inzichten kan het ziekenhuis nu beter vooruitkijken en onderbouwde beslissingen nemen op basis van concrete cijfers.
Grip op technologie, data en voorspellingen
Wietse was nauw betrokken bij de technische ontwikkeling van het dashboard. “Ons uitgangspunt was: geen externe oplossing, maar een oplossing die we zelf begrijpen én waarop we kunnen sturen.” Het team maakte gebruik van SAS Model Studio om een voorspellend model te ontwikkelen dat inzicht geeft in het moment waarop patiënten naar huis kunnen. Dit model is gebaseerd op machine learning en gebruikt historische en actuele data. Op papier staat een patiënt gepland voor ontslag, maar in de praktijk gebeurt dat niet altijd. Dat verschil is belangrijk voor een realistische inschatting van de beddencapaciteit. Met het nieuwe model is dit veel nauwkeuriger te voorspellen.
De betrouwbaarheid van de modellen wordt actief gemonitord. Via SAS Model Manager analyseert het team of het model nog steeds goed presteert en waar eventuele bijsturing nodig is. Omdat het om machine learning-modellen gaat, is het belangrijk om te blijven controleren of ze accuraat blijven onder veranderende omstandigheden en nieuwe trends. Wietse: “Dat is belangrijk, zeker als we meer datagedreven opereren.”
De afdeling opnameplanning kan nu proactief werken. “We kunnen nu al dagen van tevoren zien wanneer de druk toeneemt. Op basis daarvan kunnen we gericht actie ondernemen, zoals proberen extra personeel in te inschakelen, OK-capaciteit te verschuiven of bepaalde ruimtes vrij te houden” vertelt Eva van Merwijk, expert op het gebied van capaciteitsplanning bij Ziekenhuis Gelderse Vallei. Ook voor de medewerkers op de afdelingen is de impact groot.
Ziekenhuis Gelderse Vallei – Facts & Figures
Data elke 5 minuten ververst voor actueel inzicht
Twee weken vooruitplannen met voorspellende modellen
Beddenbezetting gekoppeld aan het verwachte tijdstip van ontslag
De toekomst: van planning naar strategie
De introductie van het dashboard vraagt ook om een cultuurverandering. “We vragen nu bijvoorbeeld aan alle afdelingen om de blokkades van bedden goed te registreren in het systeem,” zegt Eva. “Als dat niet klopt, heeft dat invloed op het dashboard. Dat vereist zorgvuldige registratie.” Dit is onderdeel van het ontwikkelen van een datagedreven cultuur. Daarom is het belangrijk mensen mee te nemen in deze digitale transitie. Niet alleen laten zien wat er mogelijk is, maar ook hoe dat een positieve impact heeft op hun werk.
Bouwen aan een datagedreven cultuur
Het dashboard werkt en dat biedt ruimte om verder te bouwen. Bijvoorbeeld door de ontwikkeling van modellen die ook rekening houden met seizoensinvloeden, vakanties en historische trends. “We willen niet alleen voorspellen hoeveel patiënten er komen, maar ook hoeveel productie we kunnen draaien,” zegt Wietse. “Dat helpt niet alleen in de planning, maar ook in de begroting.” In de toekomst wil het ziekenhuis ook de HR-planning meenemen. “Bijvoorbeeld: wanneer is de kans groot dat iemand uitvalt? Dat zijn spannende vragen, maar wel relevant als je écht vooruit wilt denken.”
Ziekenhuis Gelderse Vallei loopt voorop in de toepassing van data in capaciteitsmanagement. “Machine learning helpt patronen te herkennen en de planning te ondersteunen. We zijn nog niet uitgeleerd, maar het huidige dashboard werkt én groeit met ons mee,” besluit Wietse. “Dat maakt echt het verschil voor de organisatie en draagt bij aan onze ambitie om de zorgkwaliteit voor patiënten te blijven verbeteren.”
