Wij transformeren data naar actie.
Elke organisatie verzamelt data, waaruit vaak waardevolle inzichten kunnen worden verkregen. Om deze nieuwe inzichten te ontdekken, is echter een aantal stappen vereist: de data moet op een efficiënte manier worden verwerkt en opgeslagen. Bovendien is data uit de praktijk vaak ongestructureerd, wat aanpassingen vereist om het bruikbaar te maken of te integreren met verschillende databronnen. Wij nemen dit proces op ons door de ruwe data te bewerken en samen te voegen, zodat deze klaar is voor analyse. Vervolgens analyseren we de data en visualiseren we de resultaten in rapportages of dashboards. Dit is ons specialisme en wij staan klaar om hierbij te helpen!
Erasmus MC – Datagedreven Zorg
Binnen het Erasmus MC streven wij naar optimale patiëntuitkomsten tegen de laagst mogelijke kosten. Dit doen wij door efficiënt en effectief gebruik te maken van beschikbare gegevens en data. Met deze data kunnen wij analyses uitvoeren, waarbij wij kunnen zien welke patiëntengroepen vatbaarder zijn voor bepaalde uitkomstmaten. Met deze informatie kunnen wij inzichten creëren voor zorgprofessionals, om de uitkomstmaten zo goed mogelijk te kunnen optimaliseren voor deze patiëntengroepen. Diaknosis fungeert als brug tussen IT en de zorg. Wij hebben interactieve dashboards ontwikkeld die gemakkelijk inzichten bieden in zowel historische als voorspelde uitkomstmaten.
Erasmus MC – ENT Predictor
De ENT Predictor is een geavanceerd computermodel dat individuele overlevingskansen berekent voor patiënten met hoofd-halskanker. Dit model voorspelt de kansen op bepaalde uitkomstmaten, zoals complicaties en ligduur. Traditionele voorlichting over levensverwachting is gebaseerd op gemiddelde gegevens van grote groepen en is daarom algemener van aard. Dit model biedt daarentegen een gepersonaliseerde benadering door specifieke patiëntinformatie, zoals tumorgegevens, leeftijd en rookgedrag, in te voeren. Op basis van deze factoren berekent het model de individuele kans dat een patiënt bepaalde uitkomstmaten zal krijgen.
Patients-like-me
Voor patiënten met hoofd-halskanker hebben wij een dashboard gebouwd waarbij voor binnen de afdeling geanonimiseerde historische data van behandelde patiënten ingezien kan worden door zorgprofessionals. Daar waar voorspelmodellen iets zeggen over voorspelde gemiddelden van een patiënt, zegt een 'patients-like-me' tool juist iets over daadwerkelijke gebeurtenissen bij vergelijkbare patiënten. Het voordeel van zulke tools speelt voornamelijk bij patiënten die ver buiten het gemiddelde vallen. Voorspelmodellen zijn uitstekende tools voor patiënten die erg vergelijkbaar zijn met de gemiddelde patiënt. Echter, geen enkele patiënt is gemiddeld, en juist de patiënten die zeer groot afwijken van het gemiddelde hebben weinig baat bij een voorspelmodel. Om deze reden hebben deze 'patients-like-me' tool ontworpen, zodat inzicht gecreëerd kan worden middels alle historische data.