Medicatie voorschrijven, bereiden en toedienen, “het medicatieproces”, is foutgevoelig en arbeidsintensief. Dat blijkt ook nog maar eens weer uit een recent artikel waarbij Elektronische Patiëntendossier (EPD) systemen met elkaar zijn vergeleken. De conclusie was dat de huidige systemen inefficient en onveilig zijn.
Wetenschappelijk onderzoek
Specifiek het voorschrijven van medicatie blijkt veel tijd te kosten en veel fouten op te leveren.
Wat ook opvalt uit deze bevindingen is dat een gebruiker per voorschrijft zeker 1 minuut bezig is voor de invoer van dat voorschrift. Dit is consistent met eigen waarnemingen.
Kostenbesparing
Het real-time scenario in de pitch voor dit project en de online demo app laten zien dat het voorschrijven van een medicament teruggebracht kan worden naar gemiddeld 15 seconden. Dit kan weer vertaald worden naar een kostenbesparing. Verder kan veel tijd (en fouten) worden bespaart door het laten opzoeken en uitrekenen van de bereiding door CDSS.
| Kosten besparing door CDSS | |||
| Wat? | Verpleegkundige | AIOS | Specialist |
| Seconden per voorschrift – zonder app | 24 | 60 | 60 |
| Seconden per voorschrift – met app | 15 | 15 | 15 |
| Gemiddeld aantal voorschriften per dag | 10 | 10 | 10 |
| Gemiddeld aantal dagen per week voorschrijven | 4 | 4 | 2 |
| Aantal zorgverleners per groep | 1865 | 779 | 628 |
| Implementatiegraad (percentage afdelingen) | 75% | 75% | 75% |
| Bruto maandsalaris (zonder ORT/ TVO) | € 3.400,00 | €4.000,00 | €10.000,00 |
| Jaaruren | 1878 | 2400 | 2400 |
| Berekend | |||
| Wat? | Verpleegkundige | AIOS | Specialist |
| Tijdsbesparing (minuten) per dag | 1,5 | 7,5 | 7,5 |
| Dagen per jaar besparing | 291939 | 121941 | 49152 |
| Tijdsbesparing (uren) per jaar | 7298 | 15243 | 6144 |
| Geschat jaarsalaris (incl werkgeverslasten) | € 72.223 | € 84.968 | € 212.420 |
| Besparing per jaar | € 280.680 | € 539.641 | € 543.798 |
| Totale kostenbesparing per jaar | € 1.364.118 |
Met CDSS zou dus in het UMCU minimaal 1 miljoen euro per jaar bespaard kunnen worden. En dat is nog zonder de kosten die nodig zijn voor handmatige controle en desondanks gemaakte fouten.
Order management
Het datamodel van de CDSS kan echter ook gebruikt kan worden voor niet-medicamenteuze opdrachten zoals vocht, voeding en b.v. aanvragen voor laboratorium of röntgendiagnostiek. Eigenlijk is het zo dat een medicament voorschrift en de bijbehorende berekeningen de meest complexe variant is van een medische order in meer algemene zin. Daarmee kan deze efficiëntie worden uitgebreid naar deze andere domeinen. En ook daar is veel winst te behalen zoals in het eerder geciteerde artikel naar voren komt.
Machine learning
Tot slot is er nog een enorme potentie om het systeem ook slim te maken met behulp van machine learning. Het grootste succes behaald met machine learning wat iedereen kent en ook dagelijks vele malen wordt gebruikt is Google. Via machine learning kan exact hetzelfde worden bereikt bij order management. Uit de context van de gebruiker en patiënt zal machine learning heel goed weten te voorspellen welke medicatie voorschriften of orders in meer algemene zin relevant zijn. B.v. je logt in als kinderarts bij een patiënt met koorts en een verhoogd CRP en een centraal veneuze lijn. Met die gegevens zou het systeem kunnen achterhalen wat de meest waarschijnlijke orders gaan zijn, namelijk een bloedkweek en starten van antibiotica met vervolg diagnostiek voor het CRP. Daarnaast kan het systeem ook voorspellen dat bij een specifiek antibioticum een spiegel aangevraagd gaat worden.
Conclusies
Het medicatieproces kan niet alleen veiliger en sneller maar ook veel goedkoper worden gemaakt. Dit is echter niet beperkt tot medicatie maar geldt eigenlijk voor het gehele medische order management. Met machine learning is daarboven nog extra winst te behalen.