Risico-inschatting agressie obv tekst

Deelnemers: UMC Utrecht
Status: Afgerond
 
Samenvatting
Agressie, zowel verbale als fysieke komt veel voor, in deze instelling zijn er honderden meldingen per jaar. Het heeft impact op patiënt zelf maar ook op de naasten en zorgprofessionals. Voordeel van goede inschatting is dat de professional samen met de patiënt (en eventueel familie) kan kiezen uit een aantal maatregelen om in te zetten, bijvoorbeeld medicatie, meer sporten, of familie die kan blijven slapen. 

Op basis van de geanonimiseerde klinische teksten van zorgverleners in de eerste 24 uur van opname is een word2vecmodel ontwikkeld met als uitkomst de kans dat er binnen dertig dagen agressie zal optreden. 
Het inschatten van risico op agressie gebeurt nu door artsen/verpleegkundigen. Het blijkt dat de AI toepassing iets beter voorspelt dan de vragenlijsten die hiervoor nu speciaal voor worden ingevuld en beduidend beter dan de subjectieve beoordeling door zorgprofessionals. De tool is na goede resultaten in het UMC Utrecht gevalideerd bij Antes GGZ met vergelijkbare goede resultaten.

Meer lezen: 
  • Menger,V., Spruit,M., Est,R. van, Nap,E., & Scheepers,F. (2019). Machine Learning Approach to Inpatient Violence Risk Assessment Using Routinely Collected Clinical Notes in Electronic Health Records. JAMA Network Open, 2(7), e196709. [pdf] [online]
  • Menger,V., Scheepers,F., & Spruit,M. (2018). Comparing Deep Learning and Classical Machine Learning Approaches for Predicting Inpatient Violence Incidents from Clinical Text. Applied Sciences, 8(6), Data Analytics in Smart Healthcare, 981. [ISI impact factor: 2.217] [pdf] [online]
Meer weten:         psydata@umcutrecht.nl
 
Volgend project >>
 
Terug naar overzicht

 


 


COVIDA: zorgverbetering in de GGZ door toegepaste big data analytics.

Privacyverklaring

Mede mogelijk gemaakt door:

 ©2020 COVIDA