Weg met de valse alarmen
Welke IC kent het niet: de vele valse alarmen die worden gegenereerd door bewakingsapparatuur. Alarmmoeheid wordt internationaal zelfs erkend als grote risicofactor. Spoedeisende-hulp arts Leo Kobayashi bedacht een manier om irrelevante alarmen tegen te gaan.
Kobayashi werkt in het Rhode Island Hospital (VS) en is daarnaast onderzoeksdirecteur bij het Lifespan Medical Simulation Center. Hij vervult deze nevenfunctie vanwege zijn interesse in IT, die ontstond door de problemen die hij dagelijks zag in zijn eigen praktijk: “Dat begon eigenlijk in 2005, toen ons ziekenhuis een nieuwe SEH opende. Voorafgaand hebben we verschillende simulatiescenario’s gespeeld om te bepalen welke inrichting het meest efficiënt zou zijn. De meeste problemen ontstonden niet door de indeling van de ruimte, maar door gedoe met snoeren aan apparaten.” Hij bedacht een handig karretje waarop alle apparatuur staat die je nodig hebt bij patiënten die met zwaar trauma worden binnengebracht. “Vanaf dat moment begon ik me te interesseren voor de technologiekant van mijn vak.”
Hij rolde in een ander project: de evaluatie van resultaten van reanimaties. Wat bleek: de overlevingskans van patiënten was bij de ene AED significant hoger dan bij de andere. Dat kwam doordat de ene net wat handiger was in gebruik. “Op dat moment ben ik me vooral gaan interesseren voor data-analyse. Er zijn zoveel mogelijkheden om de zorg te verbeteren als je over goede data beschikt. We ontdekten bijvoorbeeld een correlatie tussen de overlevingskans van een patiënt en de instructeur die de laatste reanimatie-opfriscursus heeft gegeven aan de desbetreffende zorgverlener. We gingen er in het verleden puur op buikgevoel vanuit dat een arts beter zou kunnen reanimeren dan een verpleegkundig, maar de instructeur bleek een veel grotere voorspellende waarde te hebben voor de uitkomst van een reanimatie. Als je dat weet dan kun je de cursussen van instructeurs gaan vergelijken en die gericht gaan verbeteren.”
Alarmmoeheid tegengaan
Dit project bleef niet onopgemerkt. De IC vroeg hem om eens mee te denken over een betere bewaking van patiënten die aan een hartbewakingsmonitor liggen. Kobayashi: “Het doel van die monitor is vroegtijdig zien aankomen dat een patiënt een hartinfarct krijgt, zodat je proactief kunt handelen. De praktijk is dat deze apparaten zoveel alarmen genereren dat er alarmmoeheid ontstaat onder IC-verpleegkundigen.” Daar komt nog bij dat verpleegkundigen zich toch al vaak ergeren aan deze systemen, omdat er in de praktijk veel mis gaat: alarmen komen niet aan op de telefoon van een verpleegkundige; printers zijn niet aangesloten waardoor je geen hartfilmpje kunt printen; netwerkkabels die loshangen enzovoort. Kobayashi: “De hartbewakingsapparatuur is goed, daar ligt het niet aan. Het ligt aan alles er omheen.”
Wat niet meehelpt is de strenge wet- en regelgeving die bepaalt welke alarmen hartbewakingsapparatuur moet genereren, ook al worden veel van die alarmen in de praktijk niet gebruikt. Leveranciers van deze systemen willen geen enkel risico willen nemen op een claim als een patiënt overlijdt omdat een systeem geen alarm genereerde en volgt die wetgeving uiteraard tot op de letter. Kobayashi: “De gedachte achter alle bewakingsapparatuur is: je kunt beter teveel waarschuwen dan te weinig. Terwijl iedereen op de werkvloer weet dat de alarmmoeheid die hierdoor ontstaat juist het gevaarlijkst is.”
Add-on op bestaande apparatuur
Om dat patroon te doorbreken ging Rhode Island Hospital zelf op zoek naar een manier om de data die wordt gegenereerd door bewakingsapparatuur te analyseren en zo de irrelevante alarmen eruit te filteren. Om compliant te blijven met wet- en regelgeving hebben ze een platform gebouwd bovenop de bestaande apparatuur. “Het is dus een add-on en geen vervanging van bestaande systemen.”
De logdata uit de bewakingsmonitoren zijn ingeladen in Splunk, software waarmee je machine data kunt analyseren. Kobayashi: “Als je de ruis wilt onderscheiden van de significante signalen dan moet je naar alle parameters tegelijkertijd kijken: hartslag, zuurstofsaturatie, bloeddruk. De Philips-systemen gaven al een alarm als één van deze waarden buiten een vooraf ingegeven range komt, maar de voorspellende waarde is uiteraard veel groter als je deze factoren in samenhang analyseert. En dat is wat we in Splunk nu doen. Dat leverde ons vooral op de medium care veel winst op, want daar is minder personeel aanwezig dan op de IC, waardoor alarmen op de MC vaker werden genegeerd.”
Deep learning
De volgende stap is om op basis van historische data analyses te doen, om zo nog meer inzicht te krijgen in signalen die een hartaanval zouden kunnen voorspellen. Dat is nog niet zo eenvoudig, zegt Kobayashi. “De bewakingssystemen bewaren de data niet lang. We hebben een protocol ontwikkeld met als uitgangspunt dat we alle data die door hartbewakingsapparatuur wordt gegenereerd vastleggen voor onderzoeksdoeleinden. We beginnen nu met het opbouwen van een dataset. We hebben visualisaties ontwikkeld die ons moeten helpen om de gigantische stroom aan nieuwe data beter te begrijpen. En we passen machine learning algoritmen toe die zelfstandig op zoek kunnen gaan naar patronen en afwijkingen daarin. We hebben nu nog geen resultaten, maar ik ben ervan overtuigd dat we hierdoor beter gaan begrijpen hoe verschillende factoren met elkaar samenhangen. Het doel is dat we straks beter kunnen voorspellen welke patiënten risico lopen op een hartstilstand.”
Kruisbestuiving
Rhode Island Hospital werkt in dit project nauw samen met de leverancier van de bewakingsapparatuur en gebruikt een gratis licentie die Splunk ter beschikking stelt aan organisaties die wetenschappelijk relevant onderzoek verrichten. Op deze manier blijven de kosten laag. Kobayashi hoopt dat zijn initiatief navolging krijgt, niet alleen bij hartbewaking maar ook op andere gebieden: “Het idee is toepasbaar op heel veel andere terreinen. Ziekenhuizen meten ontzettend veel, maar de data worden lang niet altijd op een intelligente manier gebruikt. Ik wil met mijn verhaal ziekenhuizen aansporen om op zoek te gaan naar onontgonnen mogelijkheden.”
