Catharina Ziekenhuis wil valpartijen ouderen voorkomen met AI

ziekenhuiskamer met bed

Onderzoekers van het Catharina Ziekenhuis willen achterhalen of je valpartijen in het ziekenhuis van 70-plussers kunt voorspellen. Ze gebruiken daarvoor de notities die verpleegkundigen meerdere keren per dag in het dossier van een patiënt bijschrijven.

Onderzoeker Wendy Leurs: “We stelden onszelf de vraag: kun je waardevolle informatie halen uit die notities? Informatie die kan voorspellen of een patiënt mogelijk gaat vallen?”

Deze onderzoeksmethode heet textmining. Onderzoekers kijken in dat geval naar bepaalde tekstkenmerken zoals het totaal aantal woorden en specifieke woorden. En wat blijkt? Voorafgaand aan de valpartij zien onderzoekers verschillen in de door verpleegkundigen ingevulde patiëntdossiers van ouderen die later wel en niet vallen.

Meer woorden bij vallers

In totaal bekeken de onderzoekers voor dit startonderzoek de dossiers van 38 patiënten van 70 jaar of ouder jaar. Negentien van hen vielen tijdens hun opname in het ziekenhuis. De controlegroep bestaat uit negentien vergelijkbare patiënten die niet gevallen zijn. Onderzoekers keken naar de data van de die drie dagen voor de val. Ze telden het totaal aantal woorden, aantal woorden per verpleegkundige notitie, aantal unieke woorden en of bepaalde specifieke woorden vaker voorkomen bij patiënten die later gevallen zijn.

“We vonden dat er in totaal meer woorden werden gebruikt bij de zogenoemde vallers. Het ging in drie dagen gemiddeld om 10.523 woorden bij vallers en gemiddeld 7.510 woorden in de andere groep”, zegt geriater dr. Carolien van der Linden. “En per verpleegkundige notitie zagen we een verschil; 47 om 34.5 woorden. Het aantal unieke woorden dat werd gebruikt was ook verschillend; 2.465 om 1.887.”

Specifieke woorden

De onderzoekers zochten ook naar specifieke woorden die (vaker) voorkwamen bij patiënten die later vielen. “We zien in die dossiers dat het vaker om woorden gaat die een delier en valpreventie beschrijven. Maar ook woorden die contact met familie beschrijven. “Aan de andere kant zagen we juist dat bij de niet-vallers vaker woorden worden gebruikt als ‘rustig’, ‘helder’ en ‘adequaat’”, aldus Wendy Leurs.

Met de uitkomsten van dit onderzoek, willen de onderzoekers een voorspellingsmodel bouwen om valpartijen te kunnen voorspellen. “Als we zien dat in een dossier het aantal gebruikte woorden toeneemt, specifieke woorden worden gebruikt, dan kunnen we verpleegkundigen een seintje geven dat er valgevaar dreigt. Hoe mooi zou het zijn dat we met die tool het aantal valincidenten terug kunnen dringen?”

Ongeveer eenderde van de 65-plusser valt één keer per jaar. De helft valt vaker. Ongeveer één op de vijf valpartijen leidt tot letsel. Tien procent zelfs tot ernstig letsel. Valincidenten in ziekenhuizen komen vaker voor dan in een thuissituatie. Dat komt onder meer door de aandoening die reden is voor de ziekenhuisopname.

Valpartijen in het ziekenhuis zorgen voor letsel en daarmee vaak voor hogere zorgkosten. De complicaties van een valincident en het effect op de patiënt zijn stress en spanning, pijn, letsel, verlies van vertrouwen, verlies van zelfstandigheid en zelfs overlijden.

35% van de patiënten ondervindt letsel na een val in het ziekenhuis. Het gevolg hiervan is extra procedures, ingrepen, langer opnameduur en soms uitplaatsing naar een verpleegtehuis. Het is tot nu toe niet goed mogelijk om ouderen met een verhoogd valrisico betrouwbaar te identificeren. Textmining en daardoor eerder signaleren welke ouderen een verhoogd risico hebben om te vallen, zou kunnen helpen.

Lees ook:

Gerelateerde berichten...

X