Cases
bpsolutions-header_img
Haga Ziekenhuis voorspelt wachttijden Op Spoedeisdende hulp
Cases
61603ac5-0488-47db-98cf-eeb83ac5b6bc
Een nieuwe back-up oplossing: De laatste verdedigingslinie
Cases
14abb5d6-2ee3-4efc-a6d1-c8738c612753
Van Duuren informeert klanten beter over vertraging dankzij ai-voorspelling
HagaZiekenhuis voorspelt wachttijd op Spoedeisende Hulp (SEH)

HagaZiekenhuis voorspelt wachttijd op Spoedeisende Hulp (SEH)

Bij het HagaZiekenhuis wordt de wachttijd op de Spoedeisende Hulp (SEH) voorspeld door middel van Artificial
Intelligence (AI). Onze Lead Data Scientist Leonie Syrier neemt u mee voor een kijkje achter de schermen.
 

Beter inzicht in de wachttijd stemt patiënt tevreden

Wachten in het ziekenhuis is nooit leuk. Niet voor de patiënt, maar ook niet voor de arts die weet dat er (soms ongeruste) patiënten wachten om geholpen te worden. En zeker op een spoedeisende hulp afdeling zijn patiënten vaak uit hun doen omdat zij met een ‘acute’ zorgvraag komen. Om een oplossing hiervoor te bedenken sloegen de Spoedeisende Hulp (SEH) van het HagaZiekenhuis en BSOLUTIONS de handen ineen om een nauwkeurige digitale voorspelling te geven van de te verwachte wachttijd.

Op de Spoedeisende Hulp is het een komen en gaan van mensen. De wachttijd kan soms flink oplopen. Het ene moment kan het rustig zijn en het volgende moment kan er ineens een piek ontstaan waardoor het heel druk is. Er gebeurt altijd heel veel achter de schermen, maar de patiënt in de wachtkamer weet dat niet. Bijvoorbeeld als er traumapatiënten worden binnengebracht. Dan zijn veel zorgverleners op dat moment druk met zo’n patiënt bezig. Om de wachtende patiënt goed te kunnen informeren zijn wij op zoek gegaan naar een middel om een betrouwbare wachttijd voor de patiënt te voorspellen.    


Wiskundige rekenmethode als hulp

BSOLUTIONS verzamelde de afgelopen jaren de gegevens van wachttijden op de SEH en de hoeveelheid patiënten die zich op bepaalde momenten van de dag hadden aangemeld. Het keek naar de gemiddelde wachttijd uit het verleden op vergelijkbare momenten, en maakte een correctie met het actuele aantal patiënten in de wachtkamer. Op deze manier bleek de wachttijd accuraat te voorspellen. Leonie Syrier, Lead Data Scientist bij BPSOLUTIONS: “We hebben de uitkomsten van het afgelopen jaar genomen en verwerkt in een wiskundige rekenmethode (algoritme). Daarmee kunnen we een voorspelling van de wachttijd geven met een betrouwbaarheidsmarge van +/- 10 minuten nauwkeurigheid.”


Meer rust

Afgesproken is dat de voorspelling voor minimaal 90% van de patiënten moet kloppen. Dat is tot nu zeker het geval. Het geeft de patiënten meer rust om te weten hoe lang de wachttijd is. Ook voor de zorgverleners is het prettig om te weten dat de patiënt duidelijkheid heeft. De informatie is via beeldschermen in de wachtruimten voor patiënten te volgen.

Wilt u weten hoe uw organisatie bouwt aan een slimmere toekomst, door gebruik te maken van Artificial Intelligence? Neem dan contact op met Leonie of chat met ons op de website.

Share this article:

Related Articles

De 5 belangrijkste trends in storage

5/12/2023

Embracing the future: Human-centric Cloud Managed Services

18/11/2023

Jean-François Michotte EVP Business Development Belgium

14/11/2023

Digitale transformatie versnellen met hybride cloud

26/09/2023

Zes redenen waarom bedrijven die de cloud omarmen hun concurrenten voorbij streven

24/09/2023

Een nieuwe back-up oplossing: de laatste verdedigingslinie

18/09/2023

BPSOLUTIONS is Suse solution partner

1/02/2023