Benutten van tekstuele rapportages uit elektronische cliëntendossiers in de gehandicaptenzorg voor inzicht en voorspellingen

Door Natural Language Processing (NLP) toe te passen op tekstuele data uit elektronische cliëntdossiers binnen de zorg voor mensen met een verstandelijke beperking, kunnen gezondheidsproblemen en gedragsveranderingen vroegtijdig worden herkend, wat bijdraagt aan betere zorg en kwaliteit van leven.

People with intellectual disabilities (ID) often face similar health issues as the general population. However, differences such as atypical symptom presentation can lead to delayed diagnoses and treatment. This increases the severity of conditions and risk of complications, affecting both physical and mental health. Early detection is therefore essential to improve health outcomes.

Care providers in long-term ID-care collect large amounts of textual data in their Electronic Client Dossiers (ECDs), presenting a unique opportunity to leverage this information. By applying Natural Language Processing (NLP), predictive models can be developed to identify health issues earlier in this population. Despite this potential, the use of textual data in research on healthcare for individuals with ID remains uncommon. Clarifying the methods, benefits, and pitfalls of using such data can lower barriers for future studies and expand knowledge in healthcare for people with ID.

The research project aims to explore the use of textual data to reduce underdiagnosis in individuals with ID and improve care for individuals with ID. To achieve this, this project will conduct studies including a literature review, an analysis of the structure and limitations of textual ECR data, and the development of detection models for health conditions in individuals with ID.

Inleiding

Net als in de algemene bevolking hebben ook mensen met een verstandelijke beperking (VB) te maken met diverse gezondheidsproblemen. Maar doordat er verschil kan zijn in hoe klachten zich uiten, worden sommige aandoeningen pas later herkend. Dit kan leiden tot ernstigere vormen van de aandoening, meer complicaties en negatieve gevolgen voor zowel de fysieke als mentale gezondheid. Het vroegtijdig herkennen van deze aandoeningen is daarom cruciaal om de impact te verminderen en de kwaliteit van leven te verbeteren.

Binnen VB-zorgorganisaties worden uitgebreide elektronische cliëntdossiers (ECD’s) bijgehouden. Deze dossiers bevatten tekstuele aantekeningen van zorgverleners, met informatie over symptomen, gedrag en dagelijkse zorg. Hoewel deze data voornamelijk wordt gebruikt voor administratieve doeleinden en overdracht tussen medewerkers, biedt het ook een rijke bron van gegevens die over meerdere jaren zijn verzameld.

Met behulp van Natural Language Processing (NLP), een tak van kunstmatige intelligentie gericht op het begrijpen van menselijke taal, kan deze tekstuele informatie worden geanalyseerd. Door NLP toe te passen op de gegevens uit ECD’s, kunnen signalen van gezondheidsproblemen of gedragsveranderingen vroegtijdig worden herkend.
Omdat tekstuele data tot nu toe nauwelijks is ingezet voor dit type onderzoek, is het belangrijk om ook de methodologie, mogelijkheden en implicaties hiervan te verder te verkennen. Dit kan de drempel voor toekomstig onderzoek verlagen en bijdragen aan verdere kennisontwikkeling binnen de gezondheidszorg voor mensen met een verstandelijke beperking.

Doelstelling en methode

Dit promotieproject richt zich op het verbeteren van de diagnostiek en signalering van gezondheids- en gedragsproblemen bij mensen met een verstandelijke beperking in Nederland, door het gebruik van tekstuele data uit ECD’s. Het project omvat:

Literatuuronderzoek naar de huidige stand van zaken op het gebied NLP toepassingen in de (langdurige) zorg.
Beschrijvend onderzoek naar de eigenschappen van rapportages in elektronische cliëntdossiers
Ontwikkeling van en analyse met behulp van NLP-modellen op gebied van gezondheidsproblemen en gedragsveranderingen.

Met dit onderzoek willen we bijdragen aan betere zorg voor mensen met een verstandelijke beperking door innovatief gebruik te maken van beschikbare data en technologie. Resultaten uit dit project kunnen zorgverleners ondersteunen bij vroegtijdige signalering en preventie van gezondheids- en gedragsproblemen.