Op welke manier kan datagedreven werken bijdragen aan meer doelmatigheid en kwaliteit in de langdurige zorg?

Er zijn steeds meer data beschikbaar uit registraties, rapportages en zorgtechnologieën én er komen steeds meer en betere mogelijkheden om inzichten uit deze data te halen. Het besef dat data-inzichten kunnen worden benut voor de uitdagingen waar de zorg vandaag de dag voor staat dringt door op alle niveaus in organisaties. De belofte van datagedreven werken is dat men met behulp van data beter kan begrijpen wat er is gebeurd en waarom dat is gebeurd, zodat men kan leren en verbeteren, en beter geïnformeerde beslissingen kan nemen (zie box 1).

Als we kijken naar de zorg dan maakt de huidige en toekomstige schaarste van mensen en middelen het gebruik van data-inzichten steeds belangrijker om te komen tot passende en doelmatige zorg [1, 2]. Succesvolle voorbeelden van datagedreven werken in de langdurige zorg laten zien hoe data hieraan kunnen bijdragen. Zo worden data uit cliëntmonitoringssystemen benut om de zorg beter in te richten voor thuiswonende cliënten. Dit zorgt voor rust voor de cliënt, gerustheid bij familie, maar ook voor minder reistijd en zorgmomenten voor zorgpersoneel (zie bijvoorbeeld Leefstijlmonitoring (vilans.nl)). Data uit het elektronisch cliëntendossier (ECD) worden benut om na te gaan bij welke cliënten technologische hulpmiddelen kunnen worden ingezet om de zorg doelmatiger te maken. Daarnaast worden deze data gebruikt om de zorgbehoefte van cliënten te voorspellen (zie Hoe gegevens in het ECD kwaliteit van leven en efficiënt werken kunnen bevorderen). En in regionaal verband wordt de acute ouderenzorgketen met behulp van beschikbare data verbeterd door knelpunten in de keten te identificeren en deze aan te pakken. Dit leidt tot kortere wachtlijsten en passende zorg voor kwetsbare ouderen (zie Dolce Vita). Deze toepassingen van datagedreven werken laten zien dat het gebruik van data kan bijdragen aan zowel de doelmatigheid als de kwaliteit van zorg en van het leven voor de cliënt [3].

De mate waarin een organisatie op systematische wijze data-inzichten benut en datagedreven beslissingen neemt wordt ook wel uitgedrukt als datavolwassenheid. Bij datavolwassenheid gaat het om de volgende elementen: het gebruik van definities (eenheid van taal) en de datakwaliteit, de IT-architectuur en beschikbare technologie, leiderschap en datacultuur, gebruik van data ten behoeve van de strategie (planvorming) en besturing, procesmatig werken en kennis en vaardigheden van medewerkers en samenwerken [4].

In 2022 is er op initiatief van regionale werkgeversorganisaties (verenigd onder RegioPlus), ActiZ en Vilans een landelijk onderzoek gedaan onder zorg- en welzijnsaanbieders om meer zicht te krijgen op het niveau van datavolwassenheid van aanbieders en de behoeften als het gaat om de ontwikkeling van datagedreven werken in hun organisatie. Deze vragenlijst is ingevuld door 84 zorgaanbieders, van wie ruim twee derde uit de langdurige zorg komt. De resultaten van het onderzoek laten zien dat zorgaanbieders tal van kansen en mogelijkheden zien, maar ook dat datagedreven werken bij veel organisaties nog in de kinderschoenen staat (zie fig. 1). Daarnaast komt naar voren dat zorgorganisaties data-inzichten vooral willen benutten voor onder andere (strategische) personeelsplanning (n = 41), het optimaliseren van (zorg- en behandel)processen (n = 30) en zorgpaden (n = 17). Bij de zorgaanbieders blijkt relatief veel aandacht uit te gaan naar de elementen ‘definities en datakwaliteit’ en ‘architectuur en tooling’. De respondenten scoren hoger op het datavolwassenheidsniveau van deze elementen dan op dat van de elementen ‘leiderschap en datacultuur’, ‘strategie (planvorming) en besturing’ en ‘kennis en vaardigheden van medewerkers’.

Op de vraag wat de organisatie nodig heeft om meer datagedreven te kunnen werken geven de meeste respondenten aan dat er kennis nodig is over wat er nodig is om van datagedreven werken een succes te maken en hoe ze daartoe de juiste stappen kunnen zetten (82%), gevolgd door respectievelijk tijd (65%), financiële middelen (64%), goede IT-voorzieningen (56%) en bestuurlijk commitment (49%).

Dat er een behoefte is aan kennis en uitwisseling wordt ook bevestigd in de gesprekken die de auteurs de afgelopen periode hebben gevoerd met medewerkers in de zorg en door de grote belangstelling die er bij zorgaanbieders is voor het landelijke initiatief Samen Datagedreven Werken in zorg en welzijn. Het doel van dit initiatief is theorie en praktijk met elkaar te verbinden en de datavolwassenheid van organisaties te bevorderen door met en van elkaar te leren. Aan dit netwerk, dat in 2022 is gestart, zijn kort na de start circa 100 zorg- en welzijnsaanbieders verbonden. Het netwerk Samen Datagedreven Werken in zorg en welzijn is een initiatief van regionale zorg- en welzijnswerkgeversorganisaties (ZWconnect, Flever, Sigra, de RotterdamseZorg, WZW, WGV Zorg en Welzijn Zuid-Holland en Utrechtzorg), verenigd onder het samenwerkingsverband van RegioPlus, ActiZ en Vilans.

Uit de gesprekken die we met zorgaanbieders hebben gevoerd komt het beeld naar voren dat een versnipperde IT-infrastructuur en een gebrek aan financiële middelen en tijd het verder ontwikkelen van het datagedreven werken vaak belemmeren. De zorgaanbieders in de langdurige zorg maken gebruik van een grote diversiteit aan data en applicaties, en hebben weinig geld voor overheadfuncties. Aanbieders beschikken vaak niet over voldoende (technische) kennis, expertise en capaciteit om met datagedreven werken aan de slag te gaan. Daarnaast zijn de zorgmedewerkers in de langdurige zorg, helemaal in deze tijd van schaarste, vooral bezig met de zorgverlening. Bij het ontwikkelen van organisaties waarin data-inzichten worden benut voor het verbeteren, beslissen en voorspellen zijn echter tijd en middelen nodig voor uitproberen, reflecteren, leren en bijstellen.

Naast de financiële en technische belemmeringen zien we dat er bij het bestuur van zorgaanbieders over het algemeen ook onvoldoende zicht is op de impact die men wil bereiken met datagedreven werken. Veel bestuurders en managers lijken wel ‘iets te willen met data’, maar hebben onvoldoende scherp voor ogen waar datagedreven werken in de organisatie aan zou moeten bijdragen. Ook geven ze niet altijd de steun en het commitment die nodig zijn voor de veranderingen die datagedreven werken met zich meebrengt. Een van de oorzaken is dat er vaak (te) weinig inzicht is in wat datagedreven werken van de organisatie vraagt. Het resultaat is dat er in veel organisaties alleen op projectbasis wordt geëxperimenteerd met het beschikbaar maken en benutten van data-inzichten. In de praktijk valt de uitvoering van zo’n dataproject vaak tegen of stellen de opbrengsten teleur. Er is dan meestal ook geen sprake van het beoogde systematisch benutten van data-inzichten voor het verbeteren, beslissen of voorspellen.

Dat datagedreven werken vaak als een (technisch) project wordt aangevlogen, blijkt een belangrijke belemmering te zijn voor succesvol datagedreven werken. Bij deze projecten ontstaat de wens om met de data te werken vrijwel altijd vanuit de mogelijkheden die de data en technologie te bieden hebben en niet vanuit een vraag uit de praktijk. Ook gaat er bij zo’n project vaak bovenmatig veel aandacht uit naar het ontwikkelen van de techniek en het visualiseren van de data-inzichten, en te weinig naar de wijze waarop de gebruikers de data-inzichten (kunnen) gebruiken voor leer- en verbeterprocessen en de inbedding daarvan in het werk en de besluitvorming. Successen en inzichten uit de data blijven vaak steken bij een kleine groep enthousiastelingen en datagedreven werken blijkt dikwijls ook geen problemen in de dagelijkse praktijk op te lossen. Daarnaast is een belangrijk kenmerk van projecten dat deze worden afgerond en daarmee afgesloten, waardoor datagedreven werken geen structureel onderdeel wordt van de manier van werken in de organisatie.

Datagedreven werken is, naast een technisch vraagstuk, (juist) ook een organisatorisch én veranderkundig vraagstuk. Er op moet allerlei vlakken aan voorwaarden worden voldaan om met data-inzichten te kunnen werken. Hiervoor hebben medewerkers kennis en vaardigheden, goed ingerichte werk- en besluitvormingsprocessen, en ook tijd en ruimte nodig. Tot slot vraagt datagedreven werken vaak om een cultuur- en gedragsverandering op verschillende niveaus in de organisatie. Dit maakt datagedreven werken tot een complexe veranderkundige opgave voor de hele organisatie.

Datagedreven werken past in het paradigma van samen leren en verbeteren dat sinds enkele jaren meer en meer het denkkader vormt voor kwaliteitsverbetering in de zorg. Leren betekent hier leren van ervaringen uit het verleden, zowel van successen als mislukkingen. Deze ervaringen worden vaak vastgelegd in registraties en rapportages, als incidenten of cliëntervaringen en zijn daarmee als data beschikbaar [5, 6].

Foley en Vale hebben een model ontwikkeld waarin data-inzichten worden gepresenteerd als een belangrijk onderdeel van zo’n lerende organisatie of wat zij een lerend zorgsysteem (learning health system) noemen [7]. In dit zorgsysteem worden data-inzichten, net als (wetenschappelijke) kennis en praktijkervaringen, benut om van te leren en de zorg te verbeteren (zie fig. 2). Foley en Vale refereren hierbij aan de definitie van de American Academy of Medicine: ‘… a system in which science, informatics (i.e. data), incentives and culture are aligned for continuous improvement and innovation, with best practices seamlessly embedded in the delivery process, with patients and families active participants in all elements and new knowledge captured as an integral by-product of the delivery experience’ [8].

Het model van Foley en Vale is bedoeld om richting te geven aan de ontwikkeling van deze lerende zorgsystemen. Dit model heeft een ander vertrekpunt als het gaat om datagedreven werken dan wat we in de praktijk vaak tegenkomen. Zo geven zij aan dat er op de eerste plaats aandacht moet zijn voor de rationale achter de ontwikkeling van zo’n lerend zorgsysteem (en dus datagedreven werken) en de complexiteit van de ontwikkeling. Ze stellen dat de ontwikkeling gericht moet zijn op de volgende vragen in onderstaande volgorde:

In de praktijk zien we dat veel organisaties in het kader van datagedreven werken bij vraag 4 starten, met als resultaat dat er vooral veel aandacht uitgaat naar de ontwikkeling van een technische oplossing, zonder (voldoende) aandacht te besteden aan de rationale, complexiteit en de veranderkundige kant van datagedreven werken.

Om stappen te zetten in de ontwikkeling van een lerende, datagedreven organisatie kan de drieslag richten, inrichten en verrichten helpend zijn. Datagedreven werken start met een gedegen en gedragen visie: wat betekenen data voor de organisatie? Hierbij is een opgavegerichte benadering van belang: welke bijdrage zou leren en verbeteren en datagedreven werken kunnen en moeten leveren aan de opgaven waar we voor staan? Welke impact willen we bereiken met onze lerende, datagedreven organisatie? Bij het richten gaat het dus om de vragen waarom we dit willen, wat het moet opleveren en voor wie.

Als er een gezamenlijke visie of ambitie is geformuleerd, gaat het vervolgens om de vraag wat er voor nodig is om de ambitie te realiseren: het inrichten en het creëren van de juiste randvoorwaarden. Hierbij gaat het om het inrichten van de juiste (technische) infrastructuur en werkprocessen, en het definiëren en beleggen van rollen, taken en verantwoordelijkheden voor het leren, verbeteren en beslissen op basis van data-inzichten. Ook de cultuurkant dient voldoende aandacht te krijgen: hoe gaan we met elkaar om, hoe zorgen we voor een veilig klimaat, waarin mensen vragen kunnen stellen en nieuwe dingen kunnen uitproberen, welk type leiderschap vereist dit, welke houding en gedrag vraagt dit van onze medewerkers?

Tot slot is het van belang om daadwerkelijk aan de slag te gaan met leren en verbeteren met behulp van data-inzichten. Hierbij wordt op twee niveaus geleerd: de data-inzichten of praktijkervaringen worden benut voor het aanbrengen van verbeteringen of het nemen van beslissingen (eerste-ordeleren). Daarnaast wordt er gereflecteerd op hoe dit in de organisatie werkt (met de bestaande structuren en organisatiecultuur) en wat tot leren en veranderen op systeemniveau leidt (tweede-ordeleren). Inrichten en verrichten gaan dus hand in hand (zie fig. 3).

Het ontwikkelen van lerende zorgorganisaties waarin data-inzichten worden benut voor leren, verbeteren en onderbouwd beslissen is een complexe veranderkundige opgave. Dit roept de vraag op of in deze tijden van schaarste juist daarop moet worden ingezet. Veel zorgorganisaties in de langdurige zorg hebben moeite om het hoofd boven water te houden, de roosters rond te krijgen en aan de zorgvraag van cliënten te voldoen. Daarbij vragen sceptici zich af of datagedreven werken niet ten koste zal gaan van persoonsgerichte zorg omdat bij het beslissen op basis van data-inzichten de menselijke maat uit het oog kan worden verloren [9]. Ook worden data in de zorg veelal in verband gebracht met grote registratielasten. Het ontwikkelen van lerende, datagedreven organisaties lijkt daarmee haaks te staan op de urgentie die men voelt om de zorg anders in te richten. Immers, de tijd en het geld die worden gestoken in het ontwikkelen en beschikbaar stellen van data-inzichten kunnen niet aan de zorg besteed worden. De voorbeelden van een succesvolle toepassing van data-inzichten laten ons echter zien dat het benutten van data de doelmatigheid en kwaliteit van zorg kan vergroten [3].

Toch zien we helaas ook nog vaak dat er weliswaar veel tijd en energie worden gestoken in het verzamelen van data, het verbeteren van de datakwaliteit en het beschikbaar stellen van data-inzichten, maar dat deze in de praktijk vervolgens nauwelijks worden gebruikt. Om tegenvallende opbrengsten te voorkomen en de vruchten te kunnen plukken van datagedreven werken is het nodig om data-inzichten te beschouwen als een vanzelfsprekende bron van informatie in zorg-, bedrijfsvoerings- en besluitvormingsprocessen. Dit vraagt om een visie op de betekenis van data voor de organisatie die ook aandacht besteedt aan de eventuele risico’s en ethische aspecten. Om vervolgens, in samenhang, de juiste randvoorwaarden in te richten en praktisch aan de slag te gaan met data-inzichten voor leren, verbeteren en beslissen. Op die manier is datagedreven werken een investering die zich uiteindelijk uitbetaalt in een grotere doelmatigheid en kwaliteit van zorg.