Skip to the main content

Rijkdom zorgdata optimaal benut met Eenheid van Taal

Blog
Date
december 3, 2020

Semantiek is belangrijk voor Eenheid van Taal: verschillende interpretaties van hetzelfde concept zijn weliswaar machine readable, maar vaak ook ambigu en daarom niet (her)bruikbaar.  Bijvoorbeeld, een myocardinfarct wordt weleens afgekort tot MI, wat ook wel mitralisinsufficiëntie zou kunnen betekenen. Eenheid van Taal én eenheid van techniek, beginnen daarom al bij de bron: Wat leg je vast? En hoe? Op deze manier kunnen verschillende medische disciplines één concept eenduidig interpreteren en hergebruiken.

Dat is alleen nog niet zo gemakkelijk. Terminologiestelsels, waaronder SNOMED en LOINC, dragen bij aan Eenheid van Taal door het systematisch vastleggen van hetzelfde conceptidee te faciliteren. Maar de praktijk is anders: er wordt niet overal systematisch data vastgelegd, op dezelfde manier of met dezelfde intentie.

Wat kan er misgaan als dat  niet gebeurt?

Eenheid van Taal is essentieel voor herbruikbare data. Dus hoe doe je dat, als er bijvoorbeeld een concept vastgelegd moet worden waarbij de context belangrijk is? Vanuit mijn rol als medisch terminoloog bij Nictiz, probeer ik die context en het gerelateerde zorgproces duidelijk te krijgen door navraag te doen bij de betreffende zorgverlener en door literatuuronderzoek te doen. De zorgverlener wil bepaalde informatie vastleggen, maar wat is zijn bedoeling? En welke terminologiestandaard moet worden gebruikt? Dekt het label van dat concept wel volledig de context en het achterliggende idee? Één klein foutje in deze fase van het proces, leidt mogelijk al tot misclassificatie van het concept. Of de kans bestaat dat gegevens onder- of over gerepresenteerd worden ten opzichte van wat werd bedoeld. Bijvoorbeeld: als je het concept interstitiële rejectie vastlegt maar eigenlijk doelt op vasculaire rejectie (dat is in SNOMED het kindconcept van het eerdergenoemde concept), dan krijg je meer hits door een selectiefout in de hiërarchie. Een fout kan ook ontstaan als je bijvoorbeeld het synoniem “cellulair” zou toevoegen aan het concept ‘’interstitiële rejectie’’. Dat synoniem past daar niet omdat “cellulair” doelt op het onderliggende mechanisme. Het gevolg is dus dat gegevens niet goed worden vastgelegd en onvoldoende bruikbaar zijn voor het bijhouden van statistieken en het uiteindelijk verbeteren van de zorg.

Het belang van specifieke concepten

Een term als Bijkomende bevinding is bijvoorbeeld veel minder specifiek in vergelijking met Pleura-effusie door congestief hartfalen (aandoening). Het is echter belangrijk om het concept zo precies mogelijk te definiëren en rekening te houden met semantische interoperabiliteit. Het concept moet immers geschikt zijn om in een multidisciplinaire setting te worden vastgelegd. SNOMED biedt daarvoor nog extra mogelijkheden, daarin kun je zelfs synoniemen opnemen en relaties leggen met een anatomische locatie, een ziekteverwekker of een context in het verleden. Bij data-extractie uit het EPD lijkt me dat een handige tool, want zo kun je je potentiële patiëntpopulatie sneller selecteren. Dat bespaart veel tijd ten opzichte van wanneer je alle digitale of hard-copy medische dossiers zelf moet napluizen op inclusiecriteria. Of als je patiënten wilt identificeren met bijwerkingen.

De zorgsector legt een rijkdom aan data vast die gebruikt kan worden voor legio doeleinden. Niet alleen het primair het vastleggen van de medische voorgeschiedenis en behandelplannen is dus van belang, maar ook het goed vastleggen van data op de juiste plek. Alleen dan is data herbruikbaar voor wetenschap, monitoring van trends, bijhouden van voorraad van medische hulpmiddelen of automatische alerts. Kortom: het verbeteren van zorg. Daar leveren we bij Nictiz graag een bijdrage aan.

Meer weten over SNOMED CT?

Ga naar onze overzichtspagina van ons SNOMED programma, of bekijk het overzicht van webinars over SNOMED.

Go to top

Volg ons