5. Data extractie en datamodel
5.1 Waarom data extractie?
Om het model van AI ondersteuned coderen te trainen en voorspellen over verschillende ziekenhuizen is het van belang dat de data in alle ziekenhuizen in een evenredig format worden aangeleverd.
Om deze reden wordt in dit hoofdstuk de data extractie en controles op data kwaliteit en volledigheid beschreven. Daarnaast wordt het datamodel uitgelicht waarin verwacht wordt dat de data wordt aangeleverd, zodat er geen problemen onstaan in het verwerken en trainen van data. Zo kan er uiteindelijk het beste resultaat uit het model gehaald worden.
5.1.1 Data-extractie voor toepassen dagopnamenmodel uit Chipsoft Hix
Met dank aan Tessa Kappers van het Maasstad ziekenhuis kunnen we een script delen waarmee in het Maasstad Ziekenhuis (dat gebruik maakt van Chipsoft Hix 6.1 Standaard content) de extractie van de data heeft plaatsgevonden. Dankzij Diakonessenhuis Utrecht en Ziekenhuis Rijnstate is dit script ook herschreven voor Chipsoft Hix 6.2 en 6.3. De scripts zijn beschikbaar in bijlage F bij dit draaiboek. Elk script draait op de productiedatabase van HiX. Als het ziekenhuis gebruik maakt van Chipsoft HiX, dan zou dit script de data-extractie een stuk moeten kunnen vergemakkelijken. Het is echter geen garantie dat het automatisch de juiste gegevens uit het ZIS extraheert, dus een zorgvuldige controle (in samenwerking met een medisch codeur en DHD) blijft nodig. Het script stelt de tabellen samen die hierboven worden beschreven.
5.1.2 Data-extractie voor toepassen dagopnamenmodel uit Epic
Epic biedt sinds kort een functionaliteit aan die ziekenhuizen in staat stelt om de brongegevens die nodig zijn voor het gebruik van het dagopnamenmodel uit het ZIS te exporteren. Neem a.u.b. contact op met Epic voor meer informatie.
5.2 Data-extractie en controles op datakwaliteit en -volledigheid
In dit hoofdstuk vindt u de omschrijving van de gegevens die nodig zijn voor het toepassen van het dagopnamenmodel. Voor een nog specifiekere omschrijving verwijzen wij u graag naar het datamodel van de dagopnamen, zie bijlage E in hoofdstuk 8 van deze installatiegids.
5.2.1 De data-extractie voor trainen van het dagopnamenmodel
Voor de training van het algoritme wordt gebruik gemaakt van de gegevens van 5 jaar aan dagopnamen. In samenspraak met de medisch codeurs van enkele deelnemende ziekenhuizen hebben we de volgende gegevens geselecteerd voor het trainen van het AI-model:
Gestructureerde gegevens
Behandelend specialisme
ICD-10 hoofddiagnose van de dagopname
De DBC-diagnosetypering die is vastgelegd bij het subtraject waarbinnen de dagopname is gedeclareerd
Leeftijd van de patiënt op het moment van opname
Opnamedatum
Opnametijd
Ontslagtijd
Geslacht van de patiënt
De zorgactiviteiten die tijdens de opname zijn uitgevoerd Ongestructureerde gegevens:
Ontslagbrieven
Polibrieven
Operatie (OK) verslagen
PA-verslagen
PCI/CAG verslagen
Scopie-verslagen
Het is de bedoeling dat alle trainingsziekenhuizen deze gegevens in gepseudonimiseerde vorm beschikbaar maken op hun trainingsserver.
Hoe pak ik de bronselectie aan?
Stap 1: De selectie van de dagopnamen
Allereerst is het van belang de juiste opnamen te selecteren. Hierbij kan worden uitgegaan van de geregistreerde zorgactiviteiten in de financiële administratie van het ziekenhuis. Selecteer alle patiëntnummers en subtraject-nummers waarvoor in de periode van 1-1-2015 tot en met 31-12-2021 zorgactiviteit 190090 (dagverpleging) is geregistreerd, de (Vektis) code voor het behandelend specialisme (bijvoorbeeld 0313 voor interne geneeskunde) en de datum waarop de dagverpleging heeft plaatsgevonden. De resulterende lijst met patiëntnummers, subtraject-nummers, specialismen en verrichtingsdatums geeft aan welke patiënten op welke datum in het ziekenhuis zijn geweest voor een dagopname. Het totale aantal dagopnamen op deze lijst kan worden vergeleken met het totale aantal dagopnamen in de LBZ, zodat kan worden nagegaan of de basis-selectie compleet is. Neem alsjeblieft contact op met het team AI-coderen bij DHD (ai-coderen@dhd.nl) als jullie hierover vragen hebben.
Stap 2: De selectie van de verdere benodigde gegevens uit de financiële administratie
In stap 1 is een lijst gemaakt van patiëntennummers, subtraject-nummers, verrichtingsdatums en uitvoerende specialismen. In stap 2 dient deze lijst te worden uitgebreid met de overige informatie die uit de financiële administratie kan worden gehaald: De ICD-10 code en de DBC diagnosetypering van het subtraject waarbinnen de dagopname is gedeclareerd, het geslacht van de patiënt, de leeftijd van de patiënt en de verrichtingen die tijdens de dagopnamen zijn uitgevoerd. Aan de hand van het nummer van het subtraject waarbinnen zorgactiviteit 190090 is vastgelegd kan het subtraject (de DBC / het zorgproduct) worden teruggevonden waarbinnen de dagopname is gedeclareerd bij de zorgverzekeraar. Bij elk gedeclareerd subtraject wordt het geslacht en de leeftijd van de patiënt en een ICD-10 en DBC-diagnosecode vastgelegd.
De ICD-10 code begint altijd met een letter, gevolgd door twee cijfers, en meestal eindigend op een punt en nog een cijfer (bijvoorbeeld H25.9). De ICD-10 code, de leeftijd en het geslacht van de patiënt dienen toegevoegd te worden aan de data export. De resulterende tabel (de opnametabel) bevat dan de volgende informatie:
Patiëntnummer
Subtraject-nummer
Verrichtingdatum (van verrichting 190090, dit is dus de opnamedatum)
Behandelend specialisme
ICD-10 code van het subtraject
De DBC-diagnosetypering van het subtraject
Geslacht van de patiënt
Leeftijd van de patiënt
Vervolgens dienen alle verrichtingen (zorgactiviteiten) te worden geselecteerd die tijdens de dagopname bij de patiënt zijn uitgevoerd. Om dit te bereiken dienen alle zorgactiviteitcodes te worden geselecteerd die op de opnamedatum bij de patiënt zijn uitgevoerd. Omdat dit er meerdere zijn per dagopname dienen deze in een aparte tabel te worden opgeslagen. Deze tabel (de verrichtingen tabel) bevat een regel per combinatie van patiëntennummer, opnamedatum en zorgactiviteitcode.
Stap 3: Verdere aanvulling van de opnametabel
De opnametabel is nu bijna compleet. We missen nu alleen nog de ICD-10 hoofddiagnosecode van de dagopnamen en de opname- en ontslagtijd. De hoofddiagnosen worden handmatig door de medisch codeurs vastgelegd. Het is voor dit project van zeer groot belang dat de juiste hoofddiagnosen (dat wil zeggen: de hoofddiagnosen die door de medisch codeur worden vastgelegd) in de data extractie worden meegenomen. Aan de hand van deze diagnosen willen we per slot van rekening het algoritme gaan trainen. De hoofddiagnosen kunnen aan de hand van het patiëntnummer en de opnamedatum worden gekoppeld aan de dagopnamen in de selectie die we in stap 1 hebben gemaakt.
Het uiteindelijke resultaat van stap 1 tot en met stap 3 bestaan uit twee tabellen: De opnametabel bevat 1 regel per dagopname. Hieronder staat een overzicht van de kolommen:
Patiëntennummer
Opnamenummer
Subtraject-nummer
Verrichtingdatum (van zorgactiviteit 190090, dit is dus de opnamedatum)
Opnametijd
Leeftijd van de patiënt
Geslacht van de patiënt
Behandelend specialisme (bij voorkeur de vektis code)
De DBC-diagnosetypering van het subtraject
ICD-10 code van het subtraject
ICD-10 hoofddiagnose van de dagopname
De verrichtingentabel bevat 1 regel per zorgactiviteit, per dagopname. Hieronder staat een overzicht van de kolommen:
Patiëntennummer
Opnamenummer
Verrichtingdatum (van zorgactiviteit 190090, dit is dus de opnamedatum)
Zorgactiviteitcode
Stap 4: De ongestructureerde gegevens
Medisch codeurs gebruiken in hun werk over het algemeen informatie die als vrije tekst wordt vastgelegd. Op basis van overleg met medisch codeurs uit enkele van de deelnemende ziekenhuizen en enkele steekproefsgewijze controles van de gebruikte broninformatie door de medisch codeurs, hebben we de belangrijkste “vrije tekst” bronnen geïdentificeerd. Dit zijn: (1) De ontslagbrieven; (2) de polibrieven; (3) de operatieverslagen; (4) en de PA-verslagen. Om voldoende informatie te hebben om het algoritme te trainen hebben we voor elke dagopname de beschikbare ontslagbrieven, polibrieven, operatie- en PA verslagen nodig. Naar aanleiding van de bevindingen in fase 2 van het project zijn daaraan toegevoegd 5) de scopie-verslagen voor het specialisme MDL en 6) de PCI en CAG verslagen voor het specialisme Cardiologie. Deze gegevens dienen te worden aangevuld met de informatie die nodig is om de brieven en verslagen te kunnen koppelen aan de opnamen: het patiëntennummer en de publicatiedatum van het document en het specialisme dat het document heeft gepubliceerd (of het onderzoek heeft aangevraagd, in het geval van de PA verslagen). We vragen de ziekenhuizen alle documenten in hun data extractie op te nemen die voldoen aan de volgende voorwaarden:
Het documenttype is ontslagbrief, polibrief, PA-verslag, OK-verslag, scopie-verslag, PCI-verslag of CAG-verslag.
Het document hoort bij een patiënt die voorkomt in de tabel met dagopnamen die is Stap 1 is samengesteld.
De publicatiedatum van het document ligt in de periode van 1 jaar voor de eerste opname van de patiënt in de dataset tot 8 weken na de laatste opname van de patiënt in de dataset.
De tabel met resultaten bevat één regel per document en de volgende kolommen:
Patiëntnummer
Opnamenummer
Type document (bv. “ontslagbrief” of “OK-verslag”)
Het specialisme dat het document heeft gepubliceerd (bij voorkeur de vektis code), of, in het geval het document een PA-verslag is, dan het specialisme dat het PA-onderzoek heeft aangevraagd.
Publicatiedatum van de brief of het verslag
Tekst van de brief of het verslag.
Uiteindelijk is het dus de bedoeling dat de data-extractie 3 tabellen oplevert: Een tabel met gegevens op het niveau van de individuele opname (met 1 regel per opname), een tabel met zorgactiviteiten (met 1 regel per zorgactiviteit) en een tabel met documenten (met 1 regel per document).
5.2.2 Data-extractie voor toepassen dagopnamenmodel uit Chipsoft Hix
Met dank aan Tessa Kappers van het Maasstad ziekenhuis kunnen we een script delen waarmee in het Maasstad Ziekenhuis (dat gebruik maakt van Chipsoft Hix 6.1 Standaard content) de extractie van de data heeft plaatsgevonden. Dankzij Diakonessenhuis Utrecht en Ziekenhuis Rijnstate is dit script ook herschreven voor Chipsoft Hix 6.2 en 6.3. De scripts zijn beschikbaar in bijlage F bij dit draaiboek. Elk script draait op de productiedatabase van HiX. Als het ziekenhuis gebruik maakt van Chipsoft HiX, dan zou dit script de data-extractie een stuk moeten kunnen vergemakkelijken. Het is echter geen garantie dat het automatisch de juiste gegevens uit het ZIS extraheert, dus een zorgvuldige controle (in samenwerking met een medisch codeur en DHD) blijft nodig. Het script stelt de tabellen samen die hierboven worden beschreven.
5.2.3 Data-extractie voor toepassen dagopnamenmodel uit Epic
Epic biedt sinds kort een functionaliteit aan die ziekenhuizen in staat stelt om de brongegevens die nodig zijn voor het gebruik van het dagopnamenmodel uit het ZIS te exporteren. Neem a.u.b. contact op met Epic voor meer informatie.
5.3 Controles op datakwaliteit en -volledigheid
Voor het slagen van het project is het van groot belang dat de data-extractie van de ongestructureerde brongegevens juist en volledig is. Met andere woorden, het is belangrijk dat we zeker weten dat 1) alle relevante dagopnamen en verrichtingen op de juiste manier in de data-extractie zijn opgenomen, 2) dat de ontslagbrieven, polibrieven, operatieverslagen en PA-verslagen in de data-extractie zijn gekoppeld aan de juiste patiënten en 3) dat er geen ontslagbrieven (etc.) ten onrechte niet in de data-extractie zijn opgenomen.
5.3.1 Controle van de gestructureerde gegevens in de data-extractie
De informatie in de tabellen met gestructureerde brongegevens (de opname- en verrichting tabellen) is ook aanwezig in de LBZ. Het is daardoor mogelijk om deze tabellen te controleren door ze te vergelijken met de gegevens in de LBZ. Neem contact op met het team AI-coderen bij DHD (ai-coderen@dhd.nl) als jullie behoefte hebben aan een vergelijking met de LBZ bij de controle van de opnamen en verrichtingen tabellen.
5.3.2 Controle van de ongestructureerde gegevens in de data-extractie
Aangezien de LBZ geen ongestructureerde gegevens bevat is het niet mogelijk om de extractie van de ontslag- en polibrieven en operatie- en PA-verslagen te controleren door middel van een vergelijking met de LBZ. Gelukkig hebben ziekenhuizen experts in dienst, die de analisten en IT’ers die de extractie hebben gedaan kunnen helpen bij de controle van hun werk: De medisch codeurs. Wij raden jullie sterk aan van hun expertise gebruik te maken bij deze controles. Medisch codeurs hebben binnen hun codeermodule toegang tot alle ongestructureerde gegevensbronnen die we binnen dit project gebruiken. Een controle van een steekproef van ongeveer 50 opnamen zou voldoende moeten zijn. Hierbij wordt gecontroleerd of alle brieven en verslagen die binnen de selectie zouden moeten vallen ook daadwerkelijk in de data-extractie zijn opgenomen.
5.4 De data-pseudonimisatie
De data-extractiescripts van het Maasstad ziekenhuis, Diakonessenhuis Utrecht en Ziekenhuis Rijnstate voorzien ook in de pseudonimisatie van de brongegevens en zou in de ziekenhuizen die gebruik maken van Chipsoft HiX zonder veel wijzigingen moeten werken. Ook is er een pseudonimisatiescript beschikbaar voor EPIC ziekenhuizen, gemaakt door het ETZ. Voor ziekenhuizen met een andere EPD leverancier kan het script dienen als voorbeeld bij het schrijven van het eigen pseudonimisatiescript. In de overeenkomst is vastgelegd dat training- als inferentieziekenhuizen hun data moeten pseudonimiseren voordat deze op de train- of inferentieserver wordt geplaatst. Concreet betekent dit dat de volgende gegevens gepseudonimiseerd worden:
BSN
Naam patiënt
Adres
Dit is noodzakelijk om te voorkomen dat:
Het model traint op persoonlijke gegevens;
De DHD data scientisten toegang hebben tot persoonlijke gegevens tijdens het toepassen van het model (inferentie)
5.5 Inlezen, verwerken en aanleveren in Epic en Chipsoft HiX (6.3)
Om het gebruik van het codeermodel optimaal te faciliteren, hebben we implementatieafspraken gemaakt met de twee grootste ZIS-leveranciers. Epic en ChipSoft (vanaf Hix 6.3) hebben het mogelijk gemaakt de output van het model in te lezen en automatisch de ICD-10-codes over te nemen die met een hoge mate van zekerheid gecodeerd konden worden. Voor de opnamen die het model niet eenduidig kan coderen, genereert het model codeersuggesties. Deze ontwikkelingen besparen de codeur veel tijd. Bovengenoemde functionaliteit is een standaard onderdeel van Epic. Bij Chipsoft wordt dit aangeboden als een aparte dienst. Geïnteresseerde ziekenhuizen kunnen contact opnemen met de accountmanager Chipsoft om een offerte op te vragen.
Naast ziekenhuizen die ChipSoft en EPIC als EPD leverancier hebben zijn er ook Nexus ziekenhuizen aangesloten bij AI ondersteund coderen.
5.6 Opnametabel
Bestandsnaam: opnames.csv
Veldnaam |
Definitie van variabele |
Format |
Lengte |
Classificatie |
Verplicht |
Missing |
Onbekend |
Range |
Controles |
|---|---|---|---|---|---|---|---|---|---|
patient_id |
Binnen de instelling waar de zorg is verleend gepseudonymiseerde/versleutelde unieke identificatie van de patiënt |
Alfanum |
32 |
Ja |
nvt |
nvt |
|||
admission_id |
Binnen de instellingen waar de zorg is verleend gegenereerd opnamenummer |
Alfanum |
32 |
Ja |
nvt |
nvt |
|||
subtraject_id |
Per instelling en organisatie onderdeel unieke identificatie van het subtraject |
Alfanum |
15 |
Ja |
nvt |
nvt |
|||
admission_date |
Datum van start opname |
JJJJ-MM-DD |
10 |
Ja |
nvt |
nvt |
|||
discharge_date |
Datum van ontslag opname |
JJJJ-MM-DD |
10 |
Ja |
nvt |
nvt |
|||
admission_time |
Tijd van start opname |
HH:MM |
5 |
Opt |
nvt |
[00-23]:[00-59] |
Moet voldoen aan range |
||
discharge_time |
Tijd van ontslag |
HH:MM |
5 |
Opt |
nvt |
[00-23]:[00-59] |
Moet voldoen aan range |
||
age |
Leeftijd in jaren van de patiënt op het moment van opname |
Numeriek |
3 |
Ja |
nvt |
nvt |
|||
gender |
Geslacht van de patiënt |
Numeriek |
1 |
COD046- VEKT (zie: https://www.vektis.nl/standaardisatie/codelijsten/COD046-NEN) |
Ja |
nvt |
nvt |
0 = onbekend; 1 = mannelijk; 2 = vrouwelijk; 3 = overig |
Moet voldoen aan codelijst |
specialty_code |
DBC typerende specialismecode |
Alfanum |
4 |
Elektronische Typeringslijst (zie: https://puc.overheid.nl/nza/doc/PUC_639938_22/1/) |
Ja |
nvt |
nvt |
||
dbc_diagnosis_code |
DBC typerende diagnose |
Alfanum |
10 |
Elektronische Typeringslijst (zie: https://puc.overheid.nl/nza/doc/PUC_639938_22/1/) |
Ja |
nvt |
nvt |
Combinatie met behandeld specialisme (specialty_code) moet voorkomen in elektronische typeringslijst. |
|
icd10_subtraject_code |
ICD-10 diagnose code van het subtraject |
Alfanum |
7 |
ICD-10 NL (Zie: https://terminologie.nictiz.nl/art-decor/claml?collection=icd10-nl-data) |
Ja |
nvt |
nvt |
Moet voldoen aan codelijst |
|
icd10_main_code |
Hoofd icd10-diagnose van de dagopnamen |
Alfanum |
10 |
ICD-10, versie 2014 |
Nee* |
nvt |
nvt |
*Bij trainingsdata is het wel verplicht |
5.7 Verrichtingentabel
Bestandsnaam: verrichtingen.csv
Veldnaam |
Definitie van variabele |
Format |
Lengte |
Classificatie |
Verplicht |
Missing |
Onbekend |
Range |
Controles |
|---|---|---|---|---|---|---|---|---|---|
patient_id |
Binnen de instelling waar de zorg is verleend gepseudonymiseerde/versleutelde unieke identificatie van de patiënt |
Alfanum |
32 |
Ja |
nvt |
nvt |
|||
admission_id |
Binnen de instellingen waar de zorg is verleend gegenereerd opnamenummer |
Alfanum |
32 |
Ja |
nvt |
nvt |
|||
procedure_date |
Datum waarop de verrichting is gestart c.q. de datum waarop de patiënt de OK ruimte is binnengekomen |
JJJJ-MM-DD |
10 |
Ja |
nvt |
nvt |
|||
za_code |
Zorgactiviteit code van de uitgevoerde verrichting |
Alfanum |
10 |
Ja |
nvt |
nvt |
Moet voldoen aan codelijst |
5.8 Documenten (brieven en verslagen)
Bestandsnaam: “document_type”.csv of documenten.csv / brieven.csv / verslagen.csv
Veldnaam |
Definitie van variabele |
Format |
Lengte |
Classificatie |
Verplicht |
Missing |
Onbekend |
Range |
Controles |
|---|---|---|---|---|---|---|---|---|---|
patient_id |
Binnen de instelling waar de zorg is verleend gepseudonymiseerde/versleutelde unieke identificatie van de patiënt |
Alfanum |
32 |
Ja |
nvt |
nvt |
|||
admission_id |
Binnen de instellingen waar de zorg is verleend gegenereerd opnamenummer indien beschikbaar |
Alfanum |
32 |
Opt |
nvt |
||||
document_type |
Het type document, bijv. ontslagbrief of OK-verslag |
Alfanum |
32 |
Ja |
nvt |
nvt |
“ontslag”, “ok”, “poli”, “pa”, “scopie” |
Moet voldoen aan range |
|
publication_specialty |
Het specialisme dat het document heeft gepubliceerd, of het specialisme wat PA-onderzoek heeft aangevraagd |
Numeriek |
6 |
COD016- VEKT (zie: https://www.vektis.nl/standaardisatie/codelijsten/COD016-VEKT) |
Ja |
nvt |
nvt |
Moet voldoen aan codelijst |
|
publication_date |
De publicatiedatum van de brief of het verslag |
JJJJ-MM-DD |
10 |
Ja |
nvt |
nvt |
|||
text |
De tekst van de brief / verslag |
Alfanum |
50000 |
Ja |
nvt |
nvt |