KLANT: Grote Amerikaans zorgverzekeraar
UITDAGING: In realtime volledig inzichtelijk maken welke verzekeringnemers zich op een SEH bevinden of in een ziekenhuis zijn opgenomen
RESULTAAT: Een realtime dashboardapplicatie die in minder dan 30 dagen is gebouwd, aangevuld met machine learning-mogelijkheden, waardoor de kosten voor klinische beoordeling met 20% zijn gedaald
De Chief Medical Officer van een grote zorgverzekeraar aan de westkust van de VS wilde volledig inzicht hebben in wie er op een bepaald moment in het ziekenhuis lag. Gezien de reeds bestaande samenwerking met InterSystems en de uitwisseling van gezondheidsinformatie kon de Director of Corporate Data & Analytics zelfverzekerd antwoorden dat dat mogelijk was. Ook op de vraag van de CMO of dat binnen een half jaar zou kunnen, antwoordde hij bevestigend.
Het resultaat, dat in minder dan 30 dagen werd gerealiseerd, was de Bed Board-applicatie, een antwoord op een aantal veelvoorkomende uitdagingen onder zorgverzekeraars.
De zorgverzekeraar telt 2 miljoen verzekeringnemers in verschillende westelijke staten. Elke dag komen er faxen, e-mails en telefoongesprekken binnen van meerdere ziekenhuizen. Op basis daarvan wordt dagelijks geteld hoeveel verzekeringnemers zich op een SEH bevinden of in het ziekenhuis zijn opgenomen en waar deze zorg wordt verleend. Het doel is om deze informatie te gebruiken om:
- casussen voor medisch beheer en follow-up te beoordelen en prioriteren;
- voor een optimale zorgverlening te zorgen;
- de kosten van onnodige tests, behandelingen, ziekenhuisopnames of ongepaste zorg te vermijden.
De zorgverzekeraar heeft na een opname 24 uur de tijd om te bepalen of een behandeling medisch noodzakelijk of gepast is en eventueel in te grijpen. De oude manier – verschillende papieren documenten doornemen om alle data te overlopen – was traag en inefficiënt. Tegen de tijd dat actiegerichte informatie bij de juiste mensen terechtkwam, was het vaak al te laat om de geleverde zorg te beïnvloeden. Door de Bed Board-applicatie kwam hier verandering in.
Realtime dashboard met machine learning-inzichten
Bed Board is een dashboardapplicatie die is verrijkt met machine learning-inzichten. De applicatie geeft klinische en bedrijfsteams realtime inzicht in de status van verzekeringnemers in acute zorgomgevingen.
InterSystems HealthShare-software was de sleutel tot het succes van Bed Board, doordat de software de zorgverzekeraar in staat stelde om:
- data van meerdere externe datafeeds met elkaar te verbinden en automatisch te aggregeren;
- elke verzekeringnemer in de inkomende data te identificeren;
- de inkomende informatie uit het elektronische patiëntendossier te integreren met de declaratiedata van de zorgverzekeraar;
- alle data te normaliseren voor gebruik voor downstream analytics en rapportage;
- de machine learning-algoritmen van de verzekeraar en datavisualisatietools zoals Tableau te voorzien van schone data;
- ondersteunende data te presenteren wanneer een gebruiker doorklikt in de interactieve weergave van Bed Board.
Het aggregeren en normaliseren van alle data in realtime feeds is doorgaans de meest tijdrovende stap bij het creëren van dit soort oplossingen. Met HealthShare was dit in nog geen maand klaar.
Betere efficiëntie
Wanneer een verzekeringnemer zich nu aanmeldt bij een SEH-afdeling of wordt opgenomen in een ziekenhuis, wordt Bed Board binnen één minuut bijgewerkt. HealthShare identificeert de verzekeringnemer aan de hand van de inkomende data uit het elektronische patiëntendossier en bestaande declaratiegegevens, en plaatst informatie op het niveau van de verzekeringnemer in werkrijen ter ondersteuning van klinische controleactiviteiten. Bij elke nieuwe gebeurtenis – een arts die wordt toegewezen, een voorlopige diagnose die wordt gesteld of een patiënt die wordt opgenomen – werkt HealthShare Bed Board bij.
Doordat alle informatie op één plaats beschikbaar is en er via het dashboard meer informatie over een patiënt kan worden opgevraagd, kan de klinische afdeling van de zorgverzekeraar beoordelingen binnen 24 uur afronden.
Bed Board correleert ook opnamevolumes en -patronen in de geografische gebieden van de zorgverzekeraar met de demografische data, diagnoses en zorglocaties van de verzekeringnemers. De klinische afdeling gebruikt deze informatie om bredere trends in het gebruik in de gedekte regio's op te volgen.
20% hogere ROI
Dankzij de geaggregeerde, genormaliseerde en voortdurend geactualiseerde dataopslag in HealthShare kon de zorgverzekeraar de Bed Board-applicatie uitbreiden met machine learning. Bed Board verzamelt nu niet alleen data, maar past er ook intelligentie op toe om de werklast voor gebruikers te verminderen. De machine learning-laag geeft aan waar de beoordelingsteams hun aandacht op moeten richten voor een maximaal effect.
In sommige gevallen kunnen de machine learning-algoritmen de klinische beoordeling van een opname afronden zonder dat er een medewerker aan te pas komt. Bij zo'n 20% van de beoordelingen bestaat er geen twijfel over dat de verzekeringnemer moet worden opgenomen. Met Bed Board hoeft er in deze gevallen geen medewerker naar te kijken, waardoor tijd wordt bespaard en de administratieve kosten voor de klinische evaluatie in feite met 20% worden verminderd.
Grip op realtime data voor meer controle
De Bed Board-applicatie van de zorgverzekeraar laat zien wat het oplevert om machine learning te combineren met een longitudinaal, realtime zorgdossier. Inzicht in realtime data en de mogelijkheid om vragen te stellen over wat er gaande is, verandert alles. Zo kreeg de zorgverzekeraar inzicht in de dagelijkse workflow en kon al in een vroeg stadium worden gesignaleerd wanneer de situatie in een bepaalde instelling of regio uit de hand dreigde te lopen.