Training

Aan de slag met trefwoordextractie uit meldingen

  • 9 september 2019
  • 10 reacties
  • 251 Bekeken

Reputatie 6
Badge +1
Trefwoordextractie kan je helpen om diepgaander inzicht te krijgen in meldingen, om eerder trends te spotten, en om gerichter te kunnen zoeken naar meldingen.

In dit document leggen we uit wat je moet doen om binnen jouw organisatie aan de slag te gaan met trefwoordextractie binnen Melden & Analyseren, en laten we zien hoe je het kunt toepassen in de praktijk.

10 reacties

Reputatie 6
Badge +1
Voor het werken met trefwoorden moet je toestemming geven voor het versturen van gegevens naar de trefwoord-extractie service in de cloud. Welke gegevens worden naar de cloud verzonden en heb je hier invloed op? (on premise versie)

Kun je bijvoorbeeld velden met namen van patiënten / medewerkers en patiëntnummers excluderen?

Dit maakt het misschien voor de privacy officer en security officer makkelijker om net zo enthousiast te worden over deze mogelijkheden als wij initieel zijn 😀
Reputatie 6
Badge +1
@Silvia van Gils ja, die beer op de weg hadden wij wel verwacht ;-)
Vanuit de training wordt daarom gelinkt naar een document wat er wat meer info over geeft, maar ik zal de vraag hier ook beantwoorden.
Wat er naar de trefwoord-extractie service wordt gestuurd is:
  • alle velden op het meldformulier van een melding, van de veldtypes Tekst en Tekst met opmaak.
  • Tekst die wordt ingevuld in het "anders, namelijk" tekstveld bij lijstvelden waarbij de "anders, namelijk" optie wordt aangeboden
Dat betekent bijvoorbeeld dat als je een apart veld (van type Numeriek) hebt voor het patiëntnummer, dat níet mee wordt verstuurd. Tekstvelden dus wel, en in iProva versie 5.12.0 hebben we verder geen instelmogelijkheden om daarbij zelf nog bepaalde velden te kunnen uitsluiten.

De essentie van het probleem zit hem doorgaans in de beschrijving van het het (bijna-) incident in eigen woorden. In de meeste zorginstellingen is het geloof ik beleid dat daar in generieke termen wordt gesproken (de patiënt; de heer; mevr. ) - maar de praktijk is doorgaans dat er toch wel eens namen of rugnummers voorkomen in die tekst.
Dit lossen we niet op door vóór het versturen van de teksten naar de cloud service velden weg te filteren - want als je het hele 'beschrijving' veld weglaat, dan houdt je niet zinvols over om trefwoorden uit te halen.

We zijn overigens wel actief aan het onderzoeken of we het herkennen en wissen van persoonsnamen kunnen inbouwen ín de pijplijn voor trefwoordextractie.
Daarmee zouden we kunnen voorkomen dat er persoonsnamen terecht komen ín de trefwoorden. Dat gebeurt nu overigens al heel weinig - maar we maken die kans graag nog kleiner.
Voor het versturen naar de cloud maakt het echter geen verschil: pas als de gegevens in de cloud zijn, kunnen we er een scala aan slimme technieken op loslaten om die anonimisering uit te voeren.
Reputatie 6
Badge +1
Het document met toelichting over het versturen van data naar de cloud staat hier: https://webshare.iprova.nl/f7nqsntt1y883qk2/Document.aspx
Reputatie 6
Badge +1
Dank je wel voor je reactie @hleijen. Mooi dat jullie de beer al aan hadden zien komen :-)

Ik begrijp dat namen in de beschrijving lastig is en dat is ook wel een verantwoordelijkheid van de ons als instelling en onze invullers. Patiëntnummers en personeelsnummers zijn inderdaad numerieke velden. We halen op basis van het patiëntnummer wel met een HL7-koppeling naam, voorletter etc. van de patiënt op en dat worden wel tekstvelden.

Ik ga jouw informatie en het document met toelichting intern meenemen als we deze optie gaan bespreken.
Hopelijk krijgen we de beer in zijn hok, want het is een veelbelovende functionaliteit!
Reputatie 6
Badge +1
@Silvia van Gils : het uitsluiten van specifieke tekstvelden (zoals die waar jullie via de HL7 koppeling de patientnaam in opslaan) zou op zich wel bespreekbaar zijn. We hebben er voor gekozen om die optie in beginsel weg te laten om het qua beheer eenvoudig te houden en omdat je hoe dan ook tóch de discussie aan zou moeten over persoonsgegevens in het 'beschrijving' veld.

Ik ben benieuwd naar de uitkomst van het intern overleg!
Reputatie 2

@hleijen: Binnen Gelre ziekenhuizen hebben we inmiddels trefwoordextractie aangezet.

De dynamische diagrammen die je kunt maken (Veel voorkomende trefwoorden en Opvallende trefwoorden) zien er erg goed uit en bieden veel mogelijkheden voor extra analyse. Graag zouden we nog wat verbeteringen zien:

  1. Een zoekveld in de linker kolom van Veel voorkomende trefwoorden. Op die manier hoef je niet de vaak lange lijst af te lopen maar kun je snel gericht zoeken.
  2. De mogelijkheid om te kunnen filteren (bijvoorbeeld op organisatie-eenheid) binnen het publieke filter dat gebruikt wordt voor het diagram. Je kunt wel sorteren op de verschillende velden maar niet filteren. 
Reputatie 6
Badge +1

Goede suggesties @Erik Balduk. Er komen zeker nog de nodige verbeteringen aan in komende releases. Allereerst werken we aan de mogelijkheid om de trefwoorden die je ziet te optimaliseren (ongewenste trefwoorden onderdrukken, trefwoorden die het zelfde betekenen samenvoegen). 
Onder voorbehoud in iProva 5.13.

Daarna gaan we zeker verder met het verrijken van de functionaliteit. Input zoals deze is daarbij zeer welkom!

Reputatie 2

@hleijen Dat zou een goede uitbreiding zijn. Nu zie je dat er vaak wel 6 tot 8 verschillende trefwoorden worden gebruikt (inclusief foutief geschreven) voor hetzelfde begrip. Ik zie vol verwachting uit naar iProva 5.13 :-)

 

Reputatie 6
Badge +1

@Gijs Prins  misschien kan jij hier al een sneak preview geven van waar jouw team mee bezig is?

Reputatie 4

Ik had gehoopt inmiddels wat screenshots te kunnen delen, helaas zijn we nog niet zo ver.

 

Wat ik wel kan aangeven zijn de mogelijkheden die we in eerste instantie gaan bieden. Het zal mogelijk zijn om voor een trefwoord aan te geven of deze genegeerd of vervangen moet worden. Uiteraard kan bij het vervangen dan ook worden gekozen door welk ander (of nieuw) trefwoord het vervangen moet worden. 

Ook wordt het mogelijk om aan te geven waarom een bepaald trefwoord niet goed is. Redenen kunnen zijn dat het een typefout is, geen specifieke reden of persoonlijke data. We voorzien dat wanneer de reden een typefout is meestal voor vervanging wordt gekozen en bij persoonlijke data voor negeren. Door deze opties open te houden bieden we jullie meer vrijheid en kunnen we ook achteraf makkelijker staven dat deze aannames kloppen.

 

Zodra ik hier screenshots van kan laten zien zal ik ze uiteraard delen!

Reageer