Moeiteloos beheer van de probleemlijst

Binnen het elektronisch patiëntendossier (EPD) speelt de probleemlijst een centrale rol. Sinds de introductie van het probleemgeoriënteerde medisch dossier (POMR) door dr. Lawrence Weed in de jaren zestig [1] is het concept helder: een gestructureerd overzicht van actieve en inactieve problemen, klachten en diagnoses vormt de ruggengraat van kwalitatief hoogwaardige klinische documentatie.

In de praktijk zijn probleemlijsten echter vaak onvolledig, ongestructureerd of bevatten ze dubbele en verouderde informatie [2]. Diagnoses worden niet consistent vastgelegd of onderhouden, waardoor zorgprofessionals sterker leunen op vrije tekst en correspondentie. Dit leidt tot extra zoekwerk en verhoogt het risico op interpretatie- of medicatiefouten [3]. Medicatiefouten zijn een wereldwijd probleem, waarbij onvolledige of onnauwkeurige systeemdocumentatie een belangrijke rol speelt [4]. Een onderzoek uit 2025 van de Federatie Medisch Specialisten (FMS) toonde aan dat 95% van de medisch specialisten belemmeringen ervaart door onvoldoende beschikbare patiëntinformatie [5]. Zo kan medicatie opnieuw worden voorgeschreven die eerder was gestaakt vanwege bijwerkingen, of kunnen operatierisico’s verkeerd worden ingeschat. Om de zorg toegankelijk, betaalbaar en van hoge kwaliteit te houden, is verbeterde digitale ondersteuning essentieel.

Een gecodeerde en gestructureerde probleemlijst ondersteunt het klinisch redeneren door relevante, actuele problemen expliciet te presenteren en te ordenen. Dit:

• Versnelt inzicht in de belangrijkste gezondheidsproblemen
• Verbetert de coördinatie tussen betrokken zorgprofessionals
• Verkleint de kans op het missen van kritieke informatie, met name tijdens overdrachten of acute zorg
• Leidt tot betere en snellere klinische besluitvorming. Onderzoek toont aan dat de kans dat een individuele medisch specialist de juiste medische beslissing neemt, stijgt van 60% met een ongestructureerde lijst naar 81% met een correct gestructureerde probleemlijst [7]
• Levert input voor secundair gebruik, zoals klinische beslissingsondersteuning (bijv. waarschuwingen voor medicatie-interacties [8]), aanlevering aan kwaliteitsregistraties, cohortselectie voor onderzoek en gegevensuitwisseling met andere zorginstellingen

Tegelijkertijd vraagt het handmatig bijwerken van een probleemlijst tijd en moeite, en zoals de huidige datakwaliteit van probleemlijsten laat zien, wordt dit in de dagelijkse praktijk zelden als haalbaar ervaren. De vraag is dan ook niet of de probleemlijst nodig is, maar hoe we die in de praktijk accuraat en volledig kunnen houden — zonder de administratieve lasten te verhogen.

Waarom nu actie nodig is: wetgeving

Deze urgentie wordt versterkt door nationale en Europese ontwikkelingen. Met de aankomende European Health Data Space (EHDS) [9] en de bestaande Nederlandse Wet elektronische gegevensuitwisseling in de zorg (Wegiz) [10] is elektronische en gestandaardiseerde gegevensuitwisseling verplicht geworden. Beide werken met geprioriteerde datasets die als eerste interoperabel moeten worden gemaakt [11]. In Nederland vormt de Basisgegevensset Zorg (BgZ) hiervoor de basis. Actuele problemen en diagnoses spelen een centrale rol binnen de BgZ. Cruciaal is dat problemen ook gecodeerd moeten worden met een gestandaardiseerde terminologie. In Nederland en België is SNOMED CT de aangewezen standaard [12]. In België wordt verwacht dat SNOMED CT in 2027 de primaire bronterminologie voor registratie wordt [13].

Om aan de eisen te voldoen, de administratieve lasten te verminderen, klinische beslissingsondersteuning en datagedreven zorg mogelijk te maken, moeten probleemlijsten volledig, actueel en gestandaardiseerd zijn — zonder de administratieve werklast voor zorgprofessionals te verhogen. Juist hier bieden Natural Language Processing (NLP) en Large Language Models (LLM’s) de mogelijkheid om vrije-tekst-EPD-documentatie automatisch om te zetten in gestructureerde en gecodeerde probleemlijstgegevens.

De Slimme Probleemlijst-agent

Coforix heeft de Slimme Probleemlijst-agent ontwikkeld om deze uitdaging aan te pakken.

De agent analyseert automatisch klinische documentatie en vergelijkt deze met de bestaande probleemlijst in het EPD. Alle klinisch valide problemen worden automatisch, met hoge nauwkeurigheid en volledigheid, gekoppeld aan een SNOMED CT-concept of aan een referentieset (zoals de Nederlandse Diagnosethesaurus of Vlaamse referentiesets).

Tot slot, met de Slimme Probleemlijst-agent

• Lagere administratieve lasten
• Minder zoektijd in de probleemlijst dankzij een gebruiksvriendelijke interface — en daarmee meer werkplezier
• Hogere datakwaliteit
• Verbeterde klinische beslissingsondersteuning
• Minder medicatiefouten
• Compliance met wetgeving — en daarmee lagere kosten

Neem contact met ons op voor een demo.

Referenties

[1] Weed, Lawrence L. “Medical Records that Guide and Teach.” New England Journal of Medicine 278, nr. 11 (1968): 593–600. [2] https://pmc.ncbi.nlm.nih.gov/articles/PMC7481031/ [3] https://pubmed.ncbi.nlm.nih.gov/32521555/ [6] https://www.tweedekamer.nl/kamerstukken/brieven_regering/detail?id=2025Z06680&did=2025D15385 [7] https://pubmed.ncbi.nlm.nih.gov/37890203/ [8] https://www.rivm.nl/ict-in-zorg/onderzoek-voordelen-digitalisering-in-zorg [9] https://www.datavoorgezondheid.nl/european-health-data-space-ehds/veelgestelde-vragen [10] https://www.zorginstituutnederland.nl/wat-wij-doen/werkwijzen-en-procedures/bevorderen-kwaliteit-en-inzichtelijkheid-van-de-zorg/wegiz [12] https://www.rijksoverheid.nl/documenten/publicaties/2024/03/01/snomed-in-gebruik-bij-zorgaanbieders-advies-maart-2024