Achtergrond
Het thuismonitoren van een patiënt na een hartinfarct of myocardinfarct (MI) kan helpen om een toekomstige klinische verslechtering vroegtijdig op te sporen. Het LUMC biedt post-MI patiënten daarom een ‘Box’ aan met verschillende thuismeetapparaten, zoals een bloeddrukmeter, een weegschaal en een stappenteller. De Cardiologie verpleegkundig specialisten kijken wekelijks naar de patiëntdata die binnenkomen via deze apparaten. Op het moment dat zij een (mogelijk) schadelijke klinisch verslechtering detecteren nemen zij direct contact op met de patiënt. Het scannen van al deze patiëntdata is echter een tijdrovend en belastende taak voor de verpleegkundig specialisten, zeker met het oog op het groeiende aantal ‘Boxen’. En dat terwijl 99% van de binnenkomende data helemaal in orde is! Het gaat hier dus om een spelt in een hooiberg.   

Om de verpleegkundig specialisten te ondersteunen in het scannen van deze data heeft het LUMC een machine learning algoritme ontwikkeld. Dit algoritme is in staat om de hoog-risico patiënten eruit te pikken en een prioritering aan te brengen in de binnenkomende data. Zo kunnen de verpleegkundig specialist hun aandacht beter verdelen over patiënten die onmiddellijk gecontroleerd moeten worden en kunnen ze sneller en (veel) efficiënter door de patiënten data heenlopen. 

Voordat we dit algoritme loslaten op de klinische praktijk, is het belangrijk om het effect van deze implementatie op de zorg (en dan met name het werkproces van de verpleegkundig specialist) te meten. Dit doen we aan de hand van een vóór en nà meting op verschillende uitkomstmaten. Grote verschillen zullen een indicatie zijn dat we met dit soort technieken inderdaad het werk van de verpleegkundig specialisten efficiënter en makkelijker kunnen maken. 

Functieomschrijving
Wij zijn op zoek naar een student die ons wil helpen met het uitvoeren van de nà meting. Dit kan in onderzoek of stage verband. Je zal een aantal keer met de verpleegkundig specialisten de thuismonitoring data van de patiënten bekijken. In deze sessies leg je het werkproces vast (Waar kijkt de verpleegkundig specialist naar? Waarom? Waar wordt op geklikt? Etc.). Daarnaast meet je de tijd die de verpleegkundig specialisten spenderen per taak. Het doel van dit onderzoek is om inzicht te krijgen in hoe de verpleegkundig specialisten werken, waar ze hun tijd aan besteden, en hoe ons algoritme hen daarin kan ondersteunen. 

Wat we van je vragen:

• Flexibele inzetbaarheid (8-16 uur per week) op doordeweekse dagen vanaf september tot eind december (de precieze start en einddata kunnen worden overlegd).
• Je vindt het leuk om onderzoek te doen.
• Je hebt affiniteit met de zorg en digitale innovaties zoals kunstmatige intelligentie en machine learning en wil hier graag meer over leren.
• Je volgt een opleiding geneeskunde, technische geneeskunde of vergelijkbare studie aan de universiteit en zit in het laatste jaar van je bachelor of in je master. 

Wat we bieden:

• Unieke inkijk op de Cardiologie en IT-afdeling (en het wetenschappelijk onderzoek daaromtrent) van het LUMC. Kennismaking met de clinici en AI-experts binnen CAIRELab en hun kijk op de Cardiologie processen.
• Persoonlijke begeleiding, coaching en veel flexibiliteit. 
• Verdere betrokkenheid bij het onderzoek (mocht je hier interesse in hebben). 

Interesse?
Is je interesse gewekt? Neem dan contact op met Margot Rakers via m.m.rakers@lumc.nl