De doelstelling van de ketenaanpak valpreventie is om valrisico bij ouderen op te sporen (valrisicotest en valanalyse) en valletsel te verminderen (door voorlichting en valpreventieve interventies). Het doel van dit project is om een model te maken dat voorspelt welke groepen een laag-matig-hoog valrisico hebben. Als eerste stap brengen we de binnen de VVT, HAP en ZKH bekende kenmerken van de groep gevallen thuiswonende 65+’ers in kaart. Het project ondersteunt de beweging naar meer preventie binnen de ouderenzorg.
Door inzicht in kenmerken van laag, matig en hoog-risicogroepen voor vallen kan gericht geworven worden voor voorlichting en/of interventies. Daarnaast kan er gericht beleid worden gemaakt. We starten met kenmerken vanuit de de VVT, zkh, HASP, met als doel het model steeds verder uit te breiden naar de gehele populatie thuiswonende 65-plussers. Dit laatste is belangrijk in het kader van de verschuiving van zorg naar preventie.
Onderzoeksvragen
1. Wat zijn verschillen tussen cliënten (65-plussers en 65-plussers met personenalarmering) die
– niet zijn gevallen
– wel zijn gevallen en niet medisch zijn behandeld bij de HAP en niet hebben deelgenomen aan een valpreventiecursus van Slingeland
– wel zijn gevallen en wel medisch zijn behandeld bij HAP of wel hebben deelgenomen aan een valpreventiecursus van Slingeland
– ten aanzien van geslacht, leeftijd, woonplaats, en geregistreerde risicofactoren voor vallen?
2. Predictiemodel ontwikkelen toepasbaar op ongeziene data in de VVT
a. De uitkomst is “vallen” of “niet-vallen”
b. Predictor data alleen uit VVT organisaties
3. Predictiemodel ontwikkelen toepasbaar op ongeziene data in de VVT
a. De uitkomst is “vallen”, “niet-vallen” of “vallen-met-letsel”
b. Predictor data alleen VVT organisaties
c. Uitkomst data (“vallen met letsel”) aanvullen met ziekenhuisdata (binnen 24u contact met zkh
4. Hypothetisch gezien, als we het predictiemodel loslaten op alle klanten bij de VVT organisaties, hoeveel vallende klanten krijgen we dan?
Afbeelding 1: Doelenboom ketenaanpak valpreventie
Gebruikte data
- Data afkomstig van HZOIJ, Marga Klompé, Sensire, Slingeland Ziekenhuis, Altidé en de GGD.
- Matching op basis van geboortedatum, achternaa, geslacht en wijkniveau
- Demografische kenmerken: leeftijd per 1-1-2023 en geslacht.
- Medische situatie van patiënten omvat o.a. diagnose, medicatiegebruik, zorgstatus en OMAHA-gegevens, ervaren gezondheid, psychische gezondheid, ADL, mobiliteit, visus, gehoor en ziektes.
- Informatie over contactmomenten: datum valincident, categorie incident en alarmeringen m.b.t. valincidenten
- Leefstijlgegevens richten zich op aanwezige risicofactoren.
Betrokken organisaties
- HZOIJ (Huisartsen Zorg Oost IJssel)
- Slingeland Ziekenhuis
- Sensire
- Marga Klompé
- Slingeland Ziekenhuis (Spoedeisende Hulp)
- Altide
- GGD
Methode en techniek
Type onderzoek is: Voorspellend (wat gaat er gebeuren) – Identificeren van personen met hoog valrisico die moeten worden doorverwezen voor een valanalyse.
Belangrijkste inzichten
Contactpersoon: Astrid | astridvanhaastert@room-to.nl
Datasamenwerking/Organisatie(s): GERDA (Gezondheidsdata Regio Achterhoek)
Titel: Opsporen valrisico en verminderen valletsel bij ouderen