Over Certe medische diagnostiek en advies
Maar liefst zeventig procent van alle patiënten in Noord-Nederland krijgt op de een of andere manier te maken met Certe. Met een breed pakket aan diagnostische dienstverlening op het gebied van klinische chemie, medische microbiologie, moleculaire diagnostiek en functieonderzoeken is Certe een onmisbare schakel in de Noord-Nederlandse zorg. Certe is een stichting zonder winstoogmerk.
Eind juni 2024 heeft Certe het grootste LIS-project van Nederland gerealiseerd. Data Excellence, één van de partners, was verantwoordelijk voor de datamigratie van vier verschillende laboratoriuminformatiesystemen (LIS) naar één nieuw LIS (4 -> 1 LIS).
Ramses Kemperman, (klinisch chemicus) en Wes Heemskerk (informatiemanager)
Stel je even voor!
“Ik ben Ramses Kemperman, klinisch chemicus bij Certe. Ik werk vooral in ons Laboratorium in Groningen. Binnen Certe ben ik verantwoordelijk voor de huisartsendiagnostiek, pre-analyse en enkele andere aandachtsgebieden. Bij de datamigratie heb ik me vooral gericht op de patiëntkenmerken. Dit zijn de sturende data zoals bloedgroepgegevens, bepaalde historische labuitslagen en de transfusiehistorie binnen de klinische chemie. Mijn achtergrond ligt in de klinische chemie, waarbij ik me richt op het onderzoek van lichaamseigen stoffen, ondersteunend aan diagnostiek en behandeling door artsen.”
“En ik ben Wes Heemskerk, informatiemanager bij Certe. Samen met een team van vijf informatiemanagers heeft ieder zijn eigen aandachtsgebied. Mijn focus ligt op de order-to-cash keten. Oftewel alles wat nodig is om een order administratief en financieel goed af te handelen. Kwaliteit van Masterdata (waaronder patiëntgegevens) is daarvoor essentieel. Sinds 2020 werk ik bij Certe en ik draag bij aan het verbeteren van processen door een efficiënte informatievoorziening.”
Wat was de context van de datamigratie?
Ramses: “Certe is een fusieorganisatie van verschillende laboratoria, zoals LabNoord, Laboratorium voor Infectieziekten, KCL Leeuwarden en IZORE. Elk van deze organisaties bracht zijn eigen LIS mee. We werkten dus met vier verschillende systemen. Dit was niet erg efficiënt en ook niet toekomstbestendig. Het zorgde voor dubbel werk en maakte het ingewikkeld om data consistent en betrouwbaar te houden. Patiënten konden bijvoorbeeld op verschillende locaties behandeld worden, waardoor hun gegevens in aparte systemen terecht kwamen.”
Wes: “De vier systemen waren niet alleen inefficiënt, maar zorgden ook voor uitdagingen in onze processen. De registratie van patiënten, artsen en locaties verliep hierdoor minder soepel, wat de hele order-to-cash keten kon vertragen. Door naar één systeem te gaan, wilden we niet alleen processen verbeteren, maar ook de diagnostiek in de regio beter ondersteunen. Uiteindelijk willen we één systeem en één werkwijze, met geharmoniseerde data en uniforme processen. Het is niet alleen een technische keuze, maar vooral een strategische stap om diagnostiek efficiënter en toekomstbestendig te maken.”
Ramses: “Het migreren van vier systemen naar één centraal systeem, GLIMS10, was essentieel om dit mogelijk te maken. We moesten niet alleen data samenvoegen, maar ook zorgen dat we geen fouten maakten in cruciale gegevens, zoals bloedgroepinformatie. Dat zou immers grote medische risico’s met zich meebrengen.”
Wat waren belangrijke risico’s?
Ramses: “Eén van de grootste risico’s was de conversie van gevoelige gegevens, zoals bloedgroepen. Je wilt absoluut geen fouten maken in deze gegevens - een verkeerde bloedgroep kan ernstige medische gevolgen opleveren. We hebben daarom extra controles ingebouwd, zodat geen enkele bloedgroep definitief werd overgenomen zonder aanvullende verificatie in het laboratorium.”
Wes: “Dit risico op fouten in de medische data maakte het essentieel om onze aanpak goed te testen. We hebben daarom zeven proefmigraties uitgevoerd. Deze proefmigraties waren bedoeld om niet alleen technische fouten op te sporen, maar ook inhoudelijke datakwaliteit te waarborgen. Bij elke proefmigratie gebruikten we een controleraamwerk om de volledigheid en juistheid van de data te controleren. Dit hield in dat we bron- en doeldata met elkaar vergeleken met specifieke controles op aantallen en medische inhoud. De resultaten van deze controles werden samengevat in rapportages. Elke fout of afwijking werd geanalyseerd en opgelost of geaccepteerd voordat we naar de volgende migratieronde gingen. Dit proces gaf ons veel vertrouwen, omdat we stap voor stap zicht kregen op de kwaliteit van de data in het nieuwe systeem.”
“Sommige keuzes hebben geleid tot extra werk na de livegang. Dit was acceptabel omdat we prioriteit gaven aan het vermijden van fouten die directe medische gevolgen konden hebben.” - Ramses Kemperman
Ramses: “De proefmigraties en het controleraamwerk waren essentieel om te voorkomen dat cruciale gegevens zoals bloedgroepen of patiëntidentiteiten verkeerd werden overgenomen. Ondanks dat dit tijdsintensief was, waren deze extra stappen onmisbaar om medische risico’s te minimaliseren. Door deze gestructureerde aanpak konden risico’s effectief worden beheerst en werd de livegang met actuele en foutloze data mogelijk gemaakt."
Wes: “Een ander aandachtspunt was het ontdubbelen van patiënten. In de oude systemen kwamen dezelfde patiënten vaak meerdere keren voor, maar met afwijkende gegevens, zoals adres of spelling van achternaam. Dit kon bijvoorbeeld komen door een tikfout of omdat de registratie op verschillende momenten plaatsvond. Ons doel was om zoveel mogelijk duplicaten te voorkomen, maar zonder het risico te lopen om ten onrechte medische gegevens van verschillende personen samen te voegen.”
Ontdubbelen van patiënten
Het ontdubbelen van patiënten werd uitgevoerd op basis van matchingscriteria (o.a. BSN, achternaam, geboortedatum, geslacht). Bij een match is de leidende patiënt (patiënt met de meest recente orderdatum) gemigreerd en zijn de onderliggende gegevens van de andere gematchte patiënten gekoppeld aan de leidende patiënt.
Voor welke migratiestrategie is gekozen?
Wes: “We kozen een gefaseerde aanpak - en dus niet een Big Bang, wat bij veel projecten wel gebruikelijk is. We zijn eerst live gegaan in Friesland, waar al met een eerdere versie van GLIMS werd gewerkt. Daarna volgden Groningen en Drenthe. Dit gaf ons de ruimte om eventuele kinderziektes op te lossen voordat het systeem in alle regio’s werd uitgerold.”
Ramses: “Het idee achter deze strategie was risicobeheersing. Met een Big Bang loop je het risico dat als er iets misgaat, de hele organisatie vastloopt. Door het gefaseerd te doen, konden we eventuele problemen stapsgewijs aanpakken en hadden we altijd een back-up met de oude systemen.
Een belangrijk uitgangspunt was dat het laboratorium altijd door moest blijven werken. We konden geen freeze-periode inlassen waarin niets werd verwerkt. Daarom moesten de migraties zo worden uitgevoerd dat gebruikers op elk moment met actuele data konden werken, zelfs tijdens de overgang.”
Wes: “Om dit voor elkaar te krijgen maakten we gebruik van bulkmigraties en deltamigraties. Twee weken voor de livegang migreerden we de bulk van de data uit de vier oude systemen. Tijdens de livegang migreerden we alleen de veranderingen die sinds de bulkmigratie waren ontstaan. Dit hielp enorm om de doorlooptijd van het migratieproces te verkorten en ervoor te zorgen dat de data in het nieuwe systeem actueel was. Het was technisch ingewikkeld, maar de strategie heeft gewerkt. Door de zorgvuldige voorbereiding en meerdere proefmigraties wisten we dat de aanpak haalbaar was.”
Hoe zag de projectorganisatie eruit?
Ramses: “We hebben een structuur opgezet met een stuurgroep, daaronder een projectgroep, en vervolgens kernteams en taakgroepen. De taakgroep Datamigratie was echt cruciaal, omdat die over alle disciplines en locaties heen werkte. Zo konden we ervoor zorgen dat iedereen binnen de organisatie was vertegenwoordigd en dat er breed gedragen beslissingen werden genomen.”
Wes: “De samenwerking met externe partijen zoals Data Excellence speelde ook een grote rol. Zij verzorgden met hun specialistische kennis de technische uitwerking van de migratie, zoals het opzetten van de migratiestraat en het uitvoeren van de proefmigraties. Intern hebben we ervoor gezorgd dat er altijd vertegenwoordigers van medische disciplines aanwezig waren bij de besluitvorming. Dit hielp ons om keuzes goed af te stemmen op de praktijk.”
Welke uitdagingen hebben jullie ervaren in de samenwerking tussen interne teams en externe partijen?
Wes: “De migratiestraat was volledig gebouwd door Data eXcellence. De uiteindelijke import in GLIMS10 werd uitgevoerd door leverancier Clinisys. Gebruikers- en ketentesten werden uitgevoerd door Certe in de user-interfaces van GLIMS10. We hebben een nauwkeurige triage van testbevindingen moeten opzetten om fouten te herleiden naar het juiste onderdeel en de juiste partij: de data, de migratiestraat of de instellingen van GLIMS10.”
Ramses: “Wat ons veel heeft geholpen, was het blijven inzetten op goede communicatie. Regelmatige meetings, duidelijke rapportages en een gezamenlijke focus op de einddoelen zorgden ervoor dat we de meeste uitdagingen konden overwinnen!”
Wes: “Ook de afscherming van de testomgeving bracht beperkingen met zich mee. Door de AVG konden slechts een handjevol mensen toegang krijgen, wat betekende dat we niet breed konden testen. Dit zorgde ervoor dat sommige problemen pas later aan het licht kwamen.”
Bij een datamigratie duik je diep in de data. Heb je nog verrassende ontdekkingen gedaan?
Ramses: “Ja! Eén van de grappige ontdekkingen was dat we ook zeehonden in de patiëntgegevens hadden.”
Welke leerpunten kun je andere organisaties meegeven?
Wes: “Een belangrijk leerpunt is om tijdig te beginnen met het betrekken van de eindgebruikers. We hebben gemerkt dat we vaak vooral met de ontwerpers en technische teams werkten, maar te weinig met de mensen die uiteindelijk dagelijks met het systeem moeten werken. Als je hen eerder laat testen en feedback geven, ontdek je fouten en gemiste data veel sneller.”
Ramses: “Focus niet alleen op waar je naartoe werkt, maar kijk ook goed naar waar je vandaan komt. We hadden beter contact kunnen zoeken met de leveranciers van de oude systemen. Zij hadden ons kunnen waarschuwen voor bepaalde valkuilen en ons werk makkelijker kunnen maken.”
Ramses: ““Neem de tijd om met functionele proefmigraties te werken waarop gebruikers- en ketentesten plaatsvinden. Je kunt technische migraties blijven doen, maar pas als je de data samenvoegt en in de praktijk gebruikt, zie je echt wat er ontbreekt of fout gaat. Dat kost tijd, maar voorkomt grote problemen later.”
Beveel je DX aan?
Ramses: “Ja, ik zou DX zeker aanbevelen. Ze hebben veel expertise op het gebied van datamigraties, en dat was voor ons echt van onmisbare waarde. Hun projectaanpak was gestructureerd, met een duidelijke planning en goede ondersteuning bij het opzetten van de migratiestraat. Vooral het controleraamwerk en de proefmigraties gaven ons veel vertrouwen in het proces.”
Wes: “DX heeft ons geholpen om inzicht te krijgen in de technische kant van de migratie, iets waar we intern minder ervaring mee hadden. Ze werkten nauw samen met onze teams en wisten complexe zaken begrijpelijk te maken. Bovendien waren ze flexibel in hun aanpak, bijvoorbeeld toen er onvoorziene uitdagingen ontstonden.”
Ramses: “De samenwerking was prettig, en ze hebben ons geholpen om een succesvolle livegang te realiseren. DX is een uitstekende partner voor organisaties die een complexe datamigratie moeten uitvoeren. Hun ervaring en gestructureerde werkwijze maken echt het verschil.”