Het hele zorgproces geautomatiseerd voor de drukste inloop-soa-kliniek van Nederland.

ZIZ is een van de grootste inloopklinieken voor seksuele gezondheid in Nederland en verwerkt dagelijks grote aantallen patiënten. Voordat wij aan de slag gingen, verliep vrijwel elke stap handmatig: intakes verwerken, patiënten identificeren, registreren, verzekering en huisarts controleren, opvolging via de telefoon, labuitslagen ophalen, recepten en medicatie regelen.

Wat het project omvat

• Een portaal voor zorgverleners dat de volledige zorgcyclus afdekt, van begin tot eind.
• Automatische controle van identiteit, registratie en verzekering tegen meerdere landelijke databases.
• Koppelingen met bezorgpartijen en apotheken voor testkits en medicatie.
• Realtime koppeling met het lab, inclusief automatische ondersteuning bij de diagnose.
• Geautomatiseerde processen voor recepten en medicatie.
• Slimme routering van berichten naar de huisarts en de patiënt.
• Volledige audit trail voor zowel patiënt als zorgverlener.
• Een analytics-cockpit voor inzicht in de operatie.
   

Bij een inloopkliniek is er geen ruimte in de agenda. Patiënten komen continu binnen, en elke minuut die aan administratie opgaat, gaat niet naar zorg. ZIZ wilde af van alle handmatige overdrachten in het zorgproces, zonder het inloopmodel op te geven dat de kliniek juist zo toegankelijk maakt.

Wat er geautomatiseerd moest worden

• Identiteit van de patiënt controleren en verzekering opzoeken.
• Labtesten aanvragen en uitslagen ophalen.
• Het diagnoseproces.
• Recepten aanmaken.
• Berichten naar de huisarts.
• Berichten en herinneringen naar de patiënt.

Als een patiënt een order plaatst via ziz.nl, gelooft het systeem hem niet zomaar op zijn woord. Elke aanvraag wordt direct gecontroleerd tegen landelijke registers. Een verkeerd gespelde naam of een verouderd adres wordt meteen gesignaleerd, met een vergelijking naast elkaar voor de zorgverlener.

• Geen handmatig opzoekwerk.
• Geen telefoontjes om iemands identiteit te bevestigen.
• Geen orders die op de verkeerde naam worden verwerkt.

Een verkeerde identiteit betekent verkeerde labuitslagen, verkeerde recepten en declaraties die niet doorgaan. Wij vangen dat op aan de voordeur.

De hele operatie draait vanaf één systeem. Elke betaalde order wordt een kaart die door de zorgcyclus beweegt en zijn context meeneemt.

Vroeger zat dat overzicht verspreid over tientallen tools en in de hoofden van mensen. Nu is er één bron van waarheid, waar iedereen uit leest: de balie, zorgverlener, verpleegkundige, arts, lab. Niemand hoeft meer te vragen waar een patiënt is. Dat staat er al.

Per soa berekent een model hoe groot de kans is. Dat helpt de patiënt bij het kiezen van de juiste tests, en geeft de zorgverlener meteen een voorsprong bij elke order. Elk model is getraind op hoe patiënten met vergelijkbare antwoorden daadwerkelijk testten, dus het advies is gebaseerd op echte uitkomsten. Waar vroeger een volledige handmatige beoordeling nodig was, begin je nu met een antwoord dat er al ligt.

• Modellen met een AUC van 0,87 bepalen het advies.
• Een zorgverlener beoordeelt elke order, maar veel sneller.
• Wijkt de keuze af van het advies, dan zie je dat meteen.
• Signalen worden opgelost voordat de patiënt in de kamer zit.

Een kliniek draait op fysieke dingen: monsters, kamers, zendingen, apparatuur. Het portaal is daar direct op aangesloten, en staat er niet los naast. Orders schuiven op zodra er in het echt iets gebeurt: monsters worden gevolgd van afname tot analyse, labuitslagen komen realtime binnen, en verzonden testkits werken hun status automatisch bij in de order.

• Labuitslagen komen realtime binnen.
• De status volgt het fysieke proces, automatisch.
• Track & trace zit in de order zelf, niet in een portaal van de vervoerder.

Zodra de uitslagen binnen zijn, loodst het portaal het zorgteam door de klinische stappen, allemaal op één scherm: patiënt toewijzen, veiligheidscheck doen, diagnose stellen, recept uitschrijven, huisarts informeren.

Voor een inloopkliniek is dat scherm waar de snelheid vandaan komt. Een patiënt kan binnenlopen, zich laten testen en behandeld weer vertrekken, allemaal tijdens hetzelfde bezoek. Minder overdrachten betekent ook minder plekken waar een case kan blijven hangen of een detail kan wegvallen. Het systeem zet de context klaar, in plaats van dat de volgende collega hem opnieuw bij elkaar moet zoeken.

• Uitslagen worden getoond naast de volledige historie van de patiënt.
• Veiligheidsvragen worden beantwoord vóór het voorschrijven, niet erna.
• De huisarts wordt automatisch geïnformeerd, geverifieerd via ION.

De zorgverlener stelt de behandeling voor, de arts tekent af. Het portaal maakt dat schaalbaar door zelf de triage te doen: standaardgevallen in één wachtrij, en alles wat afwijkt van de richtlijn of een risicosignaal draagt, gaat direct naar de arts. Zo gaat de tijd van de arts naar de gevallen waar het risico zit.

• Recepten die afwijken van de richtlijn kunnen de arts niet overslaan.
• Risicosignalen reizen mee van beoordeling tot goedkeuring.
• Routinegevallen worden in bulk goedgekeurd.

Zodra een order is afgerond, gaat er automatisch een evaluatie uit. Het portaal vertaalt de antwoorden naar een cockpit vol inzichten: tevredenheidsscores en geschreven feedback, gerubriceerd op thema en locatie. Zo leest de kliniek wat patiënten echt hebben ervaren. En begint de volgende verbetering met bewijs, niet met een anekdote.

• Elke afgeronde order voedt de evaluatiecyclus.
• Cijfers en open feedback in één overzicht.

Wij bouwden een hybride systeem: de logica van de vragenlijst op basis van regels, gecombineerd met gekalibreerde ML-modellen, ontsloten via een REST API die in productie draait.

We hebben in kaart gebracht hoe zorg echt verloopt, en fysieke gebeurtenissen, zoals een gescand buisje, de digitale status laten aansturen.

ML-advies, controles tegen meerdere landelijke registers en automatische routering naar de arts bereiden de beslissing voor. Mensen nemen hem, en het systeem legt vast dat ze dat deden.

Balie, zorgverleners, verpleegkundigen, dermatologen, artsen en labmedewerkers werken in hetzelfde portaal. Iedereen ziet zijn eigen taken, gebaseerd op dezelfde gedeelde waarheid.