Stel: u bent een van de kandidaten van het spelletje ‘De slimste zorgverlener’ en de vraag is: ‘Wat weet u van SNOMED?’ Dan zullen er antwoorden klinken als eenheid van taal, terminologie, uitwisseling, standaard en eenduidig. Die zullen ongetwijfeld door de dienstdoende Philip Freriks worden goedgekeurd. Het woord data-analyse zal misschien niet direct vallen. Toch is SNOMED uitermate geschikt voor het analyseren van uiteenlopende medische data.
De meeste mensen die bekend zijn met digitalisering in de zorg, kennen SNOMED met name als middel voor gestructureerde registratie van relevante patiëntinformatie, bijvoorbeeld diagnosen. SNOMED kan begrippen ook “vertalen”. Bijvoorbeeld van vaktaal naar patiëntentaal: een arts registreert pneumonie maar een patiëntportaal toont dit vervolgens als longontsteking. Meerduidige maar herkenbare termen als blindedarmontsteking worden gekoppeld aan een eenduidige term, bijvoorbeeld appendicitis. Zo staat onomstotelijk vast dat het om het wormvormig aanhangsel (appendix vermiformis) gaat en niet de ‘echte’ blindedarm. Een ander voorbeeld is artritis. Zorgverleners in Engelstalige landen gebruiken dit soms om artrose aan te duiden. Niet te verwarren met het Nederlandse artritis: dat is iets anders. SNOMED koppelt beide termen aan eenzelfde SNOMED-term zodat bij eventuele uitwisseling hierover geen verwarring kan ontstaan.
In Nederland is Nictiz het National Release Center (NRC) van SNOMED. Klik hier voor meer informatie.
Overdracht en hergebruik van gegevens zijn zeer belangrijk, maar zoals gezegd biedt SNOMED meer mogelijkheden, zoals statistische analyse. Traditioneel worden aandoeningen zeer grofmazig vastgelegd en daarom kunnen weinig verschillende categorieën worden onderscheiden. Met SNOMED echter, kunnen juist veel verschillende categorieën of subgroepen worden gecreëerd . Dat biedt de mogelijkheid om binnen enkele minuten interessante vergelijkingen te maken. Bijvoorbeeld op basis van BMI, tussen patiënten met en patiënten zonder enige vorm van diabetes. Weer een paar minuten verder kun je beschikken over een waardevolle vergelijking tussen diabetes type 1 en type 2. Wanneer je op de traditionele manier classificeert en dus niet specifieker dan diabetes, zijn dit soort vergelijkingen niet te maken. Je moet dan patiënt voor patiënt de dossiers inzien om deze details te vinden: een monnikenwerk.
SNOMED-concepten zijn gedefinieerd met een aantal eigenschappen en dat biedt ook mogelijkheden. Om een actueel voorbeeld te gebruiken: het SNOMED-concept infectie door coronavirus bevat ook de verwekker van deze aandoening: een humaan coronavirus. Daarmee kun je een lijst maken met alle concepten die veroorzaakt worden door een humaan coronavirus en alle subsoorten van dit virus. Doordat je met SNOMED heel gedetailleerd kunt vastleggen, kun je zowel diverse selecties combineren als juist extreem gedetailleerd naar data kijken. Op basis van de verkregen waardevolle data, kun je vervolgens (preventief) handelen. Ook leiden dit soort selecties vaak tot nieuwe inzichten en kun je in de toekomst selecties maken, waaraan je eerder nog niet had gedacht. Het gebruik van SNOMED is daarmee ook zeer waardevol voor onderzoek.
Voor meer informatie kunt u onderstaand webinar terugkijken. Uiteraard hoeft u het wiel niet zelf opnieuw uit te vinden. Wanneer u gebruik wilt maken van de analyse-mogelijkheden van SNOMED, schroom dan niet om de hulp in te roepen van het Nictiz Terminologiecentrum. Op basis van onze kennis en expertise helpen wij u graag op weg, of verder met uw analyses.