Klinische data voor zorgproces-ondersteuning en clinical decision support (CDS) - CDS als samenspel van kennis en gegevens
Inleiding: CDS als samenspel van kennis en gegevens
Clinical decision support (CDS) berust in essentie op twee pijlers: (1) rijke, semantisch goed gedefinieerde klinische gegevens, en (2) een gestructureerd syntactisch datamodel en datastroom waarmee die gegevens betrouwbaar kunnen worden uitgewisseld tussen EPD en CDS-engine. Zonder goede semantiek “weet” het systeem niet wat de data betekenen; zonder goede syntaxis kan het de data niet veilig en herhaalbaar verwerken.
In de literatuur wordt een clinical decision support system (CDSS) doorgaans omschreven als een informatiesysteem dat de zorgverlening verbetert door klinische beslissingen te ondersteunen met patiëntspecifieke gegevens en doelgerichte medische kennis. Een vaak gebruikte formulering is dat CDS drie componenten vereist: (1) computeerbare medische kennis, (2) persoonsspecifieke data en (3) een reasoning-mechanisme dat kennis en data combineert tot actiegerichte informatie in de workflow van de zorgverlener.
Daarbij is semantische interoperabiliteit essentieel: data moeten kunnen worden opgeslagen, uitgewisseld, geïnterpreteerd en geanalyseerd “met dezelfde betekenis als toen ze oorspronkelijk werden vastgelegd”. Dit vereist zowel:
- Semantische standaardisatie: gedeelde betekenis van klinische concepten (diagnosen, labotesten, medicatie, etc.), typisch via terminologiestelsels.
- Syntactische standaardisatie: een formeel datamodel (bijv. HL7 FHIR-resources) dat vastlegt hoe die concepten in berichten of API-calls worden gestructureerd.
Met andere woorden, in (zorg)gegevens en standaarden betekent syntaxis hoe de data gestructureerd is in een bericht of bestand, terwijl semantiek gaat over wat die velden en codes betekenen in de zorgcontext. De syntaxis zorgt dat systemen het kunnen inlezen; de semantiek zorgt dat ze begrijpen wát ze inlezen.
Hier werk ik eerst uit welke klinische gegevens (semantisch) cruciaal zijn voor zorgproces-ondersteuning en CDS, en bespreek ik vervolgens waarom gestructureerde modellen zoals HL7 FHIR-resources en gestandaardiseerde CDS-datastromen onmisbaar zijn voor moderne CDS. Eerst de semantiek (welke data en welke betekenis), daarna de syntaxis (hoe we ze structureren en transporteren).
1. Semantische kerngegevens voor zorgproces-ondersteuning en CDS
1.1 Semantische interoperabiliteit en klinische data
“Clinical data” omvat in brede zin alle patiëntgerelateerde informatie over diagnosen, symptomen, demografie, onderzoeken, behandelingen en uitkomsten. Voor CDS is niet alleen de aanwezigheid van deze gegevens belangrijk, maar ook dat de betekenis eenduidig is, zodat regels, algoritmen en modellen er betrouwbaar op kunnen redeneren.
Semantische interoperabiliteit wordt in diverse kaders (bijv. openEHR, HL7) expliciet neergezet als het vermogen om klinische gegevens betekenisvol te hergebruiken over systemen en contexten heen. In een openEHR-benadering wordt dit bijvoorbeeld bereikt door een generiek referentiemodel (RM) te combineren met archetypes en templates die de domeinsemantiek beschrijven; het referentiemodel ondersteunt syntactische interoperabiliteit, de archetypes de semantische interoperabiliteit. Hetzelfde principe is toepasbaar in FHIR-profielen en –extensions.
Bij openEHR zijn archetypes en templates de bouwstenen waarmee je de domeinsemantiek (de klinische betekenis van data) vastlegt, bovenop een technisch, generiek reference model (RM). Dat is precies het “dual model”-principe:
- het reference model regelt de technische structuur (klassen zoals COMPOSITION, OBSERVATION, EVALUATION, etc.);
- archetypes en templates leggen vast wat die klassen in de klinische wereld concreet betekenen (bloeddrukmeting, ontslagbrief, zwangerschapscontrole, enz.).
- Een archetype is bij openEHR een formeel, herbruikbaar model van één klinisch concept (een stukje domeininhoud), uitgedrukt als constraints op het reference model.
- Een template is een use-case-specifieke samenstelling van archetypes (of delen van archetypes) tot een volledig gegevensset voor een concrete toepassing.
1.2 Essentiële klinische datacategorieën
Hoewel de exacte gegevensbehoefte per CDS-usecase varieert (sepsis-alert vs. medicatiebewaking vs. oncologisch zorgpad), komen in de literatuur en in praktijksystemen steeds een aantal terugkerende kerncategorieën van klinische data naar voren.
1. Patiëntdemografie
- Unieke patiëntidentificatie, geboortedatum, geslacht, woonplaats, eventueel etniciteit.
- Relevantie: basis voor risicoscores (bv. leeftijdsafhankelijk), doseringsaanpassingen, epidemiologie en populatiemanagement.
2. Encounter- en zorgcontext
- Type contact (spoed, poliklinisch, opname), afdeling/specialisme, verantwoordelijke zorgverlener, tijdstippen van opname/ontslag.
- Relevantie: veel CDS-interventies zijn context-afhankelijk (bijv. andere drempelwaarden op INZO dan op de polikliniek).
3. Probleem- en diagnoselijst (Conditions)
- Actieve en relevante voorgeschiedenis: actuele diagnosen, chronische ziekten, comorbiditeit (let op: Garbage In Garbage Out, GIGO).
- In semantische termen worden deze idealiter gecodeerd met SNOMED CT als uitgebreide klinische terminologie voor ziekten, symptomen en procedures.
- Relevantie: vrijwel elke CDS-logica (lexicaal of Machine Learning (ML)-gebaseerd) gebruikt diagnosen/problemen als input.
4. Medicatiegegevens
- Actuele voorschriften (geneesmiddel, dosering, toedieningsweg, frequentie), toedieningshistorie, stop-/pauze-redenen.
- Medicatie-gerelateerde CDS (interacties, contra-indicaties, duplicaatmedicatie, doseringschecks) vereist een gestandaardiseerde medicatieterminologie, zoals RxNorm (gestandaardiseerde klinische geneesmiddelennomenclatuur) en/of WHO ATC-codes (Anatomical Therapeutic Chemical-classificatie).
5. Allergieën en intoleranties
- Gedocumenteerde geneesmiddelallergieën, overige allergieën, type reactie en ernst.
- Essentieel voor allergie- en interactiewaarschuwingen; terminologiestelsels als SNOMED CT worden hiervoor veel gebruikt.
6. Vitale parameters en klinische observaties
- Bloeddruk, pols, ademfrequentie, temperatuur, saturatie, pijnscore, etc.
- Voor CDS is niet alleen de ruwe waarde belangrijk, maar ook tijdstempel, meetcontext en een semantisch eenduidige code. LOINC is de internationaal meest gebruikte standaard voor identificatie van metingen en observaties.
7. Laboratorium- en overige diagnostische resultaten
- Labouitslagen (chemie, hematologie, microbiologie), beeldvormingsrapporten, pathologie.
- Fijnmazige codering met LOINC (test) plus passende eenheden o.b.v. 'Unified Code for Units of Measure' (UCUM) is een kritische randvoorwaarde voor betrouwbare drempelwaarden, trends en algoritmen; LOINC wordt uitdrukkelijk gepositioneerd als universeel codeersysteem voor labo- en andere klinische observaties.
8. Procedures en interventies
- (Chirurgische) ingrepen, endoscopieën, implantaten, interventionele cardiologie, etc.
- Semantische codering met SNOMED CT of procedureclassificaties ondersteunt o.a. perioperatieve CDS, infectie-surveillance en device-gerelateerde risico’s.
9. Zorgplannen, orders en workflowstatus
- Actieve orders (labo, medicatie, consulten), zorgplannen, protocollen, order sets.
- Deze gegevens zijn essentieel voor proces-georiënteerde CDS (bijv. reminders bij ontbrekende onderzoeken conform richtlijn) en sluiten aan bij het “Five Rights”-concept (juiste informatie, persoon, kanaal, formaat, moment).
10. Patiëntgerapporteerde informatie en voorkeuren
- Symptoomscores, PROMs, therapietrouw, voorkeuren en waarden (bv. gewenste plaats van zorg, (on)wenselijke behandelingen).
- Recente kaders voor patient-centered CDS benadrukken dat zulke gegevens gestandaardiseerd moeten worden vastgelegd om richtlijnadvies aan te passen aan voorkeuren van de patiënt.
11. Sociale determinanten en omgevingsfactoren
- Woon- en leefsituatie, socio-economische factoren, ondersteuning door mantelzorg, etc.
- Deze informatie wordt steeds vaker gestandaardiseerd (bv. SDOH-profielen in FHIR) omdat ze invloed heeft op risico-scores, behandelkeuze en haalbaarheid van interventies.
1.3 Terminologieën als drager van semantiek
Een systematische review van interoperabiliteitsmechanismen in Clinical Decision Support Systems (CDSS) laat zien dat succesvolle systemen vrijwel altijd gebruik maken van gestandaardiseerde terminologieën (SNOMED CT, LOINC, RxNorm, WHO ICD, UMLS, WHO ATC) voor zowel medical-logic-expressies als data-annotatie. De auteurs rapporteren dat systemen die standaarddata gebruiken vaker positieve klinische effecten laten zien dan systemen met lokale codestelsels.
Kortom: voor zorgproces-ondersteuning en CDS zijn niet alleen de juiste categorieën klinische data nodig, maar vooral ook een semantisch uniforme representatie via internationale terminologiestandaarden.
2. Het belang van een gestructureerd syntactisch datamodel voor CDS
2.1 Syntaxis versus semantiek
Semantische interoperabiliteit (gedeelde betekenis) en syntactische interoperabiliteit (gedeelde structuur) zijn complementair. In de openEHR-literatuur wordt dit helder beschreven: het referentiemodel beschrijft de informatie-structuur en ondersteunt syntactische interoperabiliteit, terwijl archetypes en templates de domeinsemantiek vastleggen.
Een systematische review van Marco-Ruiz et al. maakt duidelijk dat interoperabele CDS in de praktijk steunt op vijf typen mechanismen:
- klinische informatiestandaarden (HL7 CDA, HL7 RIM, vMR, openEHR),
- terminologieën,
- semantische web-technologieën,
- standaarden voor medische logica (Arden, GLIF, CQL) en
- webservices/API’s.
Conclusie: zelfs met perfecte terminologie is zónder gestandaardiseerd datamodel geen betrouwbare CDS-interoperabiliteit mogelijk.
Arden Syntax is een HL7-standaardtaal om medisch kennis in een uitvoerbaar format te beschrijven voor klinische beslissingsondersteuning.
GLIF (Guideline Interchange Format) is een model en syntax om klinische richtlijnen in een computer-interpreteerbaar formaat te beschrijven, zodat ze kunnen worden gedeeld en uitgevoerd door verschillende systemen.
CQL (Clinical Quality Language) is een HL7-standaard die een domeinspecifieke taal biedt om klinische logica te beschrijven, met focus op clinical quality measures (eCQMs) en CDS-regels.
Arden, GLIF enCQL zijn dus standaarden voor medische logica. Ze schrijven niet voor hoe de data precies in het EPD staan (dat doen zaken als HL7 FHIR), maar wél hoe je de regels en richtlijnen formuleert die op die data draaien.
eCQM's (Electronic Clinical Quality Measures) zijn gestandaardiseerde, elektronisch gedefinieerde maatregelen om de kwaliteit van de zorg te meten door gegevens direct uit Elektronische Patiëntendossiers (EPD's) te halen en te analyseren, en zijn cruciaal voor de kwaliteitsrapportage van zorgaanbieders, zoals voor Medicare-programma's (VS) , om de zorg te verbeteren en te voldoen aan regelgeving.
2.2 HL7 FHIR-resources als gestandaardiseerd datamodel
HL7 FHIR (“Fast Healthcare Interoperability Resources”) is de huidige de-facto standaard voor uitwisseling van zorginformatie via moderne web-API’s. FHIR definieert een “bibliotheek” van resources (Patient, Observation, Condition, MedicationRequest, Procedure, CarePlan, etc.) die als JSON of XML kunnen worden uitgewisseld en voorzien zijn van terminologie-bindings (bv. LOINC voor Observation.code, SNOMED CT voor Condition.code).
Voor CDS zijn met name de volgende resource-typen relevant:
- Patient, RelatedPerson, Practitioner, Organization – context van de zorgrelatie.
- Encounter, EpisodeOfCare – zorgcontext en traject.
- Condition – probleemdomein/diagnosen, met terminologie-bindingen naar SNOMED CT.
- Observation, DiagnosticReport, ImagingStudy – vitale parameters, lab en andere metingen met typische binding naar LOINC.
- MedicationRequest, MedicationStatement, MedicationAdministration – medicatiegebruik en voorschriften, vaak gekoppeld aan RxNorm/WHO ATC.
- AllergyIntolerance – allergiegegevens; frequent gekoppeld aan SNOMED-codes.
- CarePlan, ServiceRequest, Procedure, PlanDefinition – zorgplannen, orders, richtlijnimplementaties en protocollen.
Het FHIR Clinical Reasoning-module en de PlanDefinition-resource zijn expliciet ontworpen om kennisartefacten (regels, protocollen, order sets, kwaliteitsindicatoren) te representeren en te koppelen aan uit te voeren acties, triggers en expressietalen zoals CQL. Dit maakt FHIR bijzonder geschikt als syntactische backbone voor CDS.
2.3 CDS-datastromen: virtual Medical Record (vMR), FHIR en CDS Hooks
Omdat EPD’s onderling sterk verschillen, is al vroeg gezocht naar een “virtueel medisch dossier” (virtual Medical Record, vMR) als gestandaardiseerde datastroom richting CDS-systemen. HL7 vMR, gebaseerd op een vereenvoudiging van HL7 RIM, is precies als zodanig ontwikkeld: een CDS-specifiek informatiemodel dat typische CDS-concepten (problemen, medicatie, observaties, encounters) op een uniforme wijze structureert.
In de FHIR-wereld wordt een vergelijkbare rol vervuld door:
- FHIR Bundles: verzamelingen van samenhangende resources (bijv. Patient + Encounter + Condition + Observations) die als één payload naar een CDS-service worden gestuurd.
- CDS Hooks: een HL7-gespecificeerde, “hook-based” API om CDS binnen het EPD-workflow te koppelen. Een hook (bijv. patient-view, order-sign) stuurt relevante FHIR-resources naar een externe CDS-service, die vervolgens kaarten (“cards”) met adviezen of waarschuwingen terugstuurt.)
Deze infrastructuur levert feitelijk de CDS-datastroom: een gestandaardiseerde, gebeurtenis-gestuurde uitwisseling van syntactisch uniforme FHIR-gegevens tussen EPD en CDS-engine. Dit sluit sterk aan bij recente overzichten van nieuwe CDS-standaarden die HL7 FHIR, CDS Hooks en CQL als complementair trio positioneren voor schaalbare CDS.
Een systematische review van “standards for scalable clinical decision support” onderstreept dat een gemeenschappelijk gegevensmodel (vMR/FHIR) en herbruikbare, gestandaardiseerd beschreven kennisartefacten randvoorwaardelijk zijn om CDS over verschillende organisaties heen te kunnen delen.
3. Effect van semantiek + syntaxis op implementatie, schaalbaarheid en kwaliteit van CDS
3.1 Herbruikbaarheid van kennisartefacten
Zonder uniforme datarepresentatie moeten CDS-regels per EPD-implementatie handmatig worden aangepast (“curly braces-probleem”: logica bevat EPD-specifieke queries naar een proprietair datamodel).
Door:
- klinische data semantisch te standaardiseren (SNOMED, LOINC, RxNorm, WHO ATC), en
- CDS-logica te koppelen aan een gestandaardiseerd informatiemodel (vMR/FHIR),
kan dezelfde regel of CQL-expressie in principe in meerdere EPD’s draaien. Taber et al. laten zien hoe HL7 CQL, FHIR en CDS Hooks samen een ecosysteem vormen waarin klinische kennisartefacten herbruikbaar en uitwisselbaar worden over systemen heen.
Dit verlaagt de implementatiekosten aanzienlijk en faciliteert regionale/nationale bibliotheken van CDS-modules.
3.2 Kwaliteit, veiligheid en de “CDS Five Rights”
De “CDS Five Rights” (het juiste advies, aan de juiste persoon, via het juiste kanaal, in het juiste formaat, op het juiste moment in de workflow) worden vaak genoemd als leidraad voor effectieve CDS-interventies. De CDS Five Rights zijn een veelgebruikt kader om te beschrijven wanneer clinical decision support (CDS) écht effectief is. Het idee is dat een CDS-interventie werkt pas goed als je alle vijf “rechten” (rights) goed geregeld hebt.
Een goed gestructureerd datamodel en een betrouwbare CDS-datastroom dragen hier concreet aan bij:
- Minder foutpositieven en -negatieven: drempelwaarden en contra-indicaties kunnen nauwkeurig worden geëvalueerd omdat de benodigde gegevens (bijv. eGFR, actuele medicatie, diagnoselijst) consistent en volledig zijn.
- Betere workflowintegratie: CDS Hooks koppelt beslisregels expliciet aan workflow-events (bijv. bij het ondertekenen van een medicatieorder) zodat alerts tijdig en context-specifiek zijn.
- Transparante audit en kwaliteitsmeting: dezelfde datastandaarden die CDS voeden, kunnen worden gebruikt voor kwaliteitsindicatoren en uitkomstmetingen (bijv. eCQMs op basis van FHIR en CQL).
3.3 Onderzoek, learning health systems en real-world evidence (RWE)
Gemeenschappelijke data-modellen en terminologieën (FHIR, OHDSI OMOP, PCORnet®, etc.) worden in toenemende mate ingezet om klinische zorgdata secundair te gebruiken voor onderzoek en kwaliteitsverbetering. Recente reviews benadrukken dat zulke common data models de brug slaan tussen routinezorg en onderzoek doordat gegevens op uniforme wijze kunnen worden verzameld, gekoppeld en geanalyseerd.
Voor CDS betekent dit:
- CDS-regels kunnen worden gekalibreerd en geëvalueerd op basis van grote populaties met consistent gecodeerde data.
- Nieuwe voorspellende modellen (bijv. Machine Learning-gebaseerde risicoscores) kunnen worden getraind en vervolgens direct worden uitgerold in dezelfde gestandaardiseerde datastructuren die al door CDS worden gebruikt.
Hiermee ontstaat een learning health ecosystem waarin CDS niet een statisch instrument is, maar continu wordt gevoed en verbeterd door real-world evidence (RWE).
Het is de OHDSI-community die het OMOP-datamodel gebruikt om grootschalige, gestandaardiseerde analyses van zorgdata mogelijk te maken. OMOP CDM is het “gemeenschappelijke schema” waar al die OHDSI-databronnen naar worden omgezet.
PCORnet® staat voor de National Patient-Centered Clinical Research Network. Het is opgezet en gefinancierd door PCORI (Patient-Centered Outcomes Research Institute). PCORnet is een groot, nationaal onderzoeksnetwerk in de VS dat echte zorgdata (EPD, claims, patiëntgerapporteerde data) van miljoenen patiënten koppelt om patiëntgerichte klinische onderzoeken te doen.
3.4 Aandachtspunten en beperkingen
Ondanks de voordelen zijn er belangrijke uitdagingen:
- Datakwaliteit en volledigheid: semantische en syntactische standaarden lossen geen ontbrekende of fout ingevoerde data op; slechte input blijft slechte output (GIGO).
- Complexiteit van mappings: het mappen van lokale codestelsels naar internationale terminologieën en van EPD-datamodellen naar vMR/FHIR-profielen is complex en foutgevoelig, en vergt doorlopende governance.
- Terminologie-diversiteit: zelfs met SNOMED, LOINC en RxNorm blijft de combinatie en overlap van stelsels een obstakel; integratoren zoals UMLS worden vaak nodig geacht om dit te adresseren.
- Ethische en juridische aspecten: naarmate CDS geavanceerder en (semi-)autonoom wordt, nemen eisen rond transparantie, bias-beheer, veiligheid en privacy toe.
Tot slot
Voor effectieve zorgproces-ondersteuning en clinical decision support (CDS) is een duidelijke scheiding én nauwe samenhang nodig tussen:
1. Semantiek: welke klinische gegevens zijn nodig, en wat betekenen ze eenduidig?
- Kerncategorieën zijn o.a. demografie, encountercontext, diagnosen/problemen, medicatie, allergieën, vitale parameters, lab- en beeldvormingsresultaten, procedures, zorgplannen, patiëntvoorkeuren en SDOH.
- Deze gegevens moeten worden vastgelegd met gestandaardiseerde terminologieën zoals SNOMED CT, LOINC, RxNorm en WHO ATC om semantische interoperabiliteit en betekenisvol hergebruik mogelijk te maken.
2. Syntaxis: hoe worden deze gegevens gestructureerd en uitgewisseld?
- Gestandaardiseerde informatiemodellen (HL7 vMR, HL7 CDA, openEHR, vooral HL7 FHIR-resources) bieden een consistente datastructuur.
- CDS-datastromen via FHIR-Bundles en CDS Hooks koppelen het EPD in realtime aan interne of externe CDS-diensten, terwijl expressietalen zoals CQL de logica op een gestandaardiseerde manier beschrijven.
De internationale ervaring en de wetenschappelijke literatuur laten zien dat kwalitatieve semantisch rijke klinische data, in combinatie met een goed ontworpen syntactisch datamodel, een noodzakelijke voorwaarde zijn voor veilige, schaalbare en herbruikbare CDS-oplossingen. Zonder gestandaardiseerde betekenis en structuur blijven CDS-systemen kwetsbaar, moeilijk te onderhouden en beperkt tot geïsoleerde implementaties; mét deze fundamenten kunnen ze uitgroeien tot een integraal onderdeel van een lerend zorgsysteem ten dienste van onze zorgverleners en patiënten.
Geselecteerde referenties
Sutton RT et al. An overview of clinical decision support systems: benefits, risks, and strategies for success. npj Digital Medicine. 2020.
Orion Health. The 3Ds of clinical decision support. White paper. (CDS vijf “rights” en kerncomponenten).
Marco-Ruiz L et al. Interoperability Mechanisms of Clinical Decision Support Systems: A Systematic Review. Scandinavian Conference on Health Informatics; 2016.
Jenders RA. Health Information Technology Standards for Implementing and Using Clinical Decision Support: Latest Developments and What You Need to Know. Lecture slides, 2024.
HL7 International. HL7 FHIR – Fast Healthcare Interoperability Resources. (Introductie en specificatie van FHIR-resources).
Taber C et al. New Standards for Clinical Decision Support: A Survey of The State of Implementation. JAMIA, 2021.
HL7 CDS Hooks Community. CDS Hooks Specification. (Hook-based CDS-API op basis van FHIR).
Garde S et al. Towards semantic interoperability for electronic health records – domain knowledge governance for openEHR archetypes. Methods Inf Med. 2007. (openEHR-dual-model).
LOINC Committee. LOINC – Logical Observation Identifiers Names and Codes. (Standaard voor metingen en observaties).
SNOMED International. SNOMED CT – the global clinical terminology (What is SNOMED CT)
National Library of Medicine. RxNorm – normalized names for clinical drugs.
WHO Collaborating Centre for Drug Statistics Methodology. Anatomical Therapeutic Chemical (ATC) Classification System and Defined Daily Doses (DDD).
SAM - Authentieke Bron Geneesmiddelen (België)
Finster S et al. Common data models and data standards for tabular health data: a systematic review. (overzicht van CDM’s en interoperabiliteit).
