Hoe kunnen wij kritisch zieke kinderen (nog) optimaal(-er) behandelen over 5 jaar?

Waarom?

Het ergste wat een ouder kan overkomen is dat zijn/haar kind kritisch levensbedreigend ziek wordt. De Kinder IC is dan vaak de laatste strohalm. Gelukkig wordt de behandeling steeds beter op de IC, maar daarmee worden ook de uitdagingen steeds groter. Een zeer belangrijke uitdaging daarbij is groeiende complexiteit van zorg die geleverd moet worden aan toenemend complexe patiënten.

Door die toename van complexiteit (van zowel behandelingen en patiënten) wordt het risico op een niet optimale behandeling (of zelfs medische fouten) steeds groter. Er is een veelheid aan data welke beoordeeld moet worden en een zeer groot aantal protocollen (en andere kennisbronnen) waar rekening mee moet worden gehouden. De Kinder IC neemt hier ook nog eens een unieke positie in omdat de patiënt populatie extreem divers is in fysieke grootte (van pasgeboren vanaf 2 kg tot jong volwassen van meer dan 100 kg) en ziektebeelden (praktisch elk medisch specialisme is vertegenwoordigd op de Kinder IC). Daarom is er dringend behoefte aan Clinical Decision Support Systemen (CDSS) die helpen om de meest optimale behandeling te geven aan kritisch zieke kinderen.

Het is tegenwoordig vanzelfsprekend dat als je wilt weten wat de snelste route is naar Spanje, je dit googelt en meteen het juiste antwoord krijgt als eerste keuze van je zoekopdracht. Waarom is het dan niet mogelijk dat, binnen de setting van een elektronisch patiënten dossier (EPD), dezelfde ondersteuning wordt gegeven wanneer een behandelaar wilt wat de meest veilige en efficiënte manier is om bv. pijnstilling te geven bij een ernstig zieke kind?

Een goed CDCS wat een concreet direct uitvoerbaar antwoord kan geven op de vraag wat de juiste interventie is voor een specifieke indicatie voor een specifieke patiënt moet voldoen aan een aantal criteria:

  1. De voorgestelde behandeling moet veilig zijn. Daarbij moeten de indicatie en specifieke patiënt factoren worden meegenomen. Ook moet rekening worden gehouden bij reeds lopende behandelingen of behandelingen in het verleden.
  2. Het antwoord moet op een efficiënte manier worden verkregen. Vaak is behandeling op een (Kinder) IC spoedeisend. Indien niet wordt voldaan aan de gestelde efficiency eis zal (kan) het systeem in de praktijk niet worden gebruikt.
  3. De behandeling moet kunnen worden geëvalueerd op patiënt niveau maar ook ten bate van ziekenhuismanagement en wetenschappelijk onderzoek. Het goed en eenduidig vastleggen van alle relevante gegevens is dan ook essentieel. Vaak ontbreekt hier nog het ‘waarom’ of de indicatie van de behandeling.

Een behandeling is altijd gebaseerd op een beoogd effect/indicatie. Het is dan ook veel logischer om vanuit het effect en/of indicatie een behandeling te starten. Dus het doel is niet om paracetamol voor te schrijven maar om pijnstilling of koorts demping te bewerkstelligen. Een pomp adrenaline is niet het doel op zich, maar het gaat om een verbetering van de cardiale functie of een stijging van bloeddruk. Een goed CDSS kan dus antwoord geven en suggesties doen op basis van de indicatie of gewenste effect.

Scenario’s

Het is druk op de Kinder IC, er komt een kind terug van een cardio-chirurgische operatie en tegelijkertijd wordt een kind binnengereden via een extern transport. Het kind via extern transport heeft een sepsis met een dreigende circulatoire insufficiëntie. Er dient direct te worden gehandeld.

Protocol scenario

Gelukkig is de cardio-chirurgische opvang volledig geprotocolleerd. De intensivist activeert in het systeem het cardio-chirurgie protocol voor de betreffende patiënt en het volgende komt eruit rollen:

Leeftijd17dagenGewicht3.3kgLengte54cmBSA0.22m2
OrderRouteHoeveelheidOplossingSnelheid / FrequentieDoseringVocht
Cardio protocol
adrenalineiv1mg50ml1ml/uur0.1mcg/kg/min7.3ml/kg/dag
milrinoneiv5mg50ml0.6ml/uur0.6mg/kg/day4.4ml/kg/dag
morfineiv2mg50ml2.1ml/uur25microg/kg/uur15.3ml/kg/dag
paracetamolrect60mg3x/dag55mg/kg/dag0ml/kg/dag
cefazolineiv170mg5ml3x/dag155mg/kg/dag4.5ml/kg/dag
glucose 10%iv96ml4ml/uur29ml/kg/day29ml/kg/dag
lactaat11x/4 uur
bloedgas11x/2 uur
Totaal60.5ml/kg/dag
Berekende orders/voorschriften volgens het cardio-chirurgie protocol

Hiermee kan de verpleging direct aan de gang en dat maakt de handen vrij voor de intensivist om de opvang te regelen voor de acuut bedreigde sepsis patiënt.

Acuut scenario

Voor de patiënt met sepsis moeten de volgende zaken met spoed worden geregeld:

  • de mogelijkheid van reanimatie moet worden voorbereid
  • er moet geintubeerd worden
  • de bloeddruk moet worden ondersteund
  • sepsis behandeling met antibiotica moet worden gegeven na afname van een bloedkweek
  • onderhoud sedatie en pijnstilling moet worden verzorgd
  • er moet worden gestart met onderhoud vocht
  • en er dient lab worden afgenomen

Het regelen van alle opdrachten laat de intensivist over aan een (nog niet heel ervaren) arts-assistent. Deze hoeft echter alleen de bovengenoemde indicaties te selecteren in het CDSS waarna de volgende orders/voorschriften kunnen worden geactiveerd:

Leeftijd3jaarGewicht14kgLengte98cmBSA0.62m2
OrderRouteHoeveelheidOplossingSnelheid / FrequentieDoseringVocht
Reanimatie protocol
tube51eenmalig
adrenalineiv1.4mg1eenmalig1.4mg/kg
vaatvullingiv280ml2eenmalig20ml/kg40ml/kg/dag
defibrillatie70joule4joule/kg
Intubatie protocol
fentanyl15mcg1eenmalig1.1mcg/kg
propofol28mg1eenmalig2mg/kg
rocuronium20mg1eenmalig1.4mg/kg
Vassopressie
noradrenalineiv5mg50ml1ml/uur0.12microg/kg/min1.7ml/kg/dag
Sedatie
midazolamiv50mg50ml3ml/uur0.21mg/kg/uur5.1ml/kg/dag
morfineiv10mg50ml0.7ml/uur10microg/kg/uur1.2ml/kg/dag
Sepsis
bloedkweek11eenmalig
augmentingiv350mg18ml4x/dag100mg/kg/dag5.1ml/kg/dag
gentamicineiv56mg28ml1x/dag4mg/kg/dag2ml/kg/dag
hydrocortisoniv2mg3x/dag9.7mg/m2/dag
Vocht/voeding
ringer lactaativ1000ml42ml/uur72ml/kg/dag72ml/kg/dag
Lab
sepsis lab11eenmalig
bloedgas11eenmalig
glucose14x/dag
Totaal127.1ml/kg/dag
Berekende orders/voorschriften voor acute opvang van de sepsis patiënt

De intensivist kan zich nu samen met de verpleegkundige ondersteuning volledig richten op een juiste en snelle opvang van de patiënt zonder dat afgeleid te worden door zaken die je eerst moet opzoeken of moet berekenen. Ook de nog wat onervaren arts-assistent is in staat om een volledige behandelplan op te stellen op een veilige en efficiënte manier en kan zich vervolgens volledig focussen op het belangrijke leermoment van het herkennen en acuut ingrijpen bij een levensbedreigende situatie.

Bereiding scenario

Maar ook de verpleegkundige behoeft ondersteuning, bv. voor het klaarmaken van de pomp met noradrenaline. Hoewel het voorschrift noradrenaline iv 0,12 microg/kg/min medische inhoudelijk voldoende informatie geeft, heeft de verpleegkundige informatie nodig over hoeveel noradrenaline moet worden opgetrokken aangevuld met hoeveel oplosvloeistof en met welke pompstand dit moet worden toegediend. Vanuit het voorschrift kan het CDSS meteen het volgende bereidingsvoorschrift genereren:

Decision support voor het bereiden van een noradrenaline pomp

Machine Learning scenario

Nadat de bovengenoemde sepsis patiënt is gestabiliseerd doet het CDSS de volgende dag een suggestie om maagprotectie te starten en macrogol voor te schrijven. Dit heeft het CDSS geleerd met behulp van machine learning omdat het gebruikelijk is dat bij dit soort patiënten deze medicatie wordt voorgeschreven.

Wetenschappelijk onderzoek scenario

Een aantal jaren later wil een onderzoeker weten hoe lang het duurde voordat bij een patiënt met sepsis gestart wordt met bloeddruk ondersteuning en of dit een verband houdt met de opname duur en/of overleving. Aangezien zowel behandel voorschriften als de toedieningsregistratie gestructureerd is vastgelegd, kan op eenvoudige wijze de benodigde informatie worden verkregen. Op grond van de uitkomsten kunnen protocollen worden herzien.

Veiligheid

Meldingen betreffende medicatie/vocht en voeding

Op het gebied van veiligheid is een enorme winst te behalen. Een analyse van de gemelde incidenten in het WKZ leert dat van de meldingen circa de helft betrekking hebben op voorschriften en toediening van medicatie, vocht en voeding of anderszins gerelateerd zijn. Dit is ook vele malen in literatuur bevestigd als een prominente oorzaak van adverse events. Dus met name de behandeling met medicatie vocht en voeding lijkt een zeer foutgevoelig proces terwijl dit aan de andere kant juist de best omschreven behandelingen zijn.

To Err is Human. Dit is een mijlpaal publicatie waarin het volgende wordt gesteld:  “the problem is not bad people in health care–it is that good people are working in bad systems that need to be made safer​*​. Met name op het gebied van voorschrijven van medicatie vocht en voeding is hierbij dus een enorme winst te behalen aangezien hierbij de volgende zaken van belang zijn:

  1. Opzoeken. Elke behandeling start op basis van een indicatie en kan op grond daarvan worden opgezocht in protocollen of andere kennisbronnen zoals b.v. het Kinderformularium.
  2. Rekenen. In het bijzonder (maar zeker niet uitsluitend) in de Kindergeneeskunde moet vaak worden gerekend aangezien veel behandelingen afhankelijk zijn van leeftijd, gewicht en/of lengte.

Om bv. tot een simpel voorschrift van paracetamol te komen is dit wat er allemaal moet worden doorgenomen in het Kinderformularium. Een monoloog van 767 woorden in 100 regels om het correct gebruik van paracetamol te beschrijven. Daarnaast moet de correcte dosering van paracetamol nog berekend worden. Mensen zijn notoir slecht in het 100% correct uitvoeren van beide activiteiten, opzoeken en rekenen, met name in stressvolle omstandigheden.

De vraag is niet zozeer waarom menselijke fouten worden gemaakt, maar eerder waarom het nog zo vaak goed gaat! Een computer aan de andere kant is in staat precies die taken, opzoeken en berekenen met een duizelingwekkende snelheid uit te voeren met een 100% precisie en correctheid.

Efficiency

Efficiency en veiligheid zijn nauw met elkaar verbonden. Indien bv. veiligheid vergroot wordt door het verplichten van narekenen van een voorschrift door een tweede collega, dan zal dit zeker tot een beter resultaat leiden wat betreft de uitkomst van de berekening. Echter, de extra inzet en tijd die dit kost kan tot onevenredige nadelen leiden in de direct zorg van een patiënt door mindere beschikbaarheid aan het bed en extra tijd die dit kost. Bovendien zal in de praktijk een veiligheidsmechanisme omzeilt worden indien dit de workflow in de weg staat. Een voorbeeld is het ongezien weg klikken van waarschuwingen die getoond worden in een regulier EPD systeem bij een foutief voorschrift.

Een decision support systeem wat daarentegen in staat is direct het juiste en volledige voorschrift te genereren leidt automatisch tot een grotere efficiency en acceptatie en daarmee ook tot een veiliger systeem. Dit is onlangs onderzocht voor het meteen correct kunnen uitrekenen van een dosering. Uit dit onderzoek bleek dat bij het opgeven van een juiste dosering door het systeem dit leidde tot een acceptatie graad van 99,8% en daarmee ook tot eenzelfde protocol compliance en daarmee correctheid.

Evaluatie

Het gaat bij een behandeling uiteindelijk om het effect. Voor goede decision support is het dus noodzakelijk dat er de mogelijkheid bestaat van het volledig vastleggen van behandelingen en het daarmee kunnen evalueren van de effecten, niet alleen op individueel patiënt niveau maar ook op populatie niveau ten bate van management en wetenschappelijk onderzoek.

Hoe?

Cyclisch Behandel/Order Proces

Het gehele behandel proces kan als volgt worden omschreven:

Cyclisch Behandel/Order Proces
  1. Er zijn databronnen / protocollen nodig om de juiste behandeling op te zoeken en hoe deze uit te voeren. Dit wordt aangeleverd door professionals vanuit verschillende disciplines.
  2. Op grond van deze gegevens en patiënt gegevens wordt een behandeling samengesteld. Behandelingen kunnen worden toegevoegd, gewijzigd of worden verwijderd aan een behandelplan.
  3. Deze behandeling in de vorm van voorschriften, orders, etc… moet worden kunnen worden geautoriseerd en/of gevalideerd.
  4. Vervolgens moet een planning plaatsvinden wanneer de behandeling wordt gestart met welke frequentie en tot wanneer.
  5. Vaak zijn er nog bereidingsstappen noodzakelijk voor het uitvoeren van de behandeling en vervolgens
  6. Moet worden geregistreerd dat een behandeling/order heeft plaatsgevonden of is uitgevoerd.
  7. Tot slot, last but not least, moet worden geëvalueerd wat het effect is van de ingestelde behandeling op grond waarvan op individuele patiënt niveau het behandelplan moet worden aangepast of op afdeling of populatie niveau moet worden aangepast door bv. veranderingen van protocollen.

Veilig, efficient en lerend

Een decision support systeem dat de volledige behandel/order (of voorschrijf) cyclus kan ondersteunen levert daarmee een zeer grote bijdrage aan:

  1. Veiligheid: Door het direct kunnen opzoeken vanuit databronnen/protocollen wat de juiste behandeling is met alle bijbehorende berekeningen.
  2. Efficiency: Opzoeken en uitrekenen kan voor elke stap van het proces worden uitgevoerd, met name bij het voorschrijven/plannen en bereiden van de behandeling. Door het wegnemen van deze foutgevoelige en tijdrovende taken bij voorschrijvers en verpleegkundigen kan een enorme tijdswinst worden gemaakt.
  3. Evaluatie: Het decision support systeem kan niet alleen het correct en tijdig aanpassen van een individuele behandeling ondersteunen maar ook verder wetenschappelijk onderzoek en management informatie opleveren.

Er is dus een generiek systeem nodig met een achterliggend data model waarmee alle aspecten van de behandeling kunnen worden ondersteund en worden vastgelegd.

Wat?

Om te zorgen dat een DCSS kan doen wat het moet doen zijn er een aantal uitdagingen te overwinnen:

  1. Het achterliggend data model moet alle aspecten van een behandeling/order kunnen vastleggen.
  2. Het systeem moet alle noodzakelijke berekeningen kunnen uitvoeren.

Datamodel

Generiek Order Data Model

Een behandeling kan bestaan uit interventies, zoals medicatie, vocht en voeding, maar zoals uit de voorgaande scenario’s blijkt kan ook een defibrillatie betreffen of een tube maat. Daarnaast kunnen orders betrekking hebben op diagnostiek aanvragen. Een data model wat alle modaliteiten kan weergeven heeft een aantal belangrijke voordelen:

  1. Er kan een compleet overzicht getoond worden van alle lopende orders van een patiënt of zelfs een groep van patiënten.
  2. Er kan rekening gehouden worden met logische verbanden tussen orders. Bv. een order voor een bloedkweek of dalspiegel kan worden ingepland voor de order van de eerste gift van antibiotica.
  3. Er kunnen berekeningen worden uitgevoerd over een set van orders heen. Bv. alle orders die een vocht volume hebben kunnen bij elkaar worden opgeteld om zodoende de totale vochtintake van een patiënt te berekenen.

Met bovenstaand datamodel kunnen in principe de meeste medische orders worden gerepresenteerd zodanig dat een volledige decision support mogelijk is betreffende het vinden van de juiste behandeling en het uitvoeren van alle noodzakelijke berekeningen.

Een ander belangrijk bijkomend voordeel is dat dit data model een presentatie kan geven van eenzelfde voorschrift wat aansluit bij het beoogde gebruik en/of doelgroep. B.v:

  • Voorschrijvers:
    • Dopamine iv 5 mcg/kg/min 
    • Paracetamol rect 70 mg/kg/dag in 3 x /dag
  • Apothekers:
    • DOPAMINE 40 MG/ML INFVLST AMPUL 5ML
    • PARACETAMOL 120 MG ZETPIL
  • Verpleegkundigen:
    • Dopamine 5 ml in 45 ml NaCl 0,9%, 1 ml/uur
    • Paracetamol zetpil 08:00, 14:00 en 22:00 uur

Een voorschrijver denkt in termen van een werkzame stof, route en dosering (hetgeen het effect bepaald). Een apotheker denkt in termen van producten, terwijl een verpleegkundige moet weten hoe de bereiding en toediening moet plaatsvinden. Tegelijkertijd betekent dit ook dat al bij de voorschrijf stap rekening gehouden moet worden met beperkingen veroorzaakt door de daaropvolgende stappen. Bv. als geen tablet van 10 mg voorhanden is dan is mogelijk een alternatief om een tablet van 5 mg, maar dan 2 stuks, te geven. Een systeem wat meteen al bij de voorschrijf stap al deze mogelijkheden doorrekent voorkomt dat voorschriften niet uitgevoerd kunnen worden.

Berekeningen

Berekeningen voor orders zijn op zich zelf en losstaand simpel, ofwel het betreft een vermenigvuldiging ofwel het is een optelsom. Er zijn echter een aantal factoren waardoor het volledig doorrekenen van een set van orders zeer complex wordt:

  1. Het betreft een groot aantal potentiële berekeningen, namelijk 45 in totaal met 34 verschillende variabelen. Een variabele kan in verschillende formules terugkeren.
  2. Elke berekening moet in elke volgorde kunnen worden uitgevoerd.
  3. Een variabele kan beperkt zijn door een minimale, maximale waarde, een specifieke stapgrootte en/of beperkt zijn door een vast set van waarden.
  4. De variabelen in de berekeningen kunnen verschillende eenheden hebben als massa, tijd en mol.

Variabelen

Voor het data model van een behandeling zijn 34 te berekenen variabelen te definiëren. Voorbeelden van variabelen zijn:

  • dosering
  • pomp concentratie
  • infusiesnelheid

Deze variabelen kunnen niet elke mogelijke waarde hebben. Voor geen van bovenstaande variabelen is een negatieve waarde mogelijk. De pomp concentratie is beperkt door de concentratie van het pure product wat verdunt kan worden door het in oplossing te brengen. Een infusie snelheid kent een minimale stapgrootte. Voor een dosering gelden vaak toegestane maximale of minimale waarden. Dat betekent dat een variabelen beperkt kan worden door de volgende factoren:

  • Een minimale en/of maximale waarden
  • Een specifieke stapgrootte
  • Of een set van mogelijke waarden

Formules

Voor het doorrekenen van een order en totalen in een orderset zijn in totaal 45 rekenregels noodzakelijk.

ItemComponentQuantity = ItemComponentConcentration x ComponentQuantity
ItemOrderableQuantity = ItemOrderableConcentration x OrderableQuantity
ItemOrderableQuantity = ItemComponentConcentration x ComponentOrderableQuantity
ItemDoseTotal = ItemDoseQuantity x Frequency
ItemDoseQuantity = ItemDoseRate x Time
ItemDoseQuantity = ItemComponentConcentration x ComponentDoseQuantity
ItemDoseTotal = ItemComponentConcentration x ComponentDoseTotal
ItemDoseRate = ItemComponentConcentration x ComponentDoseRate
ItemDoseQuantityAdjust = ItemComponentConcentration x ComponentDoseQuantityAdjust
ItemDoseTotalAdjust = ItemComponentConcentration x ComponentDoseTotalAdjust
ItemDoseRateAdjust = ItemComponentConcentration x ComponentDoseRateAdjust
ItemDoseQuantity = ItemOrderableConcentration x OrderableDoseQuantity
ItemDoseTotal = ItemOrderableConcentration x OrderableDoseTotal
ItemDoseRate = ItemOrderableConcentration x OrderableDoseRate
ItemDoseQuantityAdjust = ItemOrderableConcentration x OrderableDoseQuantityAdjust
ItemDoseTotalAdjust = ItemOrderableConcentration x OrderableDoseTotalAdjust
ItemDoseRateAdjust = ItemOrderableConcentration x OrderableDoseRateAdjust
ItemDoseQuantity = ItemDoseQuantityAdjust x Adjust
ItemDoseTotal = ItemDoseTotalAdjust x Adjust
ItemDoseRate = ItemDoseRate x Adjust
ItemDoseTotalAdjust = ItemDoseQuantityAdjust x Frequency
ItemDoseQuantityAdjust = ItemDoseRateAdjust x Time
ComponentOrderableQuantity = ComponentOrderableConcentration x OrderableQuantity
OrderableQuantity = ComponentComponentQuantity x ComponentOrderableCount
OrderableOrderQuantity = ComponentComponentQuantity x ComponentOrderCount
ComponentDoseTotal = ComponentDoseQuantity x Frequency
ComponentDoseQuantity = ComponentDoseRate x Time
ComponentDoseQuantity = ComponentOrderableConcentration x OrderableDoseQuantity
ComponentDoseTotal = ComponentOrderableConcentration x OrderableDoseTotal
ComponentDoseRate = ComponentOrderableConcentration x OrderableDoseRate
ComponentDoseQuantityAdjust = ComponentOrderableConcentration x OrderableDoseQuantityAdjust
ComponentDoseTotalAdjust = ComponentOrderableConcentration x OrderableDoseTotalAdjust
ComponentDoseRateAdjust = ComponentOrderableConcentration x OrderableDoseRateAdjust
ComponentDoseTotalAdjust = ComponentDoseQuantityAdjust x Frequency
ComponentDoseQuantityAdjust = ComponentDoseRateAdjust x Time
ComponentDoseQuantity = ComponentDoseQuantityAdjust x Adjust
ComponentDoseTotal = ComponentDoseTotalAdjust x Adjust
ComponentDoseRate = ComponentDoseRateAdjust x Adjust
OrderQuantity = OrderCount x OrderableQuantity
OrderableDoseTotal = OrderableDoseQuantity x Frequency
OrderableDoseQuantity = OrderableDoseRate x Time
OrderableDoseTotalAdjust = OrderableDoseQuantityAdust x Frequency
OrderableDoseQuantityAdjust = OrderableDoseRateAdjust x Time
OrderableDoseTotal = OrderableDoseTotalAdjust x Adjust
OrderableDoseQuantity = OrderableQuantityAdjust x Adjust
OrderableDoseRate = OrderableDoseRateAdjust x Adjust

Een berekening kan b.v. er uit zien als volgt:

  • dosering = infusiesnelheid x pomp concentratie of
  • pomp concentratie = dosering / infusiesnelheid of
  • infusiesnelheid = dosering / pomp concentratie

Het systeem moet alle bovenstaande scenario’s kunnen uitrekenen. Een patiënt kan terug komen van OK met een bepaalde pomp concentratie en infuussnelheid waarna een dosering moet worden berekend. Vervolgens kan op basis van een vochtbeperking het noodzakelijk zijn om bij een gefixeerde dosering en infusiesnelheid de pomp concentratie te berekenen. Ook moet het mogelijk zijn om met een vaste pomp concentratie en gewenste dosering de juiste infusiesnelheid te berekenen.

Om te zorgen dat voor elke variabele in elke formule er een oplossing bestaat wordt het volgende algoritme gehanteerd:

Eenheden en precisie

Het systeem moet kunnen omgaan met eenheden om vragen te kunnen beantwoorden als:

  1. Wat is 100 mg + 1 g?
  2. Is een patiënt met de leeftijd van 10 maanden ouder of jonger dan 1 jaar?
  3. Wat is de uitkomst van 10 ml + 1 L of 200 mg / 4 kg lichaamsgewicht?
  4. Wat is de resulterende eenheid van 10 mg/ml * 1 ml?
  5. Wat is de een hoeveelheid van mg/kg/day uitgedrukt als mcg/kg/hour?

Conclusies

Er is een enorme winst te behalen in veiligheid en efficiency door clinical decision support in het behandelproces betreffende opzoeken en rekenen

Daarnaast opent dit de weg naar ondersteuning middels Machine Learning en meer, gedetailleerder en beter onderzoek naar de effecten van behandelingen en verbetering van de zorg

Leave a Reply

Your email address will not be published.