Ten tijde van crisis, komt de gemiddelde data scientist er al snel achter dat zijn of haar functie helaas vaak geen vitale functie is binnen de Nederlandse maatschappij. Waar mensen in de zorg, nutsbedrijven en supermarkten keihard doorwerken, moet de data scientist het doen met het uitvoeren van werkzaamheden vanuit huis. Ik moest ook met lede ogen aanzien hoe andere beroepen keihard doorwerken om de Nederlandse gezondheidszorg op peil te houden, terwijl ik zelf eigenlijk weinig daaraan bij kon dragen.
Gelukkig is het feit dat onze slogan “Data Science with Purpose” is, niet onopgemerkt gebleven. Waar we in het verleden al een opdracht gedaan hebben voor het Jeroen Bosch Ziekenhuis, werd nu weer een beroep op ons gedaan om te helpen ten tijde van crisis. Zo gezegd zo gedaan, en ik was onderweg naar Den Bosch, in spanning afwachtende waarmee ik het ziekenhuis zou kunnen helpen.
Eenmaal daar wilde men graag weten op welke afdelingen tekorten zouden ontstaan als deze afdelingen vol zouden stromen met COVID-19 patiënten. Er moest in eerste instantie een scenario analyse tool gebouwd worden, die de stroom van patiënten die van de spoedeisende hulp, via de interne afdelingen (IC, high care, palliatieve zorg) het ziekenhuis zouden verlaten, kon voorspellen. Vervolgens moest er gekeken worden op welke afdelingen er tekorten zouden ontstaan aan beschikbaar personeel, zodat men nu al kon beginnen met last-minute bijscholen van personeel om aan de vraagbehoefte te voorzien. Inhoudelijk een pittige uitdaging, mede door de constant veranderende situatie waarin gewerkt moest worden.
Mede dankzij de hulp van Pipple collega’s en de hulp van de Federatie Medische Specialisten, stond er in zeer korte tijd een werkbare tool die ziekenhuizen direct kunnen gebruiken. Zo zie je maar dat ook een data scientist een bijdrage kan leveren aan een acute medische noodsituatie, hoewel dat op het eerste oog misschien niet voor de hand liggend is. De samenwerking met de Jeroen Bosch Academie en de Federatie Medisch Specialisten heeft ervoor gezorgd dat we de tool snel hebben kunnen testen en we deze tool hebben kunnen delen met meerdere ziekenhuizen die er gebruik van maken.
– Lars Quaedvlieg, data scientist @ Pipple
