20 maart 2026

Introductie van Co-Medic Research: Identificeer patiëntpopulaties in de huisartsenpraktijk

Max van de Ven, Stijn Bruggeman, Ruben Styl

Introductie van Co-Medic Research: Identificeer patiëntpopulaties in de huisartsenpraktijk

Van patiëntdata naar populatieonderzoek

De huisartsenpraktijk beschikt over een enorme hoeveelheid patiëntdata, labresultaten, diagnoses, voorschriften, vitale functies, specialistenbrieven, maar toegang op populatieniveau is altijd het knelpunt geweest. Een cohort identificeren zoals "patiënten met verhoogd NT-proBNP en aanwijzingen voor hartfalen die geen RAAS-remmende therapie gebruiken" betekent doorgaans weken handmatig dossieronderzoek of aangepaste databasequeries.

Co-Medic Research maakt populatie- of cohortanalyse direct uitvoerbaar. In plaats van weken handmatig dossieronderzoek of aangepaste databasequeries, krijg je vrijwel direct inzicht in je volledige praktijkpopulatie, gebaseerd op zowel gecodeerde EPD-data als ongestructureerde klinische tekst. Het resultaat is een gestructureerde, doorzoekbare populatietabel klaar voor analyse.

Hoe het werkt

Stap 1

Definieer je populatiequery

Beschrijf de patiëntpopulatie die je zoekt, welke diagnoses, labwaarden, medicatie of risicofactoren relevant zijn. Stel inclusiecriteria, drempelwaarden en tijdsvensters in om je cohort vorm te geven.

1
Stap 2

Co-Medic verrijkt

Co-Medic voert gerichte verrijkingen uit over de patiëntpopulatie. Gestructureerde EPD-data wordt eerst gematcht. Waar hiaten bestaan, verwerkt de NLP-pipeline ongestructureerde brieven en rapporten om ontbrekende waarden aan te vullen.

2
Stap 3

Analyseer je cohort

Bekijk het resulterende cohort in een gestructureerde populatietabel. Elke rij is een patiënt, elke kolom een geëxtraheerd en herleidbaar datapunt. Zoom in op individuele dossiers, verfijn je query, of exporteer het cohort voor verdere analyse.

3

Elk datapunt in de praktijk, doorzoekbaar

Elke kolom in een populatietabel verwijst naar een specifiek type klinische data. Het systeem ondersteunt momenteel meer dan 20 kolomtypes, waaronder:

Labresultaten

LOINC-gecodeerde waarden, bereiken, trends over tijd

Medicatie

Actieve voorschriften, ATC-codes, dosiswijzigingen

Aandoeningen

Diagnoses gecodeerd in ICPC-2 en SNOMED-CT

Vitale functies

Bloeddruk, BMI, hartslag, zuurstofsaturatie

Ingrepen

Chirurgische voorgeschiedenis, beeldvorming, interventies

Vaccinaties

Vaccinatiestatus en -schema's

Demografie

Leeftijd, geslacht, praktijkstatus

Zorgplannen

Actieve zorgtrajecten, trajecten, verzekeringsstatus

Berekeningen

Combineer kolommen met klinische logica om complexe criteria te markeren

En meer

Allergieën, sociale voorgeschiedenis, familiegeschiedenis, beeldvorming, vragenlijsten, consulten, verzekeringen, lichamelijk onderzoek, ...

Verrijkingen: wanneer gestructureerde data niet volstaat

Niet elk klinisch feit staat in een netjes gecodeerd veld. Een diagnose die alleen in een ontslagbrief wordt genoemd, een labwaarde verscholen in een PDF-rapport, een medicatiewijziging beschreven in vrije tekst, dit is de realiteit van huisartsdata.

Datadekking over een praktijkpopulatie

Alleen gestructureerde data
Na Co-Medic verrijking
Gestructureerde EPD-data Verrijkt door Co-Medic Niet beschikbaar

Wanneer de Research Tool hiaten in gestructureerde data tegenkomt, voert Co-Medic gerichte verrijkingen uit om ze op te vullen. Het systeem identificeert precies welke patiënten welke datapunten missen, en zoekt en extraheert vervolgens uit ongestructureerde bronnen, specialistenbrieven, ontslagrapporten, klinische notities.

Elke verrijkte waarde linkt terug naar het exacte document en de passage waaruit deze is geëxtraheerd. Niets is een black box, je kunt altijd verifiëren waar een datapunt vandaan komt.

Een praktisch voorbeeld: diabetesscreening

Een praktijk wil een volledig beeld krijgen van hun diabetespopulatie. Ze bouwen een populatiequery met vijf criteria, Type 2 diabetes diagnose, HbA1c, eGFR, LDL-cholesterol en metforminegebruik, en evalueren elke patiënt in de praktijk in enkele seconden.

Diabetesscreening populatietabel met patiënten met Type 2 diabetes diagnose, HbA1c, eGFR en LDL-cholesterol kolommen

Elke kolom haalt data op uit het klinisch dossier van de patiënt, labresultaten via LOINC-code, medicatie via ATC-classificatie, diagnoses via ICPC-2 en SNOMED-CT. Waar data ontbreekt, kan Co-Medic gerichte verrijkingen uitvoeren om waarden te extraheren uit onverwerkte brieven en rapporten.

Van vraag naar cohort

Je hoeft niet elk criterium handmatig te configureren. Co-Medic Research bevat een conversationele AI-agent die je helpt populatiequeries op te bouwen via natuurlijke taal. Beschrijf je onderzoeksvraag: "Vind patiënten met CKD stadium 3+ die geen SGLT2-remmers gebruiken zonder geregistreerde contra-indicatie", en de agent vertaalt dat naar de juiste criteria, verrijkingen en drempelwaarden. Jij houdt de controle; de AI regelt de configuratie.

Private beta

Co-Medic Research is momenteel beschikbaar voor geselecteerde partners en onderzoeksprojecten. Wil je als praktijk of onderzoeksgroep vroege toegang, dan horen we graag van je.

Neem contact op

Meer weten over Co-Medic?

Neem contact op met ons team of ontdek meer artikels in ons blogarchief.

Gerelateerde artikels