Het is showtime voor de no-shows
Om onderstaande en alle andere premium artikelen te lezen, moet u inloggen of een account aanmaken.
U kunt nog {free_articles_left} premium artikel gratis lezen. Om meer premium artikelen te lezen, moet u inloggen of een account aanmaken.
No shows zijn geen nieuw probleem in de zorg. Het aantal patiënten dat niet op een ziekenhuisafspraak verschijnt, groeit. Zo’n 800.000 patiënten komen jaarlijks niet opdagen. Elke gemiste afspraak betekent verloren behandeltijd, frustratie bij zorgprofessionals en langere wachttijden voor andere patiënten. Wél nieuw, is dat we met behulp van AI steeds beter kunnen herkennen waar het risico op no show zit – nog vóórdat het probleem zich daadwerkelijk voordoet.
De mProve-ziekenhuizen Isala, Jeroen Bosch en Zuyderland hebben getest hoe AI-modellen patronen zichtbaar maken. Door historische data slim te analyseren, kan een AI-toepassing patiënten identificeren bij wie de kans op een gemiste afspraak verhoogd is. Denk aan analyse van eerdere no-shows, aantal eerdere afspraken, tijd sinds afspraak en afstand tot ziekenhuis. Dit met in achtneming van privacy en bescherming van patiëntgegevens. Niet om te oordelen, maar om tijdig te kunnen handelen.
Het innovatieve karakter zit daarbij niet alleen in de technologie zelf, maar vooral in wat die technologie mogelijk maakt. AI helpt ons focus aan te brengen. In plaats van iedereen standaard te benaderen, kunnen ziekenhuizen gerichter kiezen: wie heeft extra aandacht nodig, en wie niet? Daarmee verschuift no show-beleid van generiek naar voorspellend.
De praktijk laat zien dat deze voorspelling ook een realistisch beeld geeft van de complexiteit. AI voorspelt geen zekerheid, maar waarschijnlijkheid. Ziekenhuizen maken vervolgens eigen keuzes: bellen, sms’en, voicebots inzetten – of soms bewust niets doen.
Die ruimte voor maatwerk is essentieel, omdat geen poli, populatie of ziekenhuis hetzelfde is. Slimme toepassing van AI in combinatie met gerichte nazorg leidde bij de drie deelnemende mProve-ziekenhuizen tot significant minder no show. De beste resultaten tot op heden zijn een reductie van 22 procent no show binnen de hoog-risicogroep.
Tegelijkertijd maakt AI zichtbaar dat no shows geen puur technisch probleem zijn. Een model kan signaleren, maar pas als processen, capaciteit en verantwoordelijkheden goed zijn ingericht, ontstaat effect. Juist doordat AI zo scherp laat zien waar de risico’s zitten, dwingt het organisaties na te denken over hun inrichting: wie pakt het signaal op, en wat doen we ermee?
De grootste waarde van AI zit hier misschien wel in het leervermogen dat ontstaat. Door risico’s inzichtelijk te maken, kunnen ziekenhuizen stap voor stap ontdekken wat werkt in hun context – en wat niet. Soms leidt dat tot een duidelijke daling van no shows, soms vooral tot beter begrip van de dagelijkse praktijk. Het levert in beide gevallen winst op.
AI als hulpmiddel om no shows te detecteren is daarmee geen snelle oplossing, maar een strategisch instrument. Het helpt ons om gerichter te kijken, betere keuzes te maken en de zorgcapaciteit slimmer te benutten. Niet door alles over te nemen, maar door ons beter te informeren. En juist dat maakt deze toepassing zo relevant voor de toekomst van toegankelijke zorg.