Longitudinal effects ambient AI scribe use on documentation burden and financial productivity: A quasi-experimental study

Deze longitudinale quasi-experimentele studie toont aan dat het gebruik van een omgevings-AI-scribe door huisartsen geleidelijk leidt tot een blijvende vermindering van de documentatietijd en een toename van de financiële productiviteit over een periode van 150 dagen, wat de noodzaak onderstreept van langetermijnevaluaties voor de adaptatie van dergelijke tools.

De kern

Het Grote Experiment: De "Slimme Schrijver" voor Dokters

Stel je voor dat een dokter een zeer drukke restaurantchef is. De chef moet constant nieuwe gerechten (patiënten) bereiden, maar in plaats van alleen te koken, moet hij ook nog een gedetailleerd dagboek schrijven over elk gerecht: welke ingrediënten werden gebruikt, hoe het smaakte, en wat de klant zei.

Voorheen moest deze chef tijdens het koken en na het sluiten van de keuken (soms tot diep in de nacht) zelf dat dagboek schrijven. Dit kostte enorm veel tijd en energie, waardoor hij minder kon koken en meer gestrest raakte.

Nu hebben ze een nieuwe assistent gekregen: een AI-schrijver (een kunstmatige intelligentie). Deze assistent luistert mee naar het gesprek tussen de chef en de klant en schrijft het dagboek voor. De chef hoeft alleen nog maar te controleren of het klopt en te ondertekenen.

De onderzoekers van deze studie wilden weten: Werkt deze nieuwe assistent echt, en hoe gaat het er na verloop van tijd mee?

Wat hebben ze gedaan?

Ze keken niet naar één moment, maar volgden 220 dokters (de chefs) gedurende een heel jaar. Ze keken naar de periode voor de AI en de periode na de introductie, dag na dag. Het is alsof je een video maakt van de chef die de nieuwe assistent leert gebruiken, in plaats van alleen een foto te maken voor en na.

Wat ontdekten ze? (De Veranderingen in de Tijd)

Het belangrijkste lesje uit dit onderzoek is: Het is een leerproces. De AI was niet direct perfect, maar werd steeds beter naarmate de dokters er meer mee werkten.

1. De tijdwinst groeit (De "Schaal" die vult)

• Direct na introductie (Dag 0): De dokters schreven hun verslagen ongeveer 7% sneller. Het was alsof ze net een nieuwe tool hadden gekregen en nog even moesten wennen.
• Na 5 maanden (Dag 150): De tijdwinst was gegroeid naar 15%.
• De vergelijking: Stel je voor dat je eerst 10 minuten per dag bespaart op je reistijd. Na een paar maanden, als je de nieuwe route onder de knie hebt, bespaar je ineens 20 minuten. De dokters leerden hoe ze de AI het beste konden gebruiken.

2. Minder werk 's avonds en 's nachts (De "Pajama-tijd")

• In het begin veranderde er niets aan het werk dat ze 's avonds of 's nachts moesten doen (de tijd die ze besteedden aan het schrijven na hun werkuren).
• Maar na 5 maanden zagen ze een groot verschil: ze moesten 18% minder in hun pyjama werken.
• De vergelijking: Eerst namen ze de nieuwe assistent mee naar huis om 's avonds nog even te checken. Maar na verloop van tijd hadden ze het systeem zo goed onder de knie dat ze 's avonds eindelijk hun pyjama aan konden trekken en rustig konden gaan slapen.

3. De "Eindstreep" (Het snel afmaken van verslagen)

• Aan het begin schreven de dokters hun verslagen veel sneller af (binnen 24 uur). Ze waren enthousiast en wilden alles direct regelen.
• Na verloop van tijd vertraagden ze weer iets. Ze merkten dat ze niet direct hoefden te werken omdat de AI het gesprek al had opgeschreven. Ze konden het verslag dus rustiger afmaken.
• De vergelijking: Het is alsof je een boodschappenlijstje maakt. Eerst ren je naar de supermarkt om alles direct te kopen. Later realiseer je je dat je de lijst kunt bewaren en morgen pas hoeft te gaan, omdat je weet dat de lijst er nog steeds is.

4. Meer geld voor de praktijk?

• De dokters verdienden aan het einde van de 5 maanden ongeveer 2% meer aan "werk-punten" (een maatstaf voor hoeveel werk ze hebben gedaan en hoe goed ze dit hebben gefactureerd).
• De vergelijking: Omdat de verslagen nu completer en accurater waren (door de AI), konden ze beter aangeven wat ze allemaal hadden gedaan, wat resulteerde in iets meer inkomsten voor de praktijk.

Waarom is dit onderzoek speciaal?

Veel eerdere studies keken alleen naar het begin en het einde (een "voor-en-na" foto). Dit onderzoek keek naar de hele film. Ze zagen dat dokters niet direct perfect zijn met nieuwe technologie. Ze moeten wennen, experimenteren en hun workflow aanpassen.

• Eerst: "Oh, dit is handig, ik ga het direct gebruiken!"
• Later: "Oh, ik kan dit nu zo instellen dat ik 's avonds vrij ben."

De Conclusie in één zin

Deze "slimme schrijver" is geen magische toverstaf die alles direct oplost, maar het is een krachtige tool die, naarmate dokters er meer mee leren werken, hun werkdruk verlaagt, hen meer vrije tijd geeft en hen helpt om beter te werken. Het is een proces van wennen, maar het resultaat is het waard.

Technische samenvatting

Titel: Longitudinale effecten van het gebruik van een omgevings-AI-scribe op documentatielast en financiële productiviteit: Een quasi-experimentele studie

1. Het Probleem

Het gebruik van elektronische gezondheidsdossiers (EHR) heeft de afgelopen decade exponentieel toegeleid, wat leidt tot een aanzienlijke last voor zorgverleners. Een belangrijke oorzaak is de toegenomen documentatievereisten, die bijdragen aan burnout en een slechtere werk-privébalans. Onderzoek toont aan dat elke uur patiëntcontact vaak gepaard gaat met ongeveer twee uur aan extra documentatietijd.

Hoewel AI-gestuurde "scribes" (die een concept van een klinische notitie genereren op basis van het gesprek) veelbelovend zijn, is het bewijs voor hun daadwerkelijke impact beperkt en soms tegenstrijdig. Bestaande studies hebben vaak methodologische tekortkomingen:

• Ze vertrouwen op geaggregeerde, leveranciersspecifieke metrics op cliëntniveau in plaats van op patiënt-encounter-niveau.
• Ze gebruiken vaak enkelvoudige "voor-na" (pre-post) ontwerpen, wat de evolutie van aanpassing en adoptie door zorgverleners over de tijd niet vastlegt.
• Ze missen de nuance van hoe zorgverleners deze tools integreren in hun workflow naarmate ze er meer ervaring mee opdoen.

2. Methodologie

De auteurs hebben een longitudinale, quasi-experimentele studie uitgevoerd met een onderbroken tijdsreeksontwerp (interrupted time series).

• Setting & Deelnemers: De studie omvatte 220 primaire zorgverleners (huisartsen en geavanceerde praktijkverleners/APP's) uit 36 klinieken binnen een groot gezondheidsstelsel in het Amerikaanse Midwesten. Er werden 314.845 patiënt-encounters geanalyseerd.
• Interventie: De introductie van een omgevende AI-scribe (Abridge Inc.) die geïntegreerd was in het Epic EHR-systeem. De startdatum voor elke zorgverlener werd gedefinieerd als "dag 0".
• Periode: Data werden verzameld over een periode van 48 weken (24 weken voor en 24 weken na de implementatie per zorgverlener), met data van 5 januari 2024 tot 31 oktober 2025.
• Data Bron: Gegevens werden opgehaald uit de "User Action Log Lite" tabellen van Epic, op encounter-niveau. Dit omvatte tijdsbestekken voor actieve documentatie, notielengte, sluitingstijden en werk-RVU's (Relative Value Units).
• Statistische Analyse:
  • Er werd een Bayesiaans niet-lineair onderbroken tijdsreeksmodel gebruikt met een latente autoregressieve term om dag-tot-dag variabiliteit in werkpatronen te modelleren.
  • Een Generalized Additive Model (GAM) werd gebruikt om niet-lineaire afwijkingen in de post-periode te modelleren.
  • Het model genereerde een contrafactueel (wat zou zijn gebeurd zonder AI) en berekende de afwijking als een Incidence Rate Ratio (IRR).
  • De analyse focuste op 6 uitkomstmaten: schrijftijd, tijd buiten kantoortijden (TOSH), "pajama time" (werk na 17:30), notielengte, sluiting binnen 24 uur, en totale wRVU's.
  • Resultaten werden gerapporteerd op dag 0, 30, 60, 90, 120 en 150.

3. Belangrijkste Bijdragen

• Longitudinale Perspectief: In tegenstelling tot de meeste eerdere studies die slechts twee meetpunten gebruiken, toont deze studie aan hoe de impact van AI-scribes zich geleidelijk ontwikkelt over een periode van 150 dagen.
• Encounter-niveau Analyse: Door te werken op het niveau van individuele patiëntbezoeken in plaats van geaggregeerde leveranciersdata, konden belangrijke covariaten (zoals bezoektype en productiviteit) beter worden gecontroleerd.
• Nuance in Adaptatie: De studie onthult dat zorgverleners hun workflow aanpassen naarmate ze meer vertrouwd raken met de tool, wat leidt tot veranderende patronen in documentatiegedrag (bijv. verandering in notielengte en sluitingstijden over de tijd).

4. Resultaten

De effecten van de AI-scribe waren niet statisch; ze evolueerden significant van dag 0 tot dag 150:

• Documentatietijd:
  • Dag 0: Onmiddellijk 7% tijdsbesparing (IRR 0,93).
  • Dag 150: De besparing nam toe tot 15% (IRR 0,85). Dit komt overeen met ongeveer 68 minuten besparing per week per zorgverlener.
• Werk buiten kantoortijden (Pajama time & TOSH):
  • Er was geen significant effect op dag 0.
  • Dag 150: Er was een 18% afname in "pajama time" en een 13% afname in tijd buiten kantoortijden (TOSH). Dit suggereert dat de tool vooral op de lange termijn helpt om werk uit de vrije tijd te halen.
• Notiekenmerken:
  • Notielengte: Op dag 0 was er een tijdelijke toename van 5% in de lengte van de notities, maar dit normaliseerde zich tegen dag 150 naar het pre-periode niveau.
  • Sluiting binnen 24 uur: Er was een sterke toename van 31% in het aantal notities dat binnen 24 uur werd gesloten op dag 0. Dit effect verdween echter geleidelijk en was tegen dag 150 niet meer significant verschillend van het pre-periode niveau. Dit suggereert dat zorgverleners leren dat ze niet meer direct na het bezoek hoeven te onthouden wat er gezegd is (cognitieve lastverlaging), waardoor ze de voltooiing van de notitie kunnen uitstellen.
• Financiële Productiviteit (wRVU):
  • Er was geen significant effect op dag 0.
  • Dag 150: Een 2% toename in totale wRVU's (IRR 1,02), wat overeenkomt met ongeveer 4,4 extra RVU's per week. Dit effect was voornamelijk gedreven door artsen; voor APP's was er geen significante toename.

5. Betekenis en Conclusie

De studie concludeert dat de adoptie van AI-scribes een geleidelijk maar persistent proces is.

• Aanpassing: Zorgverleners passen hun gedrag aan naarmate ze de tool beter begrijpen. De initiële "schok" (snellere sluiting, langere notities) geeft plaats aan een geoptimaliseerde workflow die leidt tot blijvende tijdsbesparing en minder werk in de avonduren.
• Productiviteit: Hoewel de directe financiële productiviteitswinst (2%) bescheiden is, is de reductie in administratieve last en burnout (minder werk na werktijd) een significant resultaat.
• Methodologische Implicatie: De studie benadrukt dat evaluaties van AI-tools in de zorg longitudinaal moeten zijn. Eén-moment metingen (pre-post) kunnen de ware impact en de dynamiek van gebruikersadaptatie volledig missen.

Kortom, AI-scribes zijn geen "magische knop" voor onmiddellijke productiviteitswinst, maar een tool die, na een periode van adaptatie, aanzienlijke voordelen biedt in termen van werklastvermindering en werk-privébalans voor zorgverleners.