Data voor een fit en lang leven

Big data kunnen ons helpen langer gezond te blijven. Door slim gebruik te maken van hun voorspellende waarde. Waar liggen de kansen?

Langer gezond door big data?

In de GezondheidFabriek in Almere – waar de deelnemers vandaag aanschuiven voor het event in de reeks Slim, Groen en gezond –  gaat het om de patiënt van de toekomst. Over hoe we met databases chronische aandoeningen kunnen voorkomen. Over slimme algoritmes die ziektes sneller in kaart te brengen. De gemeente Almere, deelregio van metropool Amsterdam, is voorloper in het experimenteren met deze big data in de zorgsector. Hoe helpen zij hun bewoners vooruit?

Snelle vergrijzing

‘Onze gemeente is al jaren bezig met het beschikbaar maken van datagegevens, zegt Marjan Haak, wethouder Gemeente Almere. ‘Het is kennis die ons helpt bij maatschappelijke vraagstukken.’ Zo is er woonzorgvoorziening Woonmere, waar met hulp van digitale technieken en automatisering mensen met een beperking langer zelfstandig kunnen blijven wonen. Volgens Haak valt in de zorgsector nog een wereld te winnen door slim gebruik te maken van datatoepassingen zoals 3D en sensoren.

Ook Wytse Miedema (Gemeente Almere) noemt zijn stad een ‘door data gedreven gemeente’. Hier zetelt sinds kort een directeur Digitale stad en innovatie, en voortdurend stellen zij zichzelf de vraag: wat kunnen wij doen met data? Waar liggen de mogelijkheden? Inmiddels mag de gemeente zich partner noemen van het Europese Interreg project, TITTAN, dat zich ten doel heeft gesteld de snel vergrijzende Europese bevolking langer gezond te houden. Onder meer door het verbeteren van het regionale gezondheidszorgstelsel. Maar ook door uitwisseling van data met andere Europese steden en het promoten van nieuwe technologie. ‘Samen met het lab van de GezondheidFabriek proberen we de eindgebruikers, zoals ouderen, te betrekken bij het ontwikkeling van nieuwe diensten in de zorg.’

Verwarde personen

Maar hoe verbeter je met data de gezondheid? Is dat wel zo eenvoudig? Gijs Roelofsen van GGD Flevoland deed dataonderzoek naar verward gedrag. Met databronnen zoals dossieronderzoek en steekproeven uit politieregistraties kwam een verdiepend onderzoek tot stand, en werd context aan de cijfers gegeven. Maar met waarborging van de privacy voor de betrokkenen. ‘Van de 366 personen die we hebben onderzocht keken we naar overeenkomstige kenmerken. Wie zijn bijvoorbeeld de mensen die we vaak terugzien in de meldingen? Welk type zorgt voor overlast? Waar ontstaat de problematiek en wat voor oplossing kunnen we bieden?’ Volgens Roelofsen is dit de meerwaarde van data, om gericht vérder te kunnen kijken. ‘Van de 366 personen die we hebben onderzocht is 93 procent incidenteel verward,’ zegt Roelofsen. ‘Maar zeven procent is veelvuldig verward en werd dus veel vaker geregistreerd. Het is deze kleine groep mensen die dus meer meldingen veroorzaakt en in onze gemeente méér inzet nodig heeft.’

Privacykwesties

Met datatechnieken werd gekeken naar de leefbaarheid van Almere. Paul Mulder van de Gemeente Almere, werkte aan het project Zorgkubus. ‘In hoeverre valt de toekomst van onze bewoners te voorspellen met de juiste data?’ Voor de Zorgkubus richtten ze hun pijlers op de WMO (Wet Maatschappelijke Ondersteuning) en de bijstand. Voor de bijstand ontwikkelde Mulder en zijn collega’s een voorspelmodel. ‘Wij vroegen ons af: hoe groot is de kans op uitstroom in de bijstand? Kunnen we dit budgetteren voor onze financiële boekhouding?’  Toch vielen gerelateerde vragen, zoals in hoeverre fraude valt te voorspellen, buiten dit model. Ook liepen ze al snel op tegen ethische vraagstukken en privacykwesties. Partners van de gemeente Almere wilden niet altijd hun data delen, en als ze dat al wel wilden dan bleken veel van de afspraken eenmalig en dus niet reproduceerbaar. Terwijl je voor dergelijke modellen álle data nodig hebt.

Blijven onderzoeken

‘Wat een worsteling, dat gebrek aan samenwerking en de kwestie rondom privacy,’ verzucht dagvoorzitter en strategisch adviseur van de Board, Annelies van der Stoep. Ook Jeroen Maas, Challenge Lead Gezondheid, staat op en wijst op een slide van Mulder. ‘Het verbaast me dat redelijk voorspellende waarden, zoals het voorkomen van fraude in de bijstand, niet in dit model past,’ zegt hij. Volgens Mulder ligt dat aan het simpele feit dat die vraag niet vanaf het begin van het onderzoek is gesteld. Maas knikt. ‘Vaak blijven we hangen in cijfers. Maar kijken niet naar oorzaak en gevolg. Terwijl, dáár kunnen we goed beleid mee maken.’

Een man uit het publiek merkt op: ‘Wat je vaak ziet is dat wanneer het resultaat negatief is zo’n onderzoek al snel stopt. Maar het is juist een stukje dat je moet uitbreiden. Dit is snotverdorie een hartstikke mooi model!’ Ook Maas is het hiermee eens: ‘Data gaat juist over die continue feedback, dat stopt niet.’

Kees Stolwijk, directeur van hogeschool Windesheim Flevoland, zegt: ‘Als organisatie moet je klein beginnen en ervaring opdoen. Dat kan al met een heel simpele vraagstelling, zoals hoeveel minuten plan ik voor een cliënt in? Dat is niet veel werk, en smaakt vaak naar meer. Stel kleine vragen en groei van daaruit naar grotere projecten.’

Boerenverstand

Volgens Maas gaat het er bij data om een correlatie te vinden en daar vervolgens naar te handelen. ‘Dat doen we allang, want bij mooi weer en een groot evenement staan vaak al ambulances klaar. Dat heeft alles te maken met boerenverstand. Maar dat kan ook drie lagen dieper, op basis van data.’ Van der Stoep besluit: ‘We moeten goed nadenken waar we naartoe willen. Dat kunnen we niet als partijen alleen oplossen. Wellicht kunnen we met elkaar kijken naar vervolgstappen die waardevol zijn voor jullie en onze gezondheid!’

Verslag: Renske Jonkman

13 juni 2019

Meer weten over

Neem contact op

Deel dit artikel

#slimgroengezond

Wil je meer van dit soort artikelen?
Volg ons dagelijks op LinkedIn, X en schrijf je in voor onze Board Update.

Lees ook deze berichten