Event Abonneren
×

Kwaliteit van leven verbeteren door slim datagebruik

Gezondheidsapplicaties schieten de afgelopen jaren als paddenstoelen uit de grond. Mensen gebruiken steeds meer applicaties en draagbare apparaatjes om zelf hun gezondheid in de gaten te houden. Kan je mensen met een chronische aandoening ook helpen met een app? En hoe kan zo’n app ervoor zorgen dat je daadwerkelijk de kwaliteit van leven van deze […]

Gezondheidsapplicaties schieten de afgelopen jaren als paddenstoelen uit de grond. Mensen gebruiken steeds meer applicaties en draagbare apparaatjes om zelf hun gezondheid in de gaten te houden. Kan je mensen met een chronische aandoening ook helpen met een app? En hoe kan zo’n app ervoor zorgen dat je daadwerkelijk de kwaliteit van leven van deze mensen verbeterd? 

Mariet Verburg van Mediquest deelt wat hier vanuit data-perspectief voor nodig is vanuit de ervaringen met het beheren van data voor de Happi app

Onbelicht in de wereld van gezondheidsapplicaties: het datamodel 
Als we gezondheidsapplicaties echt willen inzetten om het welbevinden van mensen met een chronische aandoening te verbeteren, moeten we er natuurlijk voor zorgen dat ze van goede kwaliteit zijn. Aan de ene kant kunnen gebruikers namelijk ten onrechte gerust worden gesteld en aan de andere kant kun je juist ook onnodige zorgen creeëren. Een vrij onbelicht risico bij hierbij is het datamodel. Om kloppende adviezen te kunnen geven en waardevolle analyses te kunnen doen op totaalniveau, moet de data echt goed op orde zijn. 

Als je niet oppast wordt het een grote warboel aan de achterkant
Voor de voorkant van een app – wat de gebruiker ziet en kan doen – is het inmiddels duidelijk: het is belangrijk dat dit zo gebruiksvriendelijk mogelijk wordt ontworpen. Maar niet alleen de voorkant van een app behoeft aandacht: als je niet oppast dan wordt het een grote warboel aan de achterkant. De gebruiker vult namelijk allerlei gegevens in binnen zo’n app, ook leveren ziekenhuizen gegevens aan voor de gebruikers. Van resultaten van een labbepaling na bloedafname tot het bestellen van nieuwe medicijnen. Bij de labbepalingen na bloedafname zien we bijvoorbeeld dat de eenheden per ziekenhuis verschillen. Ook de medicijn dosering wordt bijvoorbeeld in verschillende eenheden geregistreerd. We moeten dus data corrigeren om het consistent te krijgen en aan de andere kant moet er meer afgestemd worden om goede data te krijgen. 

Structureren begint al aan de voorkant
Het structureren van data begint namelijk al aan de voorkant. Hoe een app informatie uitvraagt in een formulier is al bepalend voor het binnenkrijgen van consistente data. Zo krijg je door open velden te gebruiken veel dezelfde informatie, verschillend binnen. Het woord paracetamol komt bijvoorbeeld in vele varianten voor in de data. Voor eenduidige data is het dus beter om gebruik te maken van selectielijsten in plaats van open velden. Daarnaast zien we dat gebruikers vaak niet consistent zijn in het invullen van vragenlijsten. Bij sommige vragenlijsten is het nodig dat ze een week iedere dag worden ingevuld om een goed beeld te krijgen maar dit vergeten gebruikers. Het gaat dus niet alleen om het bewaken van wat er ingevuld wordt, maar ook hoe regelmatig er ingevuld wordt. 

Tot slot is het wijs om aan te sluiten op zogenaamde zorginformatiebouwstenen: ‘zorginformatiebouwstenen (zibs) vormen de basis voor standaardisatie van zorginformatie. Een zib definieert een bepaald klinisch relevant concept zodanig dat de bouwsteen bruikbaar is in verschillende zorgsituaties en verschillende zorginformatiesystemen’.