Elektronische vragenlijsten in de zorg

08-04-2020

11.45

Aula

Patient reported measures in eHealth: on measurement properties and data opportunities

K.I. Neijenhuijs

prof.dr. I.M. Verdonck-de Leeuw, prof.dr. W.J.M.J. Cuijpers

Faculteit der Gedrags- en Bewegingswetenschappen

Bewegingswetenschappen

Promotie

Elektronische vragenlijsten zijn uit de zorg niet meer weg te denken. Vaak worden ze gebruikt om de kwaliteit van de zorg te meten. Een belangrijke vraag is of de beschikbare vragenlijsten meten wat ze beogen te meten (validiteit) en of ze dit consistent doen (betrouwbaarheid). Uit het promotieonderzoek van Koen Neijenhuijs blijkt dat voorgaand onderzoek naar deze eigenschappen niet altijd voldoet aan de recente methodologische richtlijnen die zijn opgesteld door de COSMIN-groep in het Amsterdam Universitair Medisch Centrum.

Hierdoor is niet altijd te beoordelen of vragenlijsten voldoende valide en/of betrouwbaar zijn en is er meer en beter onderzoek nodig. Dit kan op de gebruikelijke manier, waarin patiënten vragenlijsten invullen, maar er kan ook gebruik gemaakt worden van ‘real-world’ data verkregen uit bijvoorbeeld Apps die mensen kunnen gebruiken om hun gemoedstoestand bij te houden, of uit elektronische patiëntendossiers van ziekenhuizen.

Gegevens uit vragenlijsten
Neijenhuijs: “Zorginstellingen zoals ziekenhuizen en eigenaren van elektronische gezondheidswebsites en -applicaties verzamelen enorm veel gegevens door het gebruik van elektronische vragenlijsten. Deze zogenaamde ‘big data’ kan gebruikt worden om nieuwe analyses uit te voeren op validiteit en betrouwbaarheid. Dit zou een werkwijze creëren waarin de zorg zelf meetinstrumenten onderzoekt en doorontwikkelt. Buiten een aantal academische ziekenhuizen wordt dit soort data nog nauwelijks op zo’n manier gebruikt.”

Kunstmatige intelligentie
Daarnaast kan deze big data voor veel andere interessante vraagstellingen gebruikt worden. Door nieuwe technieken in de kunstmatige intelligentie en data science kunnen veel vraagstukken onderzocht worden die niet of moeilijk te onderzoeken zijn in een kleinere wetenschappelijke omgeving. Denk bijvoorbeeld aan het beter begrijpen van het effect van een kankerbehandeling op de kwaliteit van leven. Sommige patiënten blijven met lichamelijke of psychische klachten kampen en anderen niet.

Hoe komt dat? Neijenhuijs: “ik heb machine learning technieken gebruikt om de data van ruim duizend overlevenden van kanker te analyseren die het Oncokompas hadden gebruikt (een app en website die kankerpatiënten helpt de juiste nazorg te vinden). Interessant was dat mensen met veel lichamelijke klachten ook vaak veel psychische klachten hadden. Terwijl mensen met mildere klachten minder vaak zowel lichamelijk en psychische klachten hadden, en meestal ofwel alleen milde lichamelijke klachten, of alleen milde psychische klachten hadden.” Wat dit precies betekent zal verder onderzocht moeten worden. Maar het is wel duidelijk dat dit soort ‘real-world’ data van groot belang zijn voor de wetenschap en kunnen bijdragen aan de verdere verbetering van de zorg in Nederland.

Meer informatie over het proefschrift