HC3 en 4 Kansen en uitdagingen van data 11/2/25 Flashcards
wat is het verschil tussen retrospectieve en prospectieve data?
retrospectief: je verzamelt data die al is gebeurd, bv van een huisartsenpraktijk. het is dus niet per se voor jouw onderzoek verzameld
prospectief: je beslist wat voor data je nodig hebt en gaat dat verzamelen. daarna onderzoek. je weet van tevoren dus wat je wil verzamelen.
wat is een klinische trial?
onderzoek waarbij je mensen randomiseert of zelf verdeelt in een groep met behandeling A en behandeling B. dan ga je ze onderzoeken.
voordeel: je kan een uitspraak doen over een behandeling
nadeel: duurt lang, is duur, je zegt iets over een subpopulatie die niet per se representatief is voor de gehele populatie, kleine groep -> niet alle veiligheidsdingen worden opgemerkt
waarom wordt een huisarts een gatekeeper genoemd?
in principe moet de huisarts álle info over een patiënt bijhouden (maar in de praktijk mist er vaak wel wat info)
wat is het verschil tussen perifere ziekenhuizen en UMC’s?
UMC’s zijn meer gespecialiseerd.
wat is het gevolg van het verschil tussen perifere ziekenhuizen en UMC’s?
in UMC’s slechtere uitkomsten
wat is het gevolg van verschillende verzekeringssystemen in verschillende landen op verzekeringsdata?
ze zijn niet goed vergelijkbaar tussen verschillende bronnen. hier moet je dus rekening mee houden
wat is het voorbeeld van biobank data?
hier staan ook gezonde mensen in
zijn de regels strenger voor primair of secundair gebruik van data?
strenger voor secundair
wat is het verschil in de wet- en regelgeving voor primair en secundair gebruik van data?
primair mag gelinkt worden met BSN, bij secundair mag dit niet. hierdoor is het lastig om data van bv ziekenhuizen en huisartspraktijken te koppelen (hier kan je wel statistische methodes voor gebruiken, maar werkt altijd slechter)
wanneer is een onderzoek WMO-plichtig?
- Er is sprake van medisch wetenschappelijk onderzoek én
- Personen worden aan handelingen onderworpen of hen worden gedragsregels opgelegd
interoperabiliteit
in verschillende databronnen patiënten kunnen vinden op dezelfde manier
missingness van data (kwaliteit van data)
data mist, maar je weet niet of het komt doordat het gewoon niet is ingevuld of dat het een keuze was om het niet in te vullen
(ook kan data verkeerd ingevuld worden). hierdoor moet je keuzes maken wat je met deze data doet/wat voor grenzen je stelt
wat houdt collection bias in?
waar komt de data vandaan/uit welke groep komt de data: is het representatief, waarom wel/niet, kunnen we het extrapoleren?
wat houdt analysis bias in?
wat weet je al over de data, wat weet je al over het ziektebeeld, waar komt deze info vandaan (je handelt naar de informatie die al beschikbaar is, maar deze info kan ook bias bevatten) (systematische fouten in de data die verkeerde conclusies geven)
waarom gebruik je een federated network?
het verbindt meerdere systemen/servers, maar wordt niet centraal beheerd. handig omdat je datasets meestal niet samen mag voegen
waarom is schaalbaarheid iets om over na te denken bij dataverwerking?
als je geen capaciteit/rekenkracht hebt voor iets kan je het niet op grote datasets gebruiken
wat is lastig aan patiënten selecteren voor cohorten?
info vaak niet compleet, je moet keuzes maken in het hiermee om gaan
wat is de gemiddelde therapietrouwheid?
50% wordt opgehaald van de apotheek. dan weet je nog niet eens of de patiënten de medicijnen echt slikken. dit heeft ook invloed op je onderzoek en moet je ook rekening nmee houden
conclusie
Er is veel data, er zijn veel bronnen,
er is veel onzin in de data, er is veel
mogelijk
