Data-Analyse van Gezondheidszorg
Hoorcollege 1 - Introductie college 2
Hoorcollege 2 - AI in de gezondheidszorg 4
Hoorcollege 3 - Kwaliteit in de zorg 7
Hoorcollege 4 - Kwaliteit gezondheidszorg en intro OLS 13
Hoorcollege 5&6 - Praktijkvariatie 18
Hoorcollege 7 - Economische evaluaties 27
Hoorcollege 8 - Paper Kosteneffectiviteitsanalyse 31
Hoorcollege 9 - Meten van efficiëntie in de zorg 35
Hoorcollege 10&11 - Zorguitgaven 45
,Hoorcollege 1 - Introductie college
Causaal - Verklaren/begrijpen van achterliggende mechanismen
Descriptief - Data-Analyse verkrijgen van inzicht
Focus van de onderzoeksvragen gericht op 3 systeemdoelen:
1. Toegankelijkheid van de zorg: iedereen gelijke toegang heeft tot zorg / waarborgen
van solidariteit
2. Betaalbaarheid van de zorg: kostenbeheersing
3. Kwaliteit van de zorg: hoge kwaliteit zorg
Doelgroep - Op welke groep richt je je?: Mensen uit een lage SES
Interventie - Welke zorg, technologie of beleid wil je onderzoeken?: Tandartszorg (niet in
het basispakket)
Vergelijking (optioneel): ?
Uitkomstmaat - Wat wil je meten?: de afwegingen van mensen uit een lage SES om wel of
niet naar de tandarts te gaan
Maatschappelijke relevantie - Waarom is deze vraag belangrijk?: Meer inzichten,
perspectieven en meer kennis van mensen uit een lage SES om daar op interventies op te
baseren
Wat zijn de afwegingen van mensen met een lage SES om wel of niet de tandartszorg te
gebruiken?
Data-Analyse: Het systematisch verzamelen, verwerken, interpreteren en presenteren van
gegevens om inzichten te verkrijgen.
→ Beschrijvend: Wat zien we in de data?
→ Diagnostisch: Waarom zien we het?
→ Voorspellend: Wat zal er gebeuren?
→ Voorschrijvend: Wat moesten we doen?
Waarom is data-analyse in de gezondheidszorg belangrijk?
1. Toename in zorgdata (patiëntenportalen, wearables)
2. Complexiteit van zorgvragen
3. Noodzaak tot evidence based beslissingen
4. Kostenbesparing en kwaliteitsverbetering
Soorten gezondheidsdata:
● Klinische data (elektronisch patiëntendossier)
● Administratieve data (kosten, declaraties)
● Patiënt gerapporteerde uitkomsten (PROMs)
● Beelddata (MRI,CT)
● Genetische data
,Opdracht 2:
Zijn ‘kwaliteit van zorg’ en ‘gezondheid’ meetbaar?
- Kwaliteit deels meetbaar: (effectiviteit + beleving)
- Gezondheid deels meetbaar: (biologisch + subjectieve welzijn)
Voorbeeld QALY:
• Aannames: reductie tot één getal, gemiddelde waarderingen
• Buiten beeld: zingeving, culturele verschillen, ervaringswereld
- Kwaliteitsmaatstaven die worden gebruikt in de zorg?
Vragenlijst: aannames iedereen heeft hetzelfde idee achter wat goede zorg is.
Data zijn nooit neutraal: ze worden beïnvloed door theorieën en aannames.
• Wat je meet, wordt bepaald door wat je belangrijk vindt.
• Instrumenten en definities sturen de uitkomst van je meting.
Kortom: data zijn altijd 'theoriegeladen' – ze weerspiegelen waarden en keuzes.
Waarom econometrie in de gezondheidszorg?
- Econometrie richt zich op het aantonen van causale relaties in
(gezondheids)economische data
- Econometrie gebruikt data om causale vragen te beantwoorden alsof het een
gerandomiseerd experiment is met behulp van goed gecontroleerde vergelijkingen of
natuurlijke experimenten (quasi experimenten)
- Een causale relatie is nuttig om voorspellingen te doen over de gevolgen van
veranderende omstandigheden of beleidsmaatregelen; ze vertelt ons wat er zou
gebeuren in alternatieve (of counterfactual) werelden.
● Causaliteit: er is sprake van causaliteit wanneer een verandering in de ene variabele
daadwerkelijk een verandering veroorzaakt in een andere variabele
● Ceteris Paribus: Als al het andere gelijk blijft; het houdt in dat we het effect van een
variabele isoleren, terwijl we andere invloeden constant houden
Descriptieve en voorspellende analyses kunnen nuttig en interessant zijn, maar in de
moderne toegepaste econometrie is causaliteit het belangrijkst. Waarom?
● Causale verbanden laten zien of iets echt een gevolg is van iets anders – ze testen
dus direct of een theorie klopt.
● Ze helpen ons ook begrijpen wat er zou zijn gebeurd als er ander beleid was gevoerd
of als de omstandigheden anders waren geweest.
Voorbeelden van causale vragen:
- Wat is het effect van een hoger loon voor zorgpersoneel voor de betaalbaarheid van de gezondheidszorg?
- Wat is het effect van de invoering van een nieuw vaccinatieprogramma op de betaalbaarheid van de gezondheidszorg?
- Wat is het effect van het afschaffen van de eigen bijdrage op de toegankelijkheid van de gezondheidszorg?
- Wat is het effect van de implementatie van een digitale zorgapp op de kwaliteit van de gezondheidszorg?
, Hoorcollege 2 - AI in de gezondheidszorg
Big data: alle data die we vandaag de dag hebben; dit is de brandstof van de motor (AI)
Artificial intelligence: een verzamelnaam voor technologieën waarmee computers intelligent
gedrag kunnen vertonen
- Machine learning
- Deeplearning
- Generative AI
Large language models
- Audio model
- Picture/Video models
Big Data:
1. Volume - terabytes, exabytes, zettabytes (grootte van bestand)
2. Variety - structured (cijfers), unstructured (tekst), multimedia
3. Velocity - real-time, batch, streaming (snelheid waarmee data wordt geprojecteerd)
4. Value - statistical, data into money, data into action (de nut/voordelen die je uit je data
haalt)
5. Veracity - uncertainty, incompleteness, inconsistency (De betrouwbaarheid,
nauwkeurigheid en kwaliteit van de data)
Big Data zegt: Kijken naar de data die we met de traditionele methode (statistiek) niet
kunnen gebruiken, die willen wij juist gebruiken
Onderlinge structuur:
- AI: het nabootsen van menselijk gedrag.
- Machine learning: gebruiken van advanced algoritmes om patronen te herkennen in
een grote dataset om machines te laten leren en aan te nemen. Supervised learning
is wanneer we aangeven dat deze mensen deze karakteristieken hebben en
voorheen hadden mensen met deze karakteristieken fraude gepleegd, dus hier zit
een verband. Unsupervised learning is het geven van een dataset zonder er bij aan
te geven wat wel of niet leidt tot ‘fraude’. Je hebt minder controle over wat er precies
in het model zit, en welke aannames er worden getrokken
Hoorcollege 1 - Introductie college 2
Hoorcollege 2 - AI in de gezondheidszorg 4
Hoorcollege 3 - Kwaliteit in de zorg 7
Hoorcollege 4 - Kwaliteit gezondheidszorg en intro OLS 13
Hoorcollege 5&6 - Praktijkvariatie 18
Hoorcollege 7 - Economische evaluaties 27
Hoorcollege 8 - Paper Kosteneffectiviteitsanalyse 31
Hoorcollege 9 - Meten van efficiëntie in de zorg 35
Hoorcollege 10&11 - Zorguitgaven 45
,Hoorcollege 1 - Introductie college
Causaal - Verklaren/begrijpen van achterliggende mechanismen
Descriptief - Data-Analyse verkrijgen van inzicht
Focus van de onderzoeksvragen gericht op 3 systeemdoelen:
1. Toegankelijkheid van de zorg: iedereen gelijke toegang heeft tot zorg / waarborgen
van solidariteit
2. Betaalbaarheid van de zorg: kostenbeheersing
3. Kwaliteit van de zorg: hoge kwaliteit zorg
Doelgroep - Op welke groep richt je je?: Mensen uit een lage SES
Interventie - Welke zorg, technologie of beleid wil je onderzoeken?: Tandartszorg (niet in
het basispakket)
Vergelijking (optioneel): ?
Uitkomstmaat - Wat wil je meten?: de afwegingen van mensen uit een lage SES om wel of
niet naar de tandarts te gaan
Maatschappelijke relevantie - Waarom is deze vraag belangrijk?: Meer inzichten,
perspectieven en meer kennis van mensen uit een lage SES om daar op interventies op te
baseren
Wat zijn de afwegingen van mensen met een lage SES om wel of niet de tandartszorg te
gebruiken?
Data-Analyse: Het systematisch verzamelen, verwerken, interpreteren en presenteren van
gegevens om inzichten te verkrijgen.
→ Beschrijvend: Wat zien we in de data?
→ Diagnostisch: Waarom zien we het?
→ Voorspellend: Wat zal er gebeuren?
→ Voorschrijvend: Wat moesten we doen?
Waarom is data-analyse in de gezondheidszorg belangrijk?
1. Toename in zorgdata (patiëntenportalen, wearables)
2. Complexiteit van zorgvragen
3. Noodzaak tot evidence based beslissingen
4. Kostenbesparing en kwaliteitsverbetering
Soorten gezondheidsdata:
● Klinische data (elektronisch patiëntendossier)
● Administratieve data (kosten, declaraties)
● Patiënt gerapporteerde uitkomsten (PROMs)
● Beelddata (MRI,CT)
● Genetische data
,Opdracht 2:
Zijn ‘kwaliteit van zorg’ en ‘gezondheid’ meetbaar?
- Kwaliteit deels meetbaar: (effectiviteit + beleving)
- Gezondheid deels meetbaar: (biologisch + subjectieve welzijn)
Voorbeeld QALY:
• Aannames: reductie tot één getal, gemiddelde waarderingen
• Buiten beeld: zingeving, culturele verschillen, ervaringswereld
- Kwaliteitsmaatstaven die worden gebruikt in de zorg?
Vragenlijst: aannames iedereen heeft hetzelfde idee achter wat goede zorg is.
Data zijn nooit neutraal: ze worden beïnvloed door theorieën en aannames.
• Wat je meet, wordt bepaald door wat je belangrijk vindt.
• Instrumenten en definities sturen de uitkomst van je meting.
Kortom: data zijn altijd 'theoriegeladen' – ze weerspiegelen waarden en keuzes.
Waarom econometrie in de gezondheidszorg?
- Econometrie richt zich op het aantonen van causale relaties in
(gezondheids)economische data
- Econometrie gebruikt data om causale vragen te beantwoorden alsof het een
gerandomiseerd experiment is met behulp van goed gecontroleerde vergelijkingen of
natuurlijke experimenten (quasi experimenten)
- Een causale relatie is nuttig om voorspellingen te doen over de gevolgen van
veranderende omstandigheden of beleidsmaatregelen; ze vertelt ons wat er zou
gebeuren in alternatieve (of counterfactual) werelden.
● Causaliteit: er is sprake van causaliteit wanneer een verandering in de ene variabele
daadwerkelijk een verandering veroorzaakt in een andere variabele
● Ceteris Paribus: Als al het andere gelijk blijft; het houdt in dat we het effect van een
variabele isoleren, terwijl we andere invloeden constant houden
Descriptieve en voorspellende analyses kunnen nuttig en interessant zijn, maar in de
moderne toegepaste econometrie is causaliteit het belangrijkst. Waarom?
● Causale verbanden laten zien of iets echt een gevolg is van iets anders – ze testen
dus direct of een theorie klopt.
● Ze helpen ons ook begrijpen wat er zou zijn gebeurd als er ander beleid was gevoerd
of als de omstandigheden anders waren geweest.
Voorbeelden van causale vragen:
- Wat is het effect van een hoger loon voor zorgpersoneel voor de betaalbaarheid van de gezondheidszorg?
- Wat is het effect van de invoering van een nieuw vaccinatieprogramma op de betaalbaarheid van de gezondheidszorg?
- Wat is het effect van het afschaffen van de eigen bijdrage op de toegankelijkheid van de gezondheidszorg?
- Wat is het effect van de implementatie van een digitale zorgapp op de kwaliteit van de gezondheidszorg?
, Hoorcollege 2 - AI in de gezondheidszorg
Big data: alle data die we vandaag de dag hebben; dit is de brandstof van de motor (AI)
Artificial intelligence: een verzamelnaam voor technologieën waarmee computers intelligent
gedrag kunnen vertonen
- Machine learning
- Deeplearning
- Generative AI
Large language models
- Audio model
- Picture/Video models
Big Data:
1. Volume - terabytes, exabytes, zettabytes (grootte van bestand)
2. Variety - structured (cijfers), unstructured (tekst), multimedia
3. Velocity - real-time, batch, streaming (snelheid waarmee data wordt geprojecteerd)
4. Value - statistical, data into money, data into action (de nut/voordelen die je uit je data
haalt)
5. Veracity - uncertainty, incompleteness, inconsistency (De betrouwbaarheid,
nauwkeurigheid en kwaliteit van de data)
Big Data zegt: Kijken naar de data die we met de traditionele methode (statistiek) niet
kunnen gebruiken, die willen wij juist gebruiken
Onderlinge structuur:
- AI: het nabootsen van menselijk gedrag.
- Machine learning: gebruiken van advanced algoritmes om patronen te herkennen in
een grote dataset om machines te laten leren en aan te nemen. Supervised learning
is wanneer we aangeven dat deze mensen deze karakteristieken hebben en
voorheen hadden mensen met deze karakteristieken fraude gepleegd, dus hier zit
een verband. Unsupervised learning is het geven van een dataset zonder er bij aan
te geven wat wel of niet leidt tot ‘fraude’. Je hebt minder controle over wat er precies
in het model zit, en welke aannames er worden getrokken
