In het project pandemische paraatheid wordt gekeken over data-analyse middels privacy enhancing technology bij kan dragen in het geval van een pandemie. Dit project heeft als doel om te onderzoeken welke data noodzakelijk is om tijdens een pandemie sneller en effectiever te kunnen reageren bij het ontstaan van regionale besmettingshaarden. Door vroegtijdig kwetsbare groepen en nieuwe uitbraken te identificeren, kan zorg gericht worden ingezet op de hoogste noden, worden middelen efficiënter benut, wordt de zorgdruk verlicht en de pandemiebeheersing versterkt.
Om dit te bereiken zijn er twee voorspelmodellen nodig:
- Detectie van hotspots via ARIMAX-modellen
- Identificatie van kwetsbare groepen via Random Forest-modellen.
Onderzoeksvraag
1. Welke trends in tijdreeksen van infectiedata kunnen geïdentificeerd worden om ongebruikelijke pieken te identificeren die wijzen op nieuwe of verergerde hotspots?
2. Welke risicofactoren voorspellen welke groepen vatbaar zijn voor infecties of ernstige gevolgen?
Gebruikte data
In dit project wordt niet al onderstaande data gebruikt, maar in het geval van een pandemie zou onderstaande data nodig zijn om een antwoord te geven op de beschreven onderzoeksvragen.
Onderzoeksvraag 1
| Bron | Data |
|---|---|
| GGD | Aantal bevestigde COVID-19-gevallen per dag |
| Huisartsen | Open veld data waarin staat vermeld wat voor klachten mensen hebben (zogenaamde journaalregels) |
| Huisarts | Contactmomenten |
| Huisarts | Soort contactmoment |
| Huisarts | ICPC code en omschrijving |
| Ziekenhuizen | Aantal mensen opgenomen / op de IC met Covid-19 |
| Rioolwater data (RIVM) | Aantal coronavirus deeltjes in rioolwater per gemeente |
| RIVM (Osiris) | Aantal besmettingen van meldingsplichtige infectieziekten in Nederland |
| KNMI | Weer op een bepaalde plek en tijdstip |
| Apotheken | Verkoop van bepaalde geneesmiddelen per plek en tijd |
Onderzoeksvraag 2
| Bron | Data |
|---|---|
| Ziekenhuizen | Medische gegevens van patiënten met erge klachten/overleden |
| CBS | Demografische data |
| GGD | Demografische data |
| GGD | Vaccinatiestatus |
| GGD | Aantal Covid-19 gevallen in een regio – op persoonsniveau door kenmerken zoals wijk ook op te halen |
| RIVM (Osiris) | Aantal besmettingen van meldingsplichtige infectieziekten per plek (postcode 4?) en tijd (=dag) |
Betrokken organisaties
- TNO
- GGD Noord- en Oost-Gelderland
- GGD Brabant-Zuidoost
- GGD regio Utrecht
- Vereniging Digitalisering zorg Achterhoek
- Topicus
- Linksight
Methode en techniek
Na het verkennen van de onderzoeksvragen en de benodigde data wordt het ARIMAX-model ontwikkeld, wat ingezet wordt met Multi Party Computation (MPC). Met een deel van de betrokken partijen wordt een proof-of-concept uitgevoerd om de praktische haalbaarheid van MPC in combinatie met voorspellende modellen te toetsen. Op deze wijze wordt onderzocht of het mogelijk is om bij een pandemie op een privacyvriendelijke manier waardevolle inzichten te verkrijgen.
Belangrijkste inzichten
De proof-of-concept inclusief analyse is op dit moment nog in ontwikkeling.
Beperkingen/aandachtspunten
1. Het blijkt lastig om voldoende urgentie en betrokkenheid te creëren voor een toekomstig scenario zoals een pandemie. Bezuinigingen op pandemische paraatheid en daarmee beschikbare resources maken partijen terughoudend. Dit vertraagt het proces en kan leiden tot afhaken.
2. Beschikbaarheid van sommige data afhankelijk van toestemming, privacyregels en technische koppelingen.
3. Data-integratie vereist strikte afstemming tussen partners en waarborging van gegevensbescherming.
Contactpersoon: Nicole Rommers | nicolerommens@room-to.nl
Datasamenwerking/Organisatie(s): GERDA (Gezondheidsdata Regio Achterhoek)
Titel: Pandemische Paraatheid