Samenvatting
Door de digitalisering van onze wereld komen steeds meer data beschikbaar die ingezet kunnen worden voor diagnostiek en behandeling in de zorg. Waar in de huidige zorg traditionele modellen domineren in het onderzoek en de vertaling van dat onderzoek naar de praktijk, zorgt een big data-benadering voor een transformatie naar een lerende, datagedreven aanpak. Deze aanpak is gericht op het complexe en dynamische individu in interactie met zijn omgeving. De computer wordt hierbij ingezet om risico’s en kansen te berekenen met behulp van big data-statistiek om vervolgens een beslisondersteunend advies te kunnen geven over behandeling. Belangrijk bij deze aanpak is de cocreatie tussen patiënten, professionals en datawetenschappers bij het analyseren en interpreteren van data. Maar ook in de uiteindelijke toepassing van inzichten die gegenereerd kunnen worden met artificiële intelligentie, zouden de patiënt en de professional in the lead moeten zijn.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Geraadpleegde literatuur
Fernandes, B. S., Williams, L. M., Steiner, J., Leboyer, M., Carvalho, A. F., & Berk, M. (2017). The new field of ‘precision psychiatry’. BMC Medicine, 15(1), 80. https://doi.org/10.1186/s12916-017-0849-x.
Grisanzio, K. A., Goldstein-Pierkarski, A. N., Wang, M. Y., Ahmed, A. P. R., Samara, Z., & Williams, L. M. (2018). Transdiagnostic symptom clusters and associations with brain, behavior, and daily function in mood, anxiety, and trauma disorders. JAMA Psychiatry, 75(2), 201–209. https://doi.org/10.1001/jamapsychiatry.2017.3951 Published online December 3, 2017. Corrected on February 7, 2018.
Hood, L., & Galas, D. (2008). P4 Medicine: Personalized, predictive, preventive, participatory: A change of view that changes everything: A white paper prepared for the Computing Community Consortium committee of the Computing Research Association.Verkregen van http://cra.org/ccc/resources/ccc.
Insel, T. R. (2017). Digital phenotyping: Technology for a new science of behavior. JAMA, 318, 1215–1216.
Marr, B. (2015). Big data: Using SMART big data, analytics and metrics to make better decisions and improve performance. Hoboken: Wiley.
Menger, V., Spruit, M. R., Hagoort, K., & Scheepers, F. (2016). Transitioning to a data driven mental health practice: Collaborative expert sessions for knowledge and hypothesis finding. Computational and Mathematical Methods in Medicine, 2016, art. ID 9089321.
Raad voor Volksgezondheid en Samenleving (2017). Zonder context geen bewijs. Over de illusie van evidence-based practice in de zorg. ISBN: 987-90-5732-267-9. Verkregen van https://www.raadrvs.nl/documenten/publicaties/2017/06/19/zonder-context-geen-bewijs.
Zhu, L., & Zheng, W. J. (2018). Informatics, data science, and artificial intelligence. JAMA, 320, 1103–1104.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Bohn Stafleu van Loghum is een imprint van Springer Media B.V., onderdeel van Springer Nature
About this chapter
Cite this chapter
Scheepers, F. (2019). Big data in de zorg. In: Kreier, F., Verberk-Jonkers, I. (eds) De dokter en digitalisering. Bohn Stafleu van Loghum, Houten. https://doi.org/10.1007/978-90-368-2161-2_20
Download citation
DOI: https://doi.org/10.1007/978-90-368-2161-2_20
Published:
Publisher Name: Bohn Stafleu van Loghum, Houten
Print ISBN: 978-90-368-2160-5
Online ISBN: 978-90-368-2161-2
eBook Packages: Dutch language eBook collection