Een brug slaan tussen sociale wetenschap en datawetenschap
Hoe kun je een zo prettig en gezond mogelijke leefomgeving creëren voor dementie-patiënten? Daniela Gawehns gebruikt data mining-technieken om verschillende soorten databronnen te doorzoeken en een antwoord te vinden op deze vraag. En passant slaat haar onderzoek een brug tussen twee wetenschappelijke disciplines die elkaar soms nog met een scheef oog aankijken.
Het Data Science Onderzoeksprogramma (DSO) combineert Leidse promotieonderzoeken uit allerlei disciplines met data science. Het programma loopt nu ruim twee jaar, en levert verrassende eerste resultaten op. In deze artikelenreeks bespreken we er een aantal.
Over twee jaar moet het klaar zijn: de verbouwing van een zorginstelling met een gesloten afdeling voor dementiepatiënten, in het zuiden van Nederland. Het nieuwe complex zal dementiepatiënten de mogelijkheid bieden om in een zorgappartement te blijven wonen, waardoor ze zich vrijer kunnen bewegen en een betere kwaliteit van leven hebben. Bij zo’n project is de hamvraag aan welke eisen zo’n omgeving precies moet voldoen. Wat is er nodig om ervoor te zorgen dat de nieuwe instelling voordelen oplevert voor patiënten, verzorgers én bestuurders?
Nu zijn de beslissingen voor dit specifieke project al genomen. Maar door de ontwikkelingen van dit project op de voet te volgen, hoopt datawetenschapper Daniela Gawehns aanknopingspunten te vinden voor onderzoek, dat uiteindelijk de leefomgeving voor dementiepatiënten moet verbeteren. Gawehns gaat via data mining-technieken op zoek naar patronen in data, die uit allerlei verschillende bronnen afkomstig zijn. De gevonden patronen zullen de kernvraag van het onderzoek beantwoorden: “Leidt een open leefomgeving tot betere kwaliteit van leven van mensen met dementie?”
Over wat voor bronnen hebben we het dan precies?
‘De gegevens bestaan enerzijds uit observaties en interviews met patiënten en personeel, afgenomen door onderzoekers van het NIVEL (een instituut dat is gespecialiseerd in onderzoek binnen de zorgsector, red.). Daarnaast verzamelen we metingen van allerlei apparaten, die in en om de instelling zijn aangebracht. Bijvoorbeeld van alarmen in de wc en slaapkamer, maar ook van gps-trackers die door patiënten en verzorgers tijdelijk werden gedragen. Alles bij elkaar vormt dit een enorme berg aan informatie aan observaties, meningen en gedrag van patiënten en verzorgers.’
Alleen al die apparaat-metingen klinken als een big data project!
‘Het is juist een small data-project! Alle metingen van alle apparaten passen op een usb-stick. Het complexe van dit project zit hem in het combineren van data die eigenlijk niet op elkaar ‘past’. De waarnemingen van sociale wetenschappers aan de ene kant, de ‘harde data’ van de trackers aan de andere. Met deze complexe data hopen we verbanden te vinden tussen verschillende databronnen. Zeker binnen de context van een zorginstelling is zoiets nog niet eerder gedaan.’
Wat is er zo uniek aan het DSO?
‘Hier op kantoor zitten veel mensen met diverse onderzoeksachtergronden, die nuttige kennis hebben voor mijn project. Eén iemand onderzoekt met accelerometers bijvoorbeeld de bewegingen van gezonde ouderen. Iemand anders doet onderzoek naar de beweging van zoogdieren in een park. En binnen mijn project zijn beweging en bewegingspatronen ook factoren die ik onderzoek. We hebben dus veel aan elkaars werk en kennis. Zonder het DSO had ik deze collega’s niet zo snel ontmoet. Dit soort contacten geeft een enorme impuls aan mijn onderzoek.’
Het Data Science Onderzoeksprogramma (DSO) is een universiteitsbreed programma, dat erop gericht is de kwaliteit van het bestaande data science-onderzoek te verhogen, en het gebruik van data science-methoden te bevorderen bij alle faculteiten van de Universiteit Leiden.