Hoe wordt maatwerk software ingezet bij het onderzoeksproject Making Sense of Sensor data?
Onderzoeksproject Making Sense of Sensor data; Op weg naar gepersonaliseerde revalidatie voor mensen na een beroerte
-
Inleiding
Jaarlijks worden gemiddeld zo’n 40.000 Nederlanders getroffen door een hersenbloeding of beroerte. Een aanzienlijk deel van deze mensen moet opnieuw leren lopen, dat gaat vaak moeizaam. Op basis van data uit bewegingssensoren werkt onderzoeker Michiel Punt van het lectoraat Leefstijl en Gezondheid met collega’s van de HU aan een applicatie om tot betere prognoses te komen over valrisico en de kans op herstel.
-
Doel
Het doel is een gerichtere, succesvolle revalidatie en een hogere kwaliteit van leven van revalidanten (na een beroerte). Het herstel van lopen en balans wordt in kaart gebracht door middel van bewegingssensoren. Met behulp van data-analyse en voorspellende statistiek worden subgroepen gemaakt. Prognoses gekoppeld aan deze subgroepen vormen de basis voor gepersonaliseerde behandeltrajecten.
-
Hoe
Binnen het onderzoeksproject ontwikkelen we een applicatie waarmee we sensortechnologie in de bestaande revalidatiezorg toegankelijk en betekenisvol maken. Dit doen we door bewegingssensoren te integreren in de bestaande klinimetrie bij mensen die revalideren na een beroerte. Hiermee meten we objectief de balans en loopvaardigheid. Daarnaast monitoren we de fysieke activiteit gedurende het revalidatietraject. De applicatie helpt in het begrijpen van uitkomsten en integreert de toekomstige bevindingen uit het onderzoek.
De applicatie is geen vervanging van, maar een aanvulling op de professionele kennis van fysiotherapeuten en revalidatieartsen. Met de extra informatie uit de applicatie kunnen fysiotherapeuten beter onderbouwde beslissingen nemen en gerichter interveniëren.
Meer informatie over het onderzoek en de aanpak vind je op de website “Op weg naar gepersonaliseerde revalidatie voor mensen na een beroerte”.
-
Omvang
Het onderzoek loopt van 1 januari 2020 – 1 januari 2024.
Zeshonderd proefpersonen worden gedurende zes maanden na hun beroerte op zeven momenten gemeten. Dit betreffen drie soorten metingen: looptest, balanstest, en een fysieke activiteit meting thuis. In totaal zijn dit 12600 metingen, waarvan data verzameld, opgeslagen en gearchiveerd wordt. Al met al een groeiende webapplicatie met veel data en geïntegreerde technieken.
-
Data
Bij het onderzoeksproject Making Sense of Sensor data wordt er door de webapplicatie alleen inhoudelijke onderzoeksdata verzameld en de resultaten teruggekoppeld. Er worden geen persoonsgegevens opgeslagen of verzameld zodat alle verzamelde data makkelijk gepubliceerd kan worden.
Belangrijke punten van de webapplicatie van het onderzoeksproject Making Sense of Sensordata
- In de webapplicatie wordt de sensordata verzameld. Een data scientist heeft algoritmen geschreven zodat sensordata automatisch wordt omgezet in begrijpbare uitkomstmaten. Via een interface in de webapplicatie worden direct de uitkomsten van de algoritmen op het dashboard inzichtelijk voor de gebruiker.
- Er wordt zoveel data verzameld dat ook alle klinimetrie voor de balans assesments en gait assesments bepaald kan worden. Deze klinimetrie is ook direct inzichtelijk in de webpplicatie. Kortom, objectieve data over herstel van fysiek functioneren in combinatie met klinimetrie direct zichtbaar.
- Er is duidelijk zichtbaar hoeveel metingen een client heeft gehad en wat de volgende meting moet zijn.
- Alle data wordt verzameld volgens een vast protocol, begeleid door de webapplicatie, hierdoor heeft de onderzoeker meer tijd over om zich bezig te houden met de eigenlijke data analyse.
- Alles wordt gevalideerd voordat het wordt opgeslagen.
- Automatisch gepseudonimiseerd en voorzien van metadatering.
Wat is de ‘winst’
Er is veel mogelijk als je software op maat maakt, processen kun je automatiseren en laten aansluiten op jouw onderzoeksvraag. Daarmee bespaar je tijd gedurende je hele onderzoek. Hieronder een overzicht wat het automatiseren heeft opgeleverd voor specifiek dit project:
- Tijdswinst, zowel bij metingen als administratief;
- Overzicht van alle onderzoeksmedewerkers (dashboard);
- Processen binnen het onderzoek worden geautomatiseerd;
- Hogere kwaliteit van je data, compleet, overzichtelijk, daardoor:
- Geen/nauwelijks dataverlies voor je analyse;
- Alles is ingericht op en gekoppeld aan het nieuwe platform van HU Research Cloud:
-
- AVG proof;
- Geen kosten voor servers;
- Alle data wordt veilig gearchiveerd voor analyse;
- Makkelijk een virtuele onderzoeksomgeving in de cloud aan te koppelen, waar alle verzamelde onderzoeksdata geanalyseerd kan worden met Python of R;
- Opslaglocatie HU Research Drive en virtuele onderzoeksomgeving toegankelijk voor alle onderzoekers van het onderzoeksproject.
Deze maatwerk oplossing is modulair en reproduceerbaar opgebouwd waardoor deze maatwerk software door middel van gedeeltelijke aanpassingen ook voor ander onderzoeken aanpasbaar is (waarover in blog 4 van deze reeks meer informatie).
Heb je vragen over bovenstaande blog, ben je nieuwsgierig geworden en wil je ook samenwerken met team Digitale Onderzoeksomgeving stuur dan een mail naar onderzoeksupport@hu.nl .
“Volgende blog (4) in de reeks “Automatiseren onderzoeksproces”: Bij welke andere onderzoeksvragen kunnen we maatwerk software inzetten? Is het mogelijk iets voor jouw onderzoeksproject?
Making Sense of Sensordata wordt gesubsidieerd door NOW (RAAK.PRO03.006).
De ontwikkelaars, Richard Felius, Michiel Punt (lectoraat Leefstijl en Gezondheid) en Rins Rutgers (Team Digitale Onderzoeksomgeving) hebben bovenstaand concept volledig bedacht en ontwikkeld binnen dit onderzoeksproject.