Amsterdam health & technology institute (ahti) heeft in samenwerking met onderzoeker Mark Verhagen en health startup Bits of Care een risicokaart ontwikkeld die lokale verschillen in COVID-19 zorgdruk risico’s laat zien. Dit dashboard kun je op de website van ahti bekijken! Zij hebben dit gedaan op basis van methodologie die aanvankelijk in het Verenigd Koningrijk is ontwikkeld door onderzoekers van Oxford University’s Leverhulme Centre for Demographic Science (LCDC), recentelijk gepubliceerd in BMC Medicine. Met dit Nederlandse dashboard kunnen voorspellingen worden gedaan over welke gemeenten en buurten het meeste risico hebben op een hoge zorgdruk als er een nieuwe infectie plaatsvindt. Met deze kennis kunnen beleidsmakers gericht testbeleid en monitoring vormgeven, als ook maatwerk versoepelingsmaatregelen opstellen op basis van lokale risico’s om zo de druk op de zorg te beperken, zonder teveel economische schade. In de komende periode wordt meer relevante data gekoppeld over o.a. verschillende risicofactoren. Steun van Economische Zaken/Smart Health Amsterdam voor dit initiatief maakt dat er nog sneller gehandeld kan worden en meer nadruk gelegd kan worden op de implementatie en toepassing van dit instrument voor de veiligheidsregio Amsterdam.

Bekijk het dashboard.

Dashboard op regio-, gemeente- en buurtniveau

Het dashboard laat zien in welke regio, gemeente of buurt het hoogste risico op serieuze zorgbehoefte zou ontstaan als er een uitbraak plaatsvindt. Hiervoor gebruiken de onderzoekers CBS-microdata over o.a. leeftijd, bewonersdichtheid en sociaal economische status (SES). Nu gelden er veelal ‘one-size fits all’ regels voor het gehele land, terwijl er geen rekening mee wordt gehouden dat sommige regio’s juist meer of minder risico hebben op serieuze complicaties. Met dit dashboard zouden beleidsmakers per regio, buurt of gemeente beleid kunnen aanpassen als dat nodig blijkt, maar ook gericht de meest kwetsbare groepen kunnen monitoren.

“Door op buurtniveau te kijken waar het risico het grootst is, kunnen beleidsmakers gerichter schakelen om een uitbraak te beperken. Bijvoorbeeld door (preventief) testbeleid en lokale maatregelen om kwetsbare personen te beschermen. Zo hoeft niet het hele land in lockdown, maar zullen lokale maatregelen hopelijk voldoende zijn om verdere en te snelle verspreiding tegen te gaan. Dat begint bij een goed begrip waar het risico het hoogst is”, vertelt onderzoeker Mark Verhagen. “Zo kun je in het dashboard bijvoorbeeld zien dat er in Amsterdam relatief veel jonge mensen wonen, dus dat het risico daar gemiddeld genomen lager is dan in vergrijsde gebieden. Dit vertelt echter maar een deel van het verhaal, want er zijn bijvoorbeeld buurten in de stad waar juist een extreem hoog risico ligt. Het dashboard stelt beleidsmakers in staat om deze gebieden te identificeren.”

Mensen met een lage sociaal economische status lopen meer risico op besmetting

In het dashboard is ook een bi-variante kaart bijgevoegd, waarin ook andere bekende risicofactoren gevisualiseerd zijn met onder andere data van de Leefbaarometer (2018). Onderzoek wijst uit dat sociaal economische status veel uitmaakt, zowel wat de kans op infectie betreft als ook het risico op complicaties. Dit heeft te maken met de beperktere mogelijkheden om tot ‘social distancing’ over te gaan, maar we weten ook dat sociaal economische status effect heeft op het hebben van bijvoorbeeld chronische ziekten, ook een risicofactor voor een ernstiger verloop van COVID-19.

Meer relevante data koppelen voor bruikbare inzichten

Naarmate meer informatie beschikbaar wordt over de verschillende risicofactoren zullen deze periodiek worden toegevoegd aan het dashboard. “Momenteel zijn we bezig om indicatoren van gezondheidsproblemen zoals astma, overgewicht en andere belangrijke risicofactoren toe te voegen aan het dashboard”, vertelt Michiel Heidenrijk, directeur van Amsterdam health & technology institute (ahti). “Ook wordt gekeken naar het toevoegen van informatie over mogelijke omstandigheden die effect hebben op de kans op besmetting. Een voorbeeld hiervan is het samenwonen van meerdere generaties in één woning. Elke week is er meer informatie beschikbaar over COVID-19. Om die reden blijven we updates uitvoeren aan het dashboard. Ons doel is om een directe brug te slaan tussen de academische gemeenschap en beleidsmakers. We zijn continu in gesprek met andere partijen over het koppelen van relevante data om zo bruikbare inzichten te ontsluiten.”

Vier risicofactoren in kaart

Dashboard gericht op preventie, niet op actuele besmettingen

Er zijn al een aantal dashboards rondom COVID-19. Het verschil tussen dit dashboard en de bestaande dashboards is dat de meesten de pandemie modelleren n.a.v. het aantal bevestigde besmettingen. Die data zijn vaak onvolledig: men heeft vaak geen idee wat de echte besmettingsgraad is, omdat niet iedereen getest wordt. Ook zijn deze dashboard vaak retrospectief: ze kijken naar wat er al gebeurd is. Het ahti dashboard is juist gericht op preventie en bedoeld voor beleidsmakers, zodat zij op lokaal niveau waardevolle informatie hebben over de bevolkingssamenstelling en het besmettingsrisico in hun gemeente. Hierdoor kunnen zij strategisch beleid maken om efficiënt om te gaan met de beschikbare middelen en zo effectief mogelijk tot een ‘nieuwe normaal’ te komen. Op de lange termijn zullen deze inzichten ook belangrijke input zijn voor bijvoorbeeld een vaccinbeleid.

Databronnen & aanvullende risicofactoren

Als toevoeging op gezondheidsrisico’s o.b.v. leeftijd zijn aanvullende risicofactoren in het dashboard opgenomen die de kans op besmetting vergrootten (intergenerationeel samenwonen) en waarbij de kans op een verslechterd ziektebeloop toeneemt (leefbaarheid, hoeveelheid inwoners met COPD/astma en diabetes type II).

Leeftijdsdata is afkomstig van CBS en betreft de recentst beschikbare cijfers op het buurtniveau (2019). Daarnaast zijn de cijfers over astma/COPD en diabetes type II ook afkomstig van het CBS (2017). Voor verdieping over de relatie tussen leeftijd, astma/COPD, diabetes type II en de kans op een verslechterd ziektebeloop bij infectie zie Onder et al. (2020), Richardson et al. (2020) en Wu & McGoogan (2020).

De cijfers over intergenerationeel samenwonen zijn afkomstig van het CBS (2019) en betreft huishoudens waar ten minste één iemand ouder dan 60 is en één iemand tussen de 12 en 40. Voor een discussie over de relatie tussen intergenerationeel samenwonen en infectierisico’s zie Bayern en Kuhn (2020) en Block et al. (2020).

De Leefbaarometer data komt uit 2018 en wordt samengesteld aan de hand van een aantal dimensies als bevolkingsontwikkeling, werkloosheid en aantal groenvoorzieningen in een gebied. Zie ook Nayak et al. (2020) en Wiemers et al. (2020) voor onderbouwing van de relatie tussen de leefbaarheid van buurten en het risico op infectie en/of complicaties wanneer geïnfecteerd.

Inspiratie voor de methodologie komt van het vergelijkbare UK Dashboard ontwikkeld door de onderzoekers aan de University of Oxford. Lees ook het paper in BCM Medicine en Download het slide deck voor toelichting en use cases bij het Nederlandse dashboard.

Met dank aan:

  • Guillaume Pressiat en Fabio Crameri voor de inspiratie voor het design van dit dashboard
  • Apadana
  • Bits of Care
Contact

Heb je pers gerelateerde vragen, mail dan naar communications@ahti.nl.
Heb je inhoudelijke vragen over het dashboard, mail dan naar Mark Verhagen of Bits of Care met communications@ahti.nl in de CC!

Categorieën: Nieuws

COVID-19 Projects
Send this to a friend