Biasidentificatie en -reductietechnieken voor grote datasets uit elektronische medische dossiers

We bekijken hoe onderzoeksresultaten kunnen worden scheefgetrokken door verschillen in registraties of in zorggebruik, en hoe we die vertekening eenvoudig kunnen beperken. We werken met gepseudonimiseerde gegevens uit Intego; individuele personen zijn niet identificeerbaar.

Deze studie onderzoekt hoe we gegevens uit elektronische medische dossiers (EMD) in de huisartsenpraktijk beter kunnen benutten voor wetenschappelijk onderzoek. Registraties verschillen tussen artsen en patiënten komen niet allemaal op dezelfde wijze of om dezelfde redenen naar de huisarts. Dat kan tot vertekening (bias) leiden als we er niet correct mee omgaan. We willen begrijpen hoe deze verschillen de resultaten beïnvloeden en eenvoudige statistische methoden verkennen om de impact ervan te verkleinen. We gebruiken gegevens uit de Intego-database (gepseudonimiseerd). Er is geen directe toegang tot persoonlijke medische dossiers; privacy wordt strikt beschermd.