MOnitoring Uitbraakgebeurtenissen voor Ziektesurveillance in een data science context (MOOD)

In een veranderende omgeving als gevolg van klimaatverandering, dierlijke en menselijke mobiliteit, bevolkingsgroei en verstedelijking, is er een verhoogd risico op het ontstaan van nieuwe en exotische ziekteverwekkers. Volksgezondheidsambtenaren die belast zijn met het beschermen van burgers tegen uitbraken van infectieziekten, vertrouwen meestal op officiële rapporten over specifieke ziekten van zorgverleners (indicatorgebaseerde surveillance of IBS). Maar in toenemende mate maken ze gebruik van event-based surveillance (EBS), met behulp van rapporten, verhalen, geruchten en andere informatie die wordt verzonden via formele of informele kanalen, waaronder blogs, hotlines en sociale media. Het voordeel van EBS is de tijdigheid, omdat het gebeurtenissen weerspiegelt voordat veel patiënten zorgverleners hebben bezocht of positieve testresultaten hebben ontvangen.

Het door de EU gefinancierde MOOD-project maakt gebruik van datamining en analyse van big data om het nut van EBS te vergroten. Natuurlijk zou het niet compleet zijn zonder een online platform dat is ontworpen om routinematig gebruik aan te moedigen, realtime analyse mogelijk te maken en het verzamelen en interpreteren van gegevens te verbeteren. Het MOOD-project is gericht op het benutten van de datamining- en analysetechnieken voor de big data afkomstig van meerdere bronnen om de detectie, monitoring en beoordeling van opkomende ziekten in Europa te verbeteren. Daartoe zal MOOD een kader en visualisatieplatform opzetten dat realtime-analyse en interpretatie van epidemiologische en genetische gegevens in combinatie met ecologische en sociaal-economische covarianten mogelijk maakt in een geïntegreerde intersectorale, interdisciplinaire “één gezondheid”-benadering:

1. Dataminingmethoden voor het verzamelen en combineren van heterogene big data;
2. een netwerk van ziektedeskundigen om de oorzaken van het ontstaan van ziekten te definiëren;
3. methoden voor gegevensanalyse die op de big data worden toegepast om het ontstaan en de verspreiding van ziekten te modelleren;
4. Gebruiksklaar onlineplatform voor eindgebruikers, d.w.z. nationale en internationale volksgezondheidsorganisaties op het gebied van mens en dier, afgestemd op hun behoeften, aangevuld met capaciteitsopbouw en een netwerk van ziektedeskundigen om de risicobeoordeling van gedetecteerde signalen te vergemakkelijken.

MOOD-output zal samen met eindgebruikers worden ontworpen en ontwikkeld om hun routinematige gebruik tijdens en na MOOD te verzekeren. Ze zullen worden getest en verfijnd op lucht-, vector- en watergedragen modelziekten, waaronder antimicrobiële resistentie. Uitgebreid overleg met eindgebruikers, studies naar de belemmeringen voor het delen van gegevens, verspreiding en opleidingsactiviteiten en studies naar de kosteneffectiviteit van MOOD-output zullen de toekomstige duurzame acceptatie door gebruikers ondersteunen.