logo personal health train

Afsprakenset Personal Health Train

Hoe kunnen we meer onderzoek doen met bescherming van de privacy van patiënten? Met de Personal Health Train (PHT) wordt data aan elkaar verbonden zonder deze data te verplaatsen. De analyse reist, terwijl de privacygevoelige data veilig op hun plek blijven. In een decentraal gezondheidsdata- en zorginformatiestelsel is er immers ook decentrale data-analyse nodig. De Personal Health Train set van afspraken voorziet in de nodige kaders hiervoor. De community rondom de Personal Health Train heeft nu de eerste set van afspraken opgesteld.

Met gebruik van de PHT kan de data uit de kankerregistratie verbonden worden aan andere databronnen zoals huisartsendata, declaratiedata en internationale kankerregistraties. Door deze data aan elkaar te verbinden zonder de data uit te wisselen zijn patiëntgegevens veilig en kan er veel meer worden geleerd van de patiënt van vandaag voor de patiënt van morgen. IKNL werkt in deze PHT community samen met TNO, Maastro, LUMC, UMC Utrecht, Zorginstituut Nederland en anderen.

Dr. Gijs Geleijnse, sr. data scientist IKNL: 'Dit is een belangrijke stap naar het volwassen worden van de Personal Health Train. Met deze afsprakenset kunnen data-partijen, onderzoekers en ICT ontwikkelaars aan de slag om PHT diensten op te zetten. Op deze manier zal PHT door steeds meer partijen steeds vaker gebruikt worden voor statistiek en onderzoek met gezondheidsdata.'

De Personal Health Train (PHT) is een verzamelbegrip van technologieën en afspraken die decentrale data-analyse mogelijk maken. De partijen in de PHT community werken in gezamenlijkheid aan een set van afspraken om gebruik te kunnen maken van decentrale data-analyse op basis van data aan de bron bij diverse organisaties. Onderdelen In deze set van afspraken worden afspraken gemaakt over inhoud, besturing, onderhoud en communicatie rondom de PHT.

De Personal Health Train community heeft de noodzaak en meerwaarde van de PHT-ontwikkeling beschreven in haar position paper. 

Gerelateerd nieuws

Betere schatting van behandeleffect in oncologische zorg met Bayesiaanse netwerken

proefschrift-bayesiaanse-netwerken-oncologie Om de oncologische zorg te verbeteren, is een betrouwbare vergelijking van behandeluitkomsten essentieel. Uit recent promotieonderzoek van Melle Sieswerda (Maastricht University) blijkt dat Bayesiaanse netwerken waardevolle inzichten kunnen verschaffen in relaties tussen variabelen en in sommige gevallen kunnen helpen bij het identificeren en corrigeren van confounders (verstorende variabelen) in observationele data, zoals de Nederlandse Kankerregistratie (NKR). Dit leidt tot een nauwkeurigere schatting van het behandeleffect. lees verder

Innovatieve datatechnologie verbetert oncologische zorg door veilige en efficiënte gegevensuitwisseling

Team PLUGIN IKNL DHD Expertisecentrum Zorgalgoritmen De eerste resultaten van de PLUGIN-pilot bij Radboudumc tonen aan dat innovatieve datatechnologie niet alleen mogelijk is, maar ook directe voordelen biedt. Door gebruik te maken van PLUGIN (Platform voor uitwisseling en hergebruik van klinische data Nederland) kunnen medische gegevens veilig, efficiënt en automatisch worden gedeeld, wat leidt tot betere zorgkwaliteit en vermindering van de administratieve lasten voor zorgprofessionals. lees verder