Community needs for FAIR pathogen data

Dit onderzoek van het Pathogen Data Network toont aan dat de belemmeringen voor FAIR-pathogendata voornamelijk systemisch zijn en identificeert via een enquête bij 136 stakeholders prioriteiten voor training en infrastructuur, zoals bio-informatica en het Pathogens Portal, om de uitwisseling en hergebruik van infectieziektedata te verbeteren.

De kern

Stel je voor dat de wereldwijde strijd tegen ziekten een gigantische bibliotheek is. In deze bibliotheek liggen miljarden boeken (data) over virussen, bacteriën en andere ziekteverwekkers. Als we al die boeken goed kunnen vinden en begrijpen, kunnen we sneller nieuwe medicijnen vinden en uitbraken stoppen.

Maar er is een groot probleem: veel van deze boeken liggen opgesloten in verschillende kasten, zijn in een vreemde taal geschreven, of hebben geen inhoudsopgave. Ze zijn dus moeilijk te gebruiken. Dit artikel vertelt het verhaal van een groep experts die een enquête hebben gehouden om te ontdekken wat er precies misgaat in deze bibliotheek en wat de bezoekers nodig hebben om het beter te maken.

Hier is de samenvatting in simpele taal:

1. Het doel: De "FAIR"-bibliotheek

De onderzoekers willen dat alle data FAIR is. Dat klinkt als een woord, maar het betekent eigenlijk:

• Vindbaar: Je kunt het boek vinden als je zoekt.
• Toegankelijk: Je mag het inzien.
• Uitwisselbaar: Het past in een ander systeem (zoals een Lego-blokje dat in elke doos past).
• Opnieuw te gebruiken: Je kunt er iets nieuws mee bouwen.

2. Wat is er mis? (De grootste struikelblokken)

De onderzoekers vroegen aan 136 experts (wetenschappers, artsen, docenten) wat hen het meest frustreert. Het bleek niet dat de technologie te slecht was, maar dat er structurele problemen zijn.

• De portemonnee is leeg (74%): De grootste klacht is gebrek aan geld. Het is alsof je een auto wilt bouwen, maar je hebt geen geld voor wielen of benzine. Zonder budget kunnen ze geen goede software kopen of abonnementen betalen.
• De puzzelstukjes passen niet (68%): Data zit verspreid over duizenden verschillende systemen die niet met elkaar praten. Het is alsof je duizenden puzzels hebt, maar de stukjes van verschillende puzzels door elkaar liggen. Het is een enorme klus om ze weer in één plaatje te krijgen.
• Te weinig vakmensen (52%): Er zijn niet genoeg mensen die weten hoe ze deze data moeten beheersen. Het is alsof je een heel complex raceauto hebt, maar niemand die kan rijden.

Interessant genoeg vonden de mensen dat technische problemen (zoals slechte computers) of angst voor misbruik van data veel minder belangrijk waren. Het probleem zit hem dus in de organisatie en het geld, niet in de techniek zelf.

3. Wat willen ze leren? (De training)

De experts wilden graag bijleren, maar hun wensen verschilden iets:

• De onderzoekers wilden vooral leren hoe ze de "raceauto" kunnen besturen: geavanceerde computerprogramma's, kunstmatige intelligentie (AI) en machine learning.
• De docenten wilden juist de "rijles" voor beginners: echte voorbeelden uit het dagelijks leven en duidelijke uitleg over de basis.

De favoriete manier van leren? Niemand wil urenlang in een saai lokaal zitten. De meesten wilden korte, online cursussen of webinars. Denk aan een snelle, handige YouTube-video die je kunt kijken terwijl je koffie drinkt, in plaats van een hele dag college.

4. Het belangrijkste hulpmiddel: De "Super-App"

De onderzoekers hadden een nieuw project opgezet genaamd het Pathogen Data Network (PDN). Ze vroegen wat het meest waardevolle hulpmiddel was.
Het antwoord was duidelijk: De Pathogens Portal.
Stel je dit voor als een "Google" of een "Wikipedia" speciaal voor ziekteverwekkers. In plaats van naar tien verschillende bibliotheken te moeten, vind je hier alles op één plek. 72% van de mensen zei dat dit het allerbelangrijkste hulpmiddel is.

Conclusie: Wat betekent dit voor ons?

De boodschap van dit onderzoek is helder: we hebben niet per se nieuwe, supergeavanceerde computers nodig om ziekten te bestrijden. We hebben vooral geld, samenwerking en goed onderwijs nodig.

Als we de "bibliotheek" goed organiseren, de puzzelstukjes aan elkaar kunnen plakken en genoeg mensen leren hoe ze ermee moeten werken, dan kunnen we veel sneller reageren op nieuwe uitbraken. Het is een oproep aan regeringen en organisaties om te investeren in de mensen en de systemen die de data bij elkaar houden, zodat we allemaal veiliger zijn.

Technische samenvatting

Titel: Behoeften van de gemeenschap voor FAIR-pathogeen data

Auteurs: Geert van Geest et al. (Pathogen Data Network - PDN)
Publicatie: bioRxiv preprint (april 2026)

---

1. Probleemstelling

Datasets gerelateerd aan infectieziekten zijn cruciaal voor besluitvorming op het gebied van volksgezondheid, maar hun potentieel wordt beperkt door barrières bij het delen en integreren van data. Hoewel het toepassen van de FAIR-principes (Findable, Accessible, Interoperable, Reusable) algemeen wordt erkend als essentieel voor versnelde wetenschappelijke ontdekkingen, zijn de specifieke behoeften van de wereldwijde gemeenschap rondom pathogeen data niet systematisch in kaart gebracht.

De huidige uitdagingen gaan verder dan puur technische beperkingen en omvatten:

• Gebrek aan institutionele ondersteuning.
• Beperkte expertise voor het voltooien van submit-processen.
• Gevoeligheid en ethische overwegingen rondom data.
• Tekort aan computationele expertise.
• Het ontbreken van een gestructureerd overzicht van prioriteiten voor training en infrastructuur, wat nodig is om effectieve interventies te ontwerpen.

2. Methodologie

De studie werd uitgevoerd door het Pathogen Data Network (PDN), een internationaal consortium dat een robuust FAIR-ecosysteem voor infectieziektedata wil bouwen.

• Onderzoeksdesign: Een cross-sectionele stakeholder-enquête.
• Doelgroep: Experts die werken met pathogeen data relevant voor de menselijke gezondheid (onderzoekers, zorgprofessionals, bioinformatici, educatoren, beleidsmakers).
• Datacollectie:
  • De enquête werd online uitgevoerd via SurveyMonkey (februari tot april 2025).
  • Distributie via e-mailcampagnes (ca. 10.000 ontvangers, waaronder NIAID-beurshouders en faculteitsleden) en professionele netwerken (CDC, WHO, ECDC, etc.).
  • Totaal 198 initiële deelnemers, waarvan 136 volledige, geldige antwoorden voor analyse.
• Instrument: Een vragenlijst van 10 items (meerkeuze, Likert-schalen, open vragen) gericht op demografie, institutionele context, waargenomen barrières en trainingsbehoeften.
• Data-analyse: Beschrijvende statistiek (frequenties en proporties) uitgevoerd in R (versie 4.5.1). Open-ended antwoorden werden kwalitatief geanalyseerd op terugkerende thema's.

3. Belangrijkste Bijdragen

• Empirische Basislijn: Het biedt de eerste gestructureerde, datagedreven diagnose van de operationele omgeving, resource-beperkingen en behoeften aan personeelsontwikkeling binnen de pathogeen-data-gemeenschap.
• Identificatie van Systemische Barrières: De studie verschuift de focus van technologische beperkingen naar structurele en organisatorische obstakels (financiering, aggregatie, personeel).
• Differentiatie per Rol: Het onthult duidelijke verschillen in prioriteiten tussen onderzoekers (technisch/procedureel) en educatoren (conceptueel/pedagogisch).
• Herbruikbaar Framework: De enquête en het openbare dataset dienen als een template voor het beoordelen van behoeften in andere gemeenschappen en regio's.

4. Resultaten

A. Demografie

• Rol: 58% onderzoekers/analisten/zorgprofessionals, 26% educatoren, 7% ontwikkelaars.
• Locatie: Grootste groep uit de VS (57%), gevolgd door Zwitserland, Noorwegen, VK en India.
• Instelling: 66% verbonden aan hogeronderwijsinstellingen.
• Carrière: 57% midden-carrière professionals.

B. Waargenomen Barrières (Top 3)
De respondenten identificeerden structurele beperkingen als de grootste hindernissen:

1. Beperkte financiering: 74% (onvoldoende budget voor experimenten, tools, abonnementen).
2. Data-aggregatie-uitdagingen: 68% (moeilijkheden bij het combineren en delen van data over silo's heen).
3. Tekort aan gekwalificeerd personeel: 52%.

• Opmerking: Technologische beperkingen en zorgen over data-misbruik werden als minder significant ervaren.

C. Trainingsbehoeften

• Hoogste prioriteit: Bio-informatica voor infectieziektenonderzoek (68%).
• Volgende prioriteiten: Gebruik van het PDN "Pathogens Portal" (51%) en visualisatie/communicatie van resultaten (50%).
• Verschil per rol:
  • Onderzoekers: Focus op machine learning (47%), data-managementplanning en FAIR-principes.
  • Educatoren: Focus op real-world casestudies (71%) en conceptuele overzichten; geen interesse in internationale standaarden/regels.
• Voorkeur format: Virtuele korte cursussen (68%) en webinars (66%) werden verkozen boven fysieke cursussen.

D. Waarde van PDN-resources

• Het Pathogens Portal (geïntegreerde portal voor data en tools) werd door 72% van de respondenten als het meest essentiële hulpmiddel beoordeeld.
• Metadata-standaarden (43%) en gevalideerde analytische workflows (37%) volgden op de ranglijst.

5. Betekenis en Conclusie

De studie concludeert dat de barrières voor FAIR-pathogeen data voornamelijk systemisch en structureel zijn, en niet puur technologisch. De kloof tussen de complexiteit van de data-taken en de beschikbare middelen (financiering, personeel, coördinatie) is het grootste probleem.

Implicaties:

• Strategische Uitlijning: Organisaties die infectieziektenonderzoek ondersteunen, moeten hun inspanningen richten op het oplossen van structurele problemen (duurzame financiering, personeelsopleiding, institutionele continuïteit) in plaats van alleen nieuwe tools te bouwen.
• Gerichte Training: Trainingsprogramma's moeten worden aangepast aan de rol van de gebruiker: technische vaardigheden en data-stewardship voor onderzoekers, en conceptuele kennis en casestudies voor educatoren.
• Infrastructuur: De hoge waardering voor het Pathogens Portal bevestigt dat centralisatie, standaardisatie en toegang tot experts cruciaal zijn voor de gemeenschap.

De bevindingen vormen een bewijsbasis voor het PDN en andere organisaties om hun ondersteuning, outreach en infrastructuurontwikkeling af te stemmen op de empirisch geïdentificeerde prioriteiten, waardoor de interoperabiliteit en herbruikbaarheid van pathogeen data wordt versterkt.