The Power of Open Health Data: Impact, Representation, and Knowledge Diffusion

Dit onderzoek toont aan dat open gezondheidsdata, ondanks grote verschillen in financiering en opzet, een consistente tienvoudige citatieversterking genereert, waarbij goedkope toegang wereldwijde diversiteit bevordert maar structurele ongelijkheid in senior auteurschapsrollen blijft bestaan.

De kern

De Kracht van Open Gezondheidsdata: Een Verhaal over Delen, Groeien en Wie er Mee Doet

Stel je voor dat wetenschappelijke data een enorme, gouden schat is. Vroeger werd deze schat opgesloten in kasten van grote universiteiten, alleen toegankelijk voor een paar gelukkigen met de sleutel. Vandaag de dag hebben we echter besloten om deze schatkamers open te gooien. Maar de vraag is: wat gebeurt er eigenlijk met die schat als iedereen erbij kan?

Deze studie, geschreven door een internationaal team van onderzoekers, kijkt naar vier van deze enorme "open data-schatkamers" in de gezondheidszorg: MIMIC, UK Biobank, OpenSAFELY en All of Us. Ze hebben gekeken naar drie belangrijke dingen:

1. Hoeveel nieuwe kennis (publicaties) er uit deze data komt.
2. Wie die kennis maakt (uit welk land en welk geslacht).
3. Hoe ver die kennis reist in de wereld.

Hier is de uitleg in simpele taal, met wat creatieve vergelijkingen.

1. De "IJsborg" van Kennis: Het 10-voudige Effect

Stel je voor dat een onderzoeker een nieuw recept voor een medicijn schrijft op basis van deze open data. Dat is de eerste laag van ijs (de directe publicatie). Maar dat recept wordt niet alleen gelezen door de mensen die het hebben geschreven. Andere mensen lezen het, vinden het slim, en schrijven er hun eigen nieuwe ideeën over. Dat zijn de tweede laag van ijs.

De onderzoekers ontdekten iets verrassends: voor elke dollar die in deze data-projecten wordt gestoken, komt er ongeveer 10 keer zoveel kennis uit als je alleen naar de eerste schrijvers zou kijken.

• De metafoor: Het is alsof je een zaadje plant (de data). De eerste bloem die groeit is mooi, maar die bloem zaadt zich uit en creëert een heel veld met nieuwe bloemen. Die "zaadverspreiding" is ongeveer 10 keer groter dan de oorspronkelijke bloem. Dit geldt voor alle vier de schatkamers, ongeacht hoe groot of klein ze zijn.

2. De Verschillende "Tuinen" (De Vier Repositories)

Hoewel ze allemaal werken met open data, zijn de tuinen heel verschillend:

• MIMIC (De Snelle, Gratis Tuin):

  • Wat is het? Data van intensivecare-patiënten uit Boston.
  • Het effect: Omdat het gratis is, klein genoeg om op een laptop te downloaden en makkelijk te gebruiken, trekt het veel onderzoekers uit armere landen (LMIC). Het is alsof je een openbare bibliotheek hebt waar iedereen gratis boeken mag lenen.
  • De keerzijde: Omdat het vooral gebruikt wordt door computerwetenschappers om algoritmes te testen (zoals een trainingsbaan voor robots), is het percentage vrouwen hier lager. Het is een "computerspel-tuin" geworden.

• All of Us (De Grote, Duurzame Tuin):

  • Wat is het? Een enorm Amerikaans project om een miljoen mensen te volgen, met veel nadruk op diversiteit en gemeenschap.
  • Het effect: Het is enorm duur (miljarden dollars) omdat ze mensen moeten werven, bloed moeten afnemen en gemeenschappen moeten betrekken.
  • De keerzijde: Omdat het zo complex en duur is, en vaak cloud-gebaseerd werkt, is het lastiger voor onderzoekers uit armere landen om mee te doen. Het is alsof je een heel exclusieve, bewaakte tuin hebt met een dure entreekaart. Hier zijn veel meer vrouwen, maar veel minder onderzoekers uit ontwikkelingslanden.

• UK Biobank & OpenSAFELY (De Middenweg):

  • Deze zitten ergens tussenin. Ze hebben een goede mix, maar worden nog steeds het meest gebruikt door onderzoekers uit rijke landen.

3. Wie heeft de Sleutel? (Wie schrijft er?)

De studie keek niet alleen naar hoeveel er geschreven werd, maar ook wie er schreef.

• Land van herkomst: Bij MIMIC komt bijna de helft van de auteurs uit landen met een lager inkomen. Bij All of Us is dat slechts 4%. Dit laat zien dat gratis en makkelijke toegang (zoals bij MIMIC) de wereldwijde deur openzet voor talent uit ontwikkelingslanden.
• Geslacht: Overal ter wereld is er nog steeds een gat. Vrouwen schrijven vaker de eerste hoofdstukken (de eerste auteur), maar schrijven veel minder vaak het laatste hoofdstuk (de senior auteur, de "baas" van het onderzoek). Dit is een structureel probleem dat niet opgelost wordt door alleen maar data gratis te maken. Het is alsof vrouwen wel de zaadjes mogen planten, maar de mannen vaak de eigenaars van de tuin blijven.

4. De Grote Les: Delen is niet genoeg

De belangrijkste boodschap van dit verhaal is: Het hebben van de data is niet hetzelfde als het hebben van de macht.

• De IJsborg: Open data zorgt voor een enorme "ijsberg" van kennis die verder reikt dan de directe gebruikers. Dat is fantastisch!
• De Valkuil: Als onderzoekers uit armere landen data gebruiken die is verzameld in de VS (zoals bij MIMIC), maken ze misschien wel mooie modellen, maar zijn die modellen misschien niet echt bruikbaar voor de ziekenhuizen in hun eigen land. Het is alsof je een recept voor pizza leert van een Italiaan, maar je probeert het te koken in een keuken zonder oven. Je hebt het recept, maar het werkt niet perfect voor jouw situatie.

Conclusie voor de gemiddelde lezer:
Open data is een krachtig gereedschap. Het laat zien dat als je de poorten openzet, de wereld meedoet. Maar om echt eerlijk te zijn, moeten we niet alleen kijken naar hoeveel papers er worden geschreven. We moeten ook kijken of mensen uit armere landen echt leiders worden in de wetenschap, en of de kennis die ze maken ook echt helpt voor de mensen in hun eigen gemeenschap.

Het is niet genoeg om alleen de schatkist open te gooien; we moeten ook zorgen dat iedereen de sleutel heeft om er iets waardevols mee te bouwen dat voor hen werkt.

Technische samenvatting

Probleemstelling

Open gezondheidsdata-repositories ontvangen miljarden aan publieke financiering, maar er ontbreekt een systematisch kader om hun downstream wetenschappelijke impact, de samenstelling van de onderzoeksgemeenschappen die ze kweken, en de breedte van de disciplines die ze bereiken, te evalueren. Bestaande bibliometrische evaluaties tellen vaak alleen publicaties of "eerstegraads" citaties (papers die de dataset direct gebruiken), maar missen de bredere kennisdiffusie die optreedt wanneer die papers op hun beurt weer worden geciteerd. Daarnaast is het onduidelijk of open data werkelijk de playing field egaliseert voor onderzoekers uit laag- en middeninkomenslanden (LMIC's) en of deze data diversiteit aanvoert in posities van intellectuele leiderschap (senior auteurs), of slechts in participatie.

Methodologie

De auteurs introduceerden een tweegraads citatiemethodologie om kennisdiffusie te kwantificeren, genormaliseerd naar cumulatieve programmafondsen.

1. Data Repositories: Er werden vier grote open gezondheidsdata-repositories geselecteerd met verschillende ontwerpen en financieringsniveaus:

   • MIMIC: Retrospectieve EHR-data (Intensieve Zorg), $14,4 miljoen.
   • UK Biobank: Prospectieve cohort met genomics, $525,5 miljoen.
   • OpenSAFELY: Federatief EHR-platform (eerstelijnszorg), $53,7 miljoen.
   • All of Us: Prospectieve nationale cohort met biobanken en gemeenschapsbetrokkenheid, $2,16 miljard.

2. Citatie-analyse:

   • Eerstegraads papers: Publicaties die direct verwijzen naar de primaire werken van de repository.
   • Tweedegraads papers: Publicaties die de eerstegraads papers citeren (indirecte impact).
   • De data werd verkregen via de OpenAlex bibliometrische database (januari-februari 2026). In totaal werden 30.049 eerstegraads en 485.396 tweedegraads publicaties geïdentificeerd.

3. Demografische Analyse:

   • Geslacht: Afgeleid van voornamen via de Genderize.io API (identificatiegraad >98%).
   • Geografie: Landen werden geclassificeerd als Hoge-inkomenslanden (HIC) of Laag- en Midden-inkomenslanden (LMIC) volgens de Wereldbank 2024-indeling.
   • Positie: Auteurs werden onderverdeeld in eerste auteur (hoofdonderzoeker), laatste auteur (senior/supervisor) en middenauteurs.
   • Statistiek: Chi-kwadraattoetsen, Odds Ratios (OR) en Cramér's V werden gebruikt om verschillen tussen repositories te beoordelen.

4. Normalisatie: Alle output-metrics werden gedeeld door de totale programmafondsen (in miljoenen USD) om een eerlijke vergelijking te maken tussen projecten met zeer verschillende budgetten.

Belangrijkste Bijdragen

• Nieuwe Methodiek: Een tweegraads citatiebenadering die niet alleen directe gebruikers meet, maar ook de bredere "vermenigvuldigingsfactor" van kennis die via indirecte citaties verspreidt.
• Grootste Vergelijkende Studie: Een uitgebreide analyse van meer dan 515.000 publicaties over vier fundamenteel verschillende data-ecosystemen.
• Equity-Indicatoren: Een gedetailleerd inzicht in wie de research produceert (geslacht, LMIC-herkomst) en in welke posities (leiderschap vs. uitvoering), wat verder gaat dan alleen het tellen van publicaties.

Resultaten

1. Kennisdiffusie en Versterking:

   • Er is een consistente vermenigvuldigingsfactor van ongeveer 10x (amplification ratio) tussen eerstegraads en tweedegraads citaties, ongeacht de grootte van het fonds of het type repository (variërend van 9,3x tot 11,5x). Dit betekent dat open data een indirecte impact heeft die tien keer zo groot is als de directe gebruikersbasis.
   • Fondsen-gespecificeerde Output: Er zijn enorme verschillen in output per dollar. MIMIC genereerde 689 eerstegraads papers per $1 miljoen, terwijl All of Us slechts 1 genereerde. Dit verschil (een factor van ~800 in tweedegraads citaties per dollar) wordt toegeschreven aan de structuur: MIMIC is een goedkope, retrospectieve dataset die makkelijk te downloaden is, terwijl All of Us en UK Biobank dure prospectieve cohorten zijn met hoge kosten voor rekrutering, biobanken en gemeenschapsbetrokkenheid die niet direct in citaties terugkomen.

2. Demografische Verschillen:

   • LMIC-vertegenwoordiging: MIMIC heeft veruit de hoogste LMIC-auteurschap (41,8%), gevolgd door UK Biobank (22,9%), OpenSAFELY (17,4%) en All of Us (4,3%). De kans op LMIC-auteurschap bij MIMIC is 17,7 keer zo groot als bij All of Us.
   • Geslachtsverdeling: Er is een omgekeerd patroon. All of Us heeft het hoogste percentage vrouwelijke auteurs (43,2%), terwijl MIMIC het laagste heeft (31,8%). Dit wordt deels verklaard door het feit dat MIMIC voornamelijk wordt gebruikt als benchmark voor computerwetenschappen (waar vrouwen ondervertegenwoordigd zijn), terwijl de andere repositories meer medisch/clinisch gericht zijn.

3. Leiderschap en "Senior Gap":

   • LMIC Leiderschap: Bij MIMIC houden LMIC-onderzoekers niet alleen een groot deel van de eerste auteursposities, maar ook van de laatste (senior) auteursposities (41,5%), wat wijst op intellectueel leiderschap.
   • Geslachtskloof: Overal is er een persistente kloof tussen vrouwelijke eerste auteurs en vrouwelijke laatste auteurs. Vrouwen zijn in alle repositories minder vertegenwoordigd in senior posities (laatste auteur) dan in eerste auteursposities. De kloof varieerde van 4,9% (MIMIC) tot 10,9% (UK Biobank).

Betekenis en Conclusie

De studie concludeert dat open gezondheidsdata een consistente ~10x versterking van wetenschappelijke impact genereert, maar dat impact niet gelijkstaat aan gelijkheid.

• Toegang vs. Impact: Lage drempels voor toegang (zoals bij MIMIC) trekken wereldwijd diverse onderzoeksgemeenschappen aan, inclusief LMIC-onderzoekers in leiderschapsposities. Echter, dit garandeert niet dat de gegenereerde kennis lokaal relevant is voor die landen (bijv. modellen getraind op Amerikaanse data voor Afrikaanse patiënten).
• Structurele Ongelijkheden: De persistente kloof in senior auteurschap voor vrouwen en de lage LMIC-vertegenwoordiging bij grote, dure cohorten (zoals All of Us) wijzen op structurele ongelijkheden die puur door data-toegangspolitie niet opgelost kunnen worden.
• Beleid: Toekomstige evaluaties van open data-investeringen moeten kijken naar wie onderzoek doet, waar vandaan, en of participatie leidt tot lokaal relevant kennisproductie en capaciteitsopbouw, in plaats van alleen te kijken naar citatieaantallen. De huidige bibliometrie onderschat de waarde van investeringen in gemeenschapsbetrokkenheid en biobanken omdat deze niet direct in citaties vertalen.