Digital Health and Data Utilisation for Improved Primary Health Services Delivery: Multi-Site Perspectives from Quality Improvement Teams in Council Hospitals in Tanzania

Deze studie onderzocht in zes regio's van Tanzania dat hoewel digitale gezondheidsinitiatieven momenteel beperkt zijn door gebrek aan interoperabiliteit en betrouwbaarheid, de bruikbaarheid en toegang tot kwalitatieve data toch een significante positieve invloed hebben op het gebruik van data voor het verbeteren van de levering van basisgezondheidsdiensten.

De kern

🏥 De Digitale Sleutel die niet altijd past: Een onderzoek in Tanzania

Stel je voor dat de gezondheidszorg in Tanzania een enorm, levendig orkest is. Elke arts, verpleegkundige en manager is een muzikant. Om een prachtig concert te geven (goede zorg voor patiënten), moeten ze allemaal op hetzelfde tempo spelen en dezelfde bladmuziek gebruiken.

In de afgelopen jaren hebben ze geprobeerd dit orkest te moderniseren door digitale systemen in te voeren. Denk hierbij aan tablets, computers en speciale software die moeten helpen bij het noteren van patiëntgegevens, het bestellen van medicijnen en het plannen van personeel. Het idee was: "Als we digitaal werken, kunnen we sneller, slimmer en beter beslissingen nemen."

Maar dit onderzoek, uitgevoerd in 12 ziekenhuizen in Tanzania, stelt de vraag: Werkt die digitale muziek wel? Of spelen de muzikanten nog steeds op hun eigen oude blaasjes?

🕵️‍♂️ Wat hebben ze onderzocht?

De onderzoekers spraken met 203 mensen die deel uitmaken van de 'kwaliteitsteams' in deze ziekenhuizen. Ze vroegen hen eerlijk: "Hoe werkt het met die nieuwe digitale systemen?"

Ze keken naar vier belangrijke eigenschappen van de systemen, die we kunnen vergelijken met een nieuwe auto:

1. Compatibiliteit: Past de auto in je garage? (Past het systeem bij het werk dat je al doet?)
2. Gebruiksgemak: Is de auto makkelijk te besturen? (Is de software begrijpelijk?)
3. Betrouwbaarheid: Start de auto elke ochtend? (Kraakt het systeem niet en zijn de gegevens juist?)
4. Nuttigheid: Brengt de auto je sneller naar je bestemming? (Helpt het systeem je echt bij je werk?)

📉 De bevindingen: De auto start niet altijd

De resultaten waren een beetje gemengd, maar over het algemeen niet zo goed als gehoopt.

• De auto is vaak te moeilijk: De meeste mensen vonden de systemen niet gebruiksvriendelijk. Het was alsof ze probeerden een Formule 1-auto te besturen zonder rijbewijs. Veel personeel had onvoldoende training gekregen.
• De auto is onbetrouwbaar: Veel mensen waren het oneens met de betrouwbaarheid. Soms gaf het systeem verkeerde cijfers, soms crashte het, en soms duurde het te lang om te laden. Dit is alsof je auto soms midden op de snelweg stopt.
• De auto is niet altijd nuttig: Veel medewerkers vonden dat de systemen hen niet echt hielpen bij het plannen van personeel of het bestellen van medicijnen. Ze voelden zich er zelfs lastiger door in plaats van makkelijker.
• Het enige goede nieuws: Er was wel enige overeenstemming dat de systemen soms helpen bij het bestellen van medicijnen. Maar voor het plannen van het budget of het verdelen van personeel was de hulp gering.

🧩 Het echte probleem: Te veel losse puzzelstukjes

Het grootste probleem is dat er te veel verschillende systemen naast elkaar bestaan die niet met elkaar praten.
Stel je voor dat je een grote puzzel probeert te leggen, maar de stukjes zijn uit drie verschillende dozen gehaald. Ze passen niet bij elkaar.

• Het ene systeem voor patiënten praat niet met het systeem voor medicijnen.
• Het ene systeem is op papier, het andere op de computer.

Dit zorgt voor dubbel werk. De medewerkers moeten gegevens twee keer invoeren, wat tijd kost en leidt tot fouten. Hierdoor is het lastig om een duidelijk beeld te krijgen van wat er echt in het ziekenhuis gebeurt.

🚀 Wat is de oplossing?

Ondanks de problemen, is de boodschap niet dat we de digitale systemen moeten weggooien. Integendeel! Het onderzoek toont aan dat als de systemen goed werken (betrouwbaar, makkelijk en nuttig zijn), ze een enorme boost geven aan de zorg.

• Betrouwbare data = Betere beslissingen: Als de 'auto' goed werkt, kunnen managers zien hoeveel medicijnen ze nodig hebben of waar ze extra verpleegkundigen nodig hebben. Dit leidt direct tot betere zorg voor de patiënt.
• Training is de brandstof: De belangrijkste conclusie is dat de technologie alleen werkt als de mensen er goed mee kunnen omgaan. Er is meer en betere training nodig.
• Één groot systeem: In plaats van veel losse puzzelstukjes, moet er één groot, samenhangend systeem komen waar alle data in terechtkomt.

💡 De conclusie in één zin

De digitale systemen in Tanzania zijn als een krachtige motor die nog niet goed is afgesteld; ze kunnen het orkest fantastisch laten klinken, maar eerst moeten we de motor repareren, de muzikanten leren hoe ze ermee omgaan, en ervoor zorgen dat iedereen op hetzelfde partituur speelt.

Advies van de onderzoekers:

1. Integreer: Maak van de losse systemen één groot, samenhangend systeem.
2. Train: Geef de medewerkers continue training, zodat ze de 'auto' veilig kunnen besturen.
3. Vertrouwen: Zorg dat de systemen betrouwbaar zijn, zodat mensen erop durven te vertrouwen om belangrijke beslissingen te nemen.

Als dit gebeurt, kan Tanzania een voorbeeld worden van hoe digitale technologie de gezondheidszorg echt kan verbeteren.

Technische samenvatting

Technische Samenvatting: Digitaal Gezondheidszorg en Gegevensgebruik voor Verbeterde Basisgezondheidsdiensten in Tanzania

1. Probleemstelling
Hoewel digitale gezondheid (eHealth) een cruciale rol speelt bij het faciliteren van data-analyse en het verbeteren van de zorglevering, is er beperkte kennis over de mate waarin digitale gezondheid daadwerkelijk de kwaliteit van de basisgezondheidsdiensten verbetert via effectief gegevensgebruik. In Tanzania, ondanks significante investeringen in data-systemen (zoals DHIS-2) en de koppeling aan lokale overheden, blijft er een kloof bestaan tussen de beschikbaarheid van data en de daadwerkelijke toepassing daarvan voor planning en besluitvorming. Er is een gebrek aan inzicht in de determinanten die het gebruik van digitale gezondheid beïnvloeden in districtshospitalen, met name wat betreft de compatibiliteit, gebruiksvriendelijkheid, betrouwbaarheid en nut van deze systemen.

2. Methodologie

• Onderzoeksdesign: Een cross-sectioneel onderzoek uitgevoerd in zes regio's van Tanzania, omvattend 12 districtshospitalen (Council Hospitals).
• Steekproef: De studie omvatte 203 leden van Quality Improvement Teams (QIT) uit een totale populatie van 480 leden. De steekproefgrootte werd bepaald met de Yamane-formule (95% betrouwbaarheidsniveau, 5% foutmarge).
• Selectie: Een meerfasige steekproefmethode werd toegepast, waarbij regio's en ziekenhuizen geselecteerd werden op basis van prestatie-indicatoren (sterrenclassificatie: hoog- en laagpresterend).
• Datacollectie: Gegevens werden verzameld via gestructureerde, zelfadministreerde vragenlijsten tussen maart 2023 en maart 2024. De vragenlijst mat socio-demografische kenmerken en percepties over digitale gezondheidsfactoren (compatibiliteit, gebruiksvriendelijkheid, betrouwbaarheid, nut) en hun invloed op data-toegang en besluitvorming.
• Data-analyse:
  • Beschrijvende statistiek: Frequenties, percentages en gemiddelden.
  • Structurale Modellen: Partial Least Squares Structural Equation Modelling (PLS-SEM) met bootstrapping-technieken (via SmartPLS 3) werd gebruikt om de relaties tussen digitale gezondheidsfactoren, toegang tot kwaliteitsdata, data-gebruik en verbetering van de dienstverlening te testen.
  • Validatie: De meetmodellen werden gevalideerd via indicatorladingen, Cronbach's alpha, composite reliability en Average Variance Extracted (AVE).

3. Belangrijkste Bijdragen en Theoretisch Kader
De studie past het Unified Theory of Acceptance and Use of Technology (UTAUT) raamwerk toe om de dynamiek van data-toegang en -gebruik te analyseren. Het onderzoek test vijf hypothesen die de relaties testen tussen:

1. Digitale gezondheidsfactoren en toegang tot kwaliteitsdata.
2. Toegang tot kwaliteitsdata en data-gebruik voor planning/besluitvorming.
3. Data-gebruik en verbetering van de gezondheidsdienstverlening.
4. Directe effecten van data-toegang en digitale factoren op de dienstverlening.

De studie levert empirisch bewijs uit een laag- en middeninkomensland (LMIC) over hoe specifieke technologische eigenschappen (compatibiliteit, gebruiksvriendelijkheid, betrouwbaarheid, nut) de effectiviteit van data-systemen in de praktijk beïnvloeden.

4. Resultaten

• Percepties over Systemen:
  • Er is een gematigde instemming over de compatibiliteit van data voor planning (38,4%) en bestelling van goederen (40,4%).
  • Er is echter een hoge ontevredenheid over gebruiksvriendelijkheid (47,8% niet eens), betrouwbaarheid (tot 65,5% niet eens) en nut (tot 63,5% niet eens).
  • In totaal gaf 50,2% van de respondenten aan dat digitale systemen niet effectief data-gebruik ondersteunen (M=2,74 ± 0,87).
• Structuurmodel Analyse (PLS-SEM):
  • Ondersteunde Hypothesen:
    • Nuttigheid (β=0,199, p<0,001) en Toegang tot kwaliteitsdata (β=0,729, p<0,001) hebben een significant positief effect op data-gebruik voor planning.
    • Data-gebruik heeft een sterk significant positief effect op de verbetering van de dienstverlening (β=0,593, p<0,001).
    • Compatibiliteit, gebruiksvriendelijkheid, betrouwbaarheid en nut hebben een significant positief effect op de toegang tot kwaliteitsdata.
  • Verworpen Hypothesen:
    • Er was geen direct significant effect van digitale factoren op de verbetering van de dienstverlening zonder de mediator van data-toegang/gebruik.
    • Compatibiliteit, gebruiksvriendelijkheid en betrouwbaarheid hadden geen direct significant effect op data-gebruik voor planning (alleen via toegang tot data).
• Voorspellende Kracht: Het model toont een hoge verklarende kracht voor data-gebruik (R² = 0,780) en een gematigde kracht voor toegang tot data (R² = 0,501) en dienstverlening (R² = 0,380).

5. Betekenis en Conclusie
De studie concludeert dat huidige digitale gezondheidsinitiatieven in Tanzania slechts een beperkte invloed hebben gehad op de verbetering van gebruiksvriendelijkheid, betrouwbaarheid en nut, voornamelijk door gefragmenteerde, niet-interoperabele platforms die de data-beheerlast vergroten.

Kernboodschap:
Hoewel de huidige implementatie tekortschiet, bevestigt het onderzoek dat de compatibiliteit, gebruiksvriendelijkheid, betrouwbaarheid en het nut van digitale tools cruciale determinanten zijn. Deze factoren verbeteren de toegang tot kwaliteitsdata, wat op zijn beurt leidt tot betere data-gedreven beslissingen en uiteindelijk een verbetering van de gezondheidsdienstverlening.

Aanbevelingen:

1. Integratie: Bestaande systemen moeten worden versterkt en geïntegreerd in een unified data warehouse om interoperabiliteit te bevorderen en redundante data-invoer te elimineren.
2. Training: Er is een dringende behoefte aan continue, uitgebreide training voor alle relevante beroepsgroepen om data-informatievaardigheden te institutionaliseren.
3. Beleid: Overheden moeten focussen op de kwaliteit en bruikbaarheid van systemen in plaats van alleen op de implementatie van nieuwe technologieën, om een cultuur van datagestuurde besluitvorming te vestigen.

De studie identificeert beperkingen, zoals de focus op QIT-leden (exclusief andere managementteams) en de beperking tot districtshospitalen, wat de generaliseerbaarheid naar andere niveaus van het gezondheidssysteem beperkt.