Evaluation of linkage between health, education and social care administrative data for 21 million children in England
Deze studie evalueert de koppeling van gegevens over gezondheid, onderwijs en sociale zorg voor 21 miljoen kinderen in Engeland, waarbij wordt onthuld dat hoewel meer dan 90% van de recente cohorten succesvol gekoppeld is, een significante ondervertegenwoordiging voortduurt onder kinderen uit achtergestelde gebieden, inwoners van Londen en gemarginaliseerde etnische groepen, wat het cruciale belang benadrukt voor onderzoekers om deze demografische vooroordelen in hun analyses te verantwoorden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je voor dat je de gezondheid van de kinderen van een natie probeert te begrijpen door naar één enkele, enorme kaart te kijken. In Engeland wordt deze kaart niet getekend door elke familie te inventariseren, maar door drie verschillende sets officiële registers aan elkaar te naaien: de medische dossiers van ziekenhuizen en klinieken, de aanwezigheids- en prestatielogboeken van scholen, en de dossiers die door maatschappelijke zorginstellingen worden bijgehouden. Decennialang hebben deze registers in verschillende gebouwen geleefd, bewaakt door verschillende regels. Maar onderzoekers hebben gewerkt aan het koppelen ervan, waardoor een krachtig instrument genaamd ECHILD is ontstaan. Dit systeem stelt wetenschappers in staat om te zien hoe de gezondheid van een kind, hun tijd in het klaslokaal en de sociale omstandigheden van hun familie gedurende een leven met elkaar verweven zijn. De hoop is dat we door het hele plaatje te zien, problemen eerder kunnen signaleren en beter ondersteuning kunnen ontwerpen voor de miljoenen jongeren die in Engeland opgroeien. Echter, voor deze kaart om nuttig te zijn, moet deze accuraat zijn. Als de kaart hele wijken of specifieke groepen mensen mist, zouden de conclusies die eruit getrokken worden misleidend kunnen zijn, wat er potentieel toe leidt dat de meest kwetsbare kinderen zonder de hulp blijven waar ze recht op hebben.
Een team van onderzoekers ondernam onlangs het initiatief om de kwaliteit van deze enorme digitale kaart te controleren. Ze wilden precies weten hoeveel kinderen succesvol gekoppeld waren over deze verschillende registers heen en, even belangrijk, wie er ontbrak. Ze bekeken gegevens van 21 miljoen kinderen geboren tussen 1984 en 2023. Het proces hield in dat een schoolrecord van een kind werd gekoppeld aan hun medische dossier met behulp van beveiligde, anonieme identificatiemiddelen. De resultaten toonden aan dat het systeem in zijn kern bijzonder effectief is. Voor kinderen die in recente jaren zijn geboren, was meer dan 9ot procent van hen met een geboorterecord in het ziekenhuis succesvol gekoppeld aan een schoolrecord. Op dezelfde manier werd ongeveer 88 procent van de kinderen die in de vroege jaren 2000 op school zaten, ook in een medisch dossier teruggevonden. In totaal bevat het systeem nu gekoppelde informatie over 21 miljoen individuen, wat een bron oplevert die verspreid is over meer dan 350 miljoen observatiejaren.
Toch onthulde de studie dat deze kaart niet perfect compleet is, en de ontbrekende stukken zijn niet willekeurig. De onderzoekers ontdekten dat de kans dat een kind wordt opgenomen in de gekoppelde gegevens sterk afhangt van wie zij zijn en waar zij wonen. Kinderen die in Londen wonen, kinderen uit armere gebieden en kinderen met een etnische minderheidsachtergrond hadden een kleinere kans dat hun gegevens succesvol gekoppeld werden vergeleken met hun leeftijdsgenoten. Zo kwamen kinderen die als zwart of Aziatisch werden geregistreerd, of die in de meest economisch achtergestelde wijken woonden, minder vaak voor in de gekoppelde gegevens dan witte kinderen of kinderen uit rijkere gebieden. Dit patroon hield stand over verschillende leeftijdsgroepen en perioden heen. De redenen voor deze hiaten zijn gevarieerd. Sommige kinderen kozen er mogelijk voor om hun gezondheidsgegevens niet voor onderzoek te laten gebruiken, terwijl anderen misschien privé scholen bezochten die niet volledig in de nationale database zijn opgenomen, of zij zijn wellicht na hun vroege jeugd naar Engeland verhuisd zonder een voorafgaand medisch dossier in het systeem te hebben.
De onderzoekers onderzochten ook of het systeem per ongeluk de verkeerde mensen met elkaar verbindt, zoals het koppelen van het schoolrecord van één kind aan het medische dossier van een ander kind. Ze ontdekten dat foutieve koppelingen extreem zeldzaam waren en in minder dan één procent van de gevallen voorkwamen. Wanneer ze wel voorkwamen, waren ze gebruikelijker bij kinderen met ontbrekende of onduidelijke informatie in hun dossiers, zoals kinderen zonder een vast adres of met onvolledige demografische details. Dit suggere咗 dat de fouten meestal te wijten zijn aan een slechte datakwaliteit in plaats van een gebrek aan de matchingtechnologie zelf. De studie benadrukte ook een specifieke historische bijzonderheid: kinderen geboren tussen 1997 en 2002 werden minder vaak gekoppeld omdat er tijdens die jaren geen uniek nationaal gezondheidsnummer bij de geboorte werd toegekend, wat leidde tot verwarring in de dossiers waardoor koppeling moeilijk werd gemaakt.
De betekenis van deze bevindingen ligt in wat ze ons vertellen over de grenzen van het gebruik van big data om de samenleving te begrijpen. Hoewel het ECHILD-systeem een krachtig instrument is voor het genereren van bewijs om de gezondheid van kinderen te verbeteren, vertegenwoordigt het niet elk kind op gelijke wijze. De groepen die het meest waarschijnlijk ondervertegenwoordigd zijn, zijn vaak juist de groepen die met de grootste gezondheids- en sociale uitdagingen kampen. Als onderzoekers deze gegevens gebruiken zonder rekening te houden met deze hiaten, kunnen zij ten onrechte concluderen dat bepaalde gezondheidsproblemen minder vaak voorkomen in achtergestelde gebieden of bij minderheidsgroepen, simpelweg omdat die kinderen ontbreken in de dataset. De auteurs benadrukken dat het begrijpen van wie er ontbreekt even cruciaal is als het begrijpen van wie er aanwezig is. Door de grenzen van hun kaart te kennen, kunnen wetenschappers hun methoden aanpassen om ervoor te zorgen dat de verhalen die zij vertellen over de gezondheid van kinderen eerlijk en accuraat zijn, in plaats van onbedoeld de stemmen van degenen die het meest gehoord moeten worden te verstommen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.