📄 medicine

Dataset of survey responses on Artificial Intelligence adoption in the healthcare sector of Bangladesh: Stakeholder perspectives from patients, providers, and administrators

Deze studie presenteert een dataset van enquête-responsen van Bengaalse belanghebbenden in de gezondheidszorg, die matige tot positieve percepties en bereidheid voor AI-adoptie onthult, gedreven door technologische bewustwording, persoonlijke innovatiekracht en de invloed van sociale media, waarmee daarmee bewijs wordt geleverd ter ondersteuning van beleidsformulering en de implementatie van AI-gestuurde gezondheidszorgdiensten in Bangladesh.

Oorspronkelijke auteurs: Md. Hasan Tarek, Mohammad Rakibul Islam Bhuiyan, Saiful Islam

Gepubliceerd 2026-07-03

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Md. Hasan Tarek, Mohammad Rakibul Islam Bhuiyan, Saiful Islam

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de gezondheidszorg van Bangladesh voor als een enorm, druk treinstation. Het is een plek waar miljoenen mensen (patiënten) medische hulp proberen te krijgen, en een toegewijd team van werkers (artsen, verpleegkundigen en managers) probeert de treinen op tijd te laten rijden. Op dit moment kampt dit station met bepaalde groeipijnen: het is druk, de middelen zijn schaars en de oude manieren van werken worden wat traag.

Maak kennis met Artificiële Intelligentie (AI). Zie AI niet als een robot die het station overneemt, maar als een superintelligent, hoogtechnologisch bedieningspaneel dat kan helpen om de treinen efficiënter te laten rijden, vertragingen te voorspellen voordat ze gebeuren, en passagiers sneller naar het juiste perron te leiden.

Dit artikel is in essentie een onderzoeksverslag waarin aan iedereen in het station wordt gevraagd: "Hoe sta je tegenover het installeren van dit nieuwe bedieningspaneel?"

Hier is de uitsplitsing van wat de onderzoekers hebben gevonden, met behulp van eenvoudige analogieën:

1. De enquêteploeg en de menigte

De onderzoekers (van de Begum Rokeya University) hebben niet alleen de stationmanagers gevraagd; ze hebben iedereen gevraagd. Ze hebben gegevens verzameld van 515 mensen uit verschillende rollen:

De Passagiers (Patiënten): Ongeveer 39% van de groep.
De Stationmanagers (Administrateurs): Ongeveer 27%.
De Techniekploeg (Technische assistenten): Ongeveer 21%.
De Treinconducteurs (Artsen en verpleegkundigen): Een kleinere groep (ongeveer 13%).

Ze hebben deze mensen gevraagd om een checklist (een enquête) in te vullen waarbij ze hun gevoelens konden beoordelen van "Eens" tot "Oneens".

2. De algemene sfeer: "Voorzichtig optimistisch"

Als het station een kamer vol mensen zou zijn, dan is de stemming niet "We haten dit idee!" en ook niet "We hebben dit gisteren nog nodig!". Het is meer een matige, positieve brom.

De meeste mensen vinden AI een goed idee.
Ze zijn over het algemeen bereid om het uit te proberen.
De gegevens laten zien dat mensen niet doodsbang zijn; ze zijn nieuwsgierig en bereid om te leren.

3. Wat zorgt ervoor dat mensen "Ja" zeggen?

De onderzoekers ontdekten dat drie specifieke zaken fungeren als brandstof voor de enthousiasme van mensen over AI:

Weten hoe het werkt (Technologisch bewustzijn): Hoe meer mensen begrijpen wat AI daadwerkelijk is (niet alleen magie, maar wiskunde en data), hoe meer ze het leuk vinden. Het is alsof begrijpen hoe een GPS werkt, je meer vertrouwen geeft in de navigatie dan blindelings de instructies van een vreemde volgen.
Een "Early Adopter" zijn (Persoonlijke innovativiteit): Mensen die van nature van nieuwe gadgets of apps houden, zijn de eersten die zeggen: "Laten we dit doen!" Zij zijn degenen die de nieuwste telefoon kopen voordat de rest dat doet.
Er online over horen (Invloed van sociale media): Als mensen positieve verhalen over AI op sociale media zien, voelen ze zich meer bereid om het te accepteren. Het is alsof horen dat een vriend zegt: "Dit nieuwe koffietentje is geweldig," je zin geeft om het ook te proberen.

4. Het "Maar..." (Zorgen)

Hoewel de sfeer positief is, zijn er enkele drempels op de weg:

Baanonzekerheid: Ongeveer de helft van de zorgmedewerkers maakt zich zorgen dat AI hun banen kan overnemen, zoals een robot die een kaartjessnijder vervangt.
Privacyzorgen: Mensen maken zich zorgen dat hun medische geheimen zouden kunnen lekken, vergelijkbaar met de angst dat iemand je persoonlijke dagboek hackt.
De infrastructuurkloof: In sommige delen van het land (vooral in landelijke gebieden) zijn de "elektriciteitskabels" (internet) en "wegen" (computers) nog niet sterk genoeg om dit hoogtechnologische bedieningspaneel te ondersteunen.

5. Was de enquête zinvol? (De kwaliteitscontrole)

De onderzoekers hebben hun werk niet zomaar verzameld; ze hebben gecontroleerd of hun enquête solide was.

Betrouwbaarheid: Ze controleerden of de vragen consistent waren. Stel je voor dat je iemand dezelfde vraag op drie verschillende manieren stelt; als diegene elke keer hetzelfde antwoord geeft, is de enquête betrouwbaar. De gegevens hebben deze test doorstaan.
Validiteit: Ze zorgden ervoor dat ze daadwerkelijk maten wat ze zeiden te meten. Het is alsof je controleert of een thermometer daadwerkelijk de temperatuur meet en niet de luchtvochtigheid. De gegevens hebben ook deze test doorstaan.
Geen enkele bias: Ze controleerden of één enkel antwoord niet alle andere antwoorden domineerde (zoals wanneer iedereen simpelweg "Ja" op alles zegt). De antwoorden waren gevarieerd en eerlijk.

6. Wat dit artikel niet zegt

Het is belangrijk om vast te houden aan wat dit specifieke rapport beweert:

Dit artikel zegt niet dat AI momenteel in elk ziekenhuis in Bangladesh wordt gebruikt.
Het beweert niet dat AI in dit specifieke onderzoek al ziekten heeft genezen of levens heeft gered.
Het biedt geen stapsgewijze handleiding over hoe je de AI-systemen moet bouwen.

De Kernboodschap:
Dit artikel is een momentopname van de stemming. Het vertelt ons dat de mensen in het gezondheidszorgsysteem van Bangladesh klaar en bereid zijn om AI te omarmen, mits zij hierover worden opgeleid, hun baanzekerheid wordt gerespecteerd en de internetinfrastructuur sterk genoeg is om het te ondersteunen. Het "treinstation" is klaar voor de upgrade, maar de daadwerkelijke installatie van het bedieningspaneel moet zorgvuldig en met de juiste ondersteuning gebeuren.

Technische Samenvatting: Dataset van Enquêteresultaten over de Adoptie van Kunstmatige Intelligentie in de Gezondheidssector van Bangladesh

Probleemstelling
De gezondheidssector in Bangladesh staat voor hardnekkige uitdagingen, waaronder bureaucratische inefficiënties, beperkte middelen en ongelijke toegang tot diensten. Hoewel het nationale "Digital Bangladesh"-initiatief een technologische basis heeft gelegd, wordt de integratie van Kunstmatige Intelligentie (AI) in de gezondheidszorg belemmerd door aanzienlijke hiaten in bewustzijn en begrip onder belanghebbenden. Bestaande literatuur wijst erop dat hoewel de algemene houding tegenover AI positief is, er een aanzienlijk kennishiaat bestaat, met name onder oudere professionals en degenen met beperkte digitale blootstelling. Bovendien blijven zorgen over banenverlies, gegevensprivacy en algoritmische bias bestaan. Er is een kritieke behoefte aan empirische gegevens om de specifieke factoren te begrijpen die de AI-gereedheid en -adoptie beïnvloeden bij diverse belanghebbenden (patiënten, zorgverleners en beheerders) om beleid en implementatiestrategieën te informeren.

Methodologie
Deze studie maakt gebruik van een kwantitatieve onderzoeksbenadering met behulp van een gestructureerde enquête om gegevens te verzamelen van 515 geldige respondenten in heel Bangladesh tussen januari 2024 en april 2026. De deelnemers vertegenwoordigen een divers dwarsdoorsnede van het gezondheidsecosysteem, inclusief patiënten (38,64%), managementorganen (27,38%), technische assistenten (20,97%), artsen (7,77%) en verpleegkundigen (5,24%). De steekproef is overwegend mannelijk (63,30%) en hoogopgeleid, waarbij de meerderheid een Bachelor/BBA/BSc (46,80%) of Mastergraad (33,40%) bezit.

De gegevensverzameling werd uitgevoerd via een online vragenlijst die werd verspreid via Google Forms en sociale mediaplatforms. Het instrument maakte gebruik van een vijfpunts Likert-schaal (1–5) om zeven belangrijke latente constructen te meten:

Waargenomen Kwetsbaarheid (PS)
Technologisch Bewustzijn (TA)
Waargenomen Risico (PR)
Persoonlijke Innovativiteit (PI)
Invloed van Sociale Media (SMI)
Gereedheid van AI (RAI)
Adaptatie van AI (AAI)

Elk construct werd gemeten door drie specifieke items. De dataset onderging een grondige voorbewerking, inclusief opschoning om inconsistenties te verwijderen. Statistische analyse werd uitgevoerd met Python (3.8.15) met bibliotheken waaronder NumPy, SciPy en Pandas. Het analytische kader omvatte:

Descriptieve Statistiek: Om de centrale tendens en distributie te beoordelen.
Betrouwbaarheids- en Validiteitstesten: Cronbach's Alpha, Composite Reliability (CR) en Average Variance Extracted (AVE) werden berekend om interne consistentie en convergente validiteit te waarborgen.
Factoranalyse: Kaiser-Meyer-Olkin (KMO) en de Bartlett's Test of Sphericity werden gebruikt om de geschiktheid van de gegevens te bevestigen.
Bias-beoordeling: De Harman's one-factor test werd uitgevoerd om te controleren op common method bias.
Discriminante Validiteit: Beoordeeld met de Fornell-Larker criterion en de Heterotrait-Monotrait (HTMT) ratio.

Belangrijkste Bijdragen
De primaire bijdrage van dit werk is de publicatie van een uitgebreide, publiekelijk beschikbare dataset (gehost op Mendeley Data) met enquêteresultaten van 515 belanghebbenden in de Bengaalse gezondheidssector. De studie biedt:

Empirisch Bewijs: Een gedetailleerd profiel van de percepties, bewustzijnsniveaus en gereedheid van patiënten, zorgverleners en beheerders met betrekking tot AI-adoptie.
Gevalideerd Meetmodel: De studie toont aan dat het enquête-instrument een bevredigende betrouwbaarheid en validiteit bezit, waarbij alle constructen voldoen aan de standaarddrempels voor Cronbach's Alpha (>0,70), CR en AVE (>0,50).
Correlatie-inzichten: De analyse onthult significante positieve correlaties tussen constructen, met name tussen Persoonlijke Innovativiteit en Adaptatie van AI ( $r=0,715$ ), en tussen Gereedheid en Adaptatie ( $r=0,709$ ).
Demografische Context: De dataset biedt een gedetailleerd overzicht van hoe opleidingsniveaus en professionele rollen correleren met AI-percepties, waarbij wordt benadrukt dat de steekproef is geskipt naar hoogopgeleide demografieën.

Resultaten
De analyse geeft aan dat belanghebbenden in Bangladesh over het algemeen gematigde tot positieve percepties en gereedheid vertonen met betrekking tot AI-adoptie.

Descriptieve Bevindingen: De gemiddelde waarden voor de meeste constructen varieerden tussen 2,90 en 3,34, wat suggereert dat de meningen gematigd positief zijn in plaats van gepolariseerd. Skewness-waarden waren licht negatief, wat duidt op een trend naar hogere schaalresponsen.
Betrouwbaarheid: Alle constructen vertoonden een sterke interne consistentie, met Cronbach's Alpha-scores boven de 0,70. De Composite Reliability (CR)-scores waren hoog, en de AVE-scores overschreden 0,50, wat de convergente validiteit bevestigt.
Factoranalyse: De KMO-waarde was 0,952 (uitstekend), en de Bartlett's Test was significant ( $p < 0,001$ ), wat de geschiktheid van de dataset voor factoranalyse bevestigt.
Discriminante Validiteit: Zowel de Fornell-Larker criterion als de HTMT-ratio's (grotendeels onder 0,85) bevestigden dat de constructen verschillend zijn van elkaar.
Belangrijke Drijvers: Factoren zoals technologisch bewustzijn, persoonlijke innovativiteit en de invloed van sociale media bleken positief geassocieerd te zijn met AI-gereedheid en -adaptatie. Specifiek toonden individuen met een hogere persoonlijke innovativiteit een grotere waarschijnlijkheid om AI-gebaseerde gezondheidsdiensten te adopteren.

Significantie en Claims
De auteurs stellen dat deze dataset een fundamentele bewijslast vormt voor beleidsmakers en gezondheidsbeheerders in Bangladesh. De studie suggereert dat respondenten ontvankelijk zijn voor AI-gestuurde gezondheidszorgdiensten, wat de potentie benadrukt om de AI-toepassingen binnen het nationale systeem uit te breiden. De bevindingen ondersteunen het idee dat gerichte educatieve interventies om het AI-geletterdheid te vergroten, met name onder oudere professionals en degenen met beperkte digitale blootstelling, noodzakelijk zijn. Verder onderstrepen de gegevens het belang van het aanpakken van infrastructurele beperkingen en het ontwikkelen van robuuste regelgevende kaders voor gegevensbeheer om effectieve implementatie te faciliteren.

Het artikel erkent bescheiden de beperkingen ervan, waarbij wordt opgemerkt dat de steekproefomvang (515) mogelijk niet de volledige Bengalese gezondheidssector volledig vertegenwoordigt, en dat de studie zich richt op percepties in plaats van op werkelijke implementatie-uitkomsten. Bij consequent positioneert de auteur het werk als een voorlopige stap naar het begrijpen van de dynamiek van AI-adoptie, en biedt het een bron voor verder onderzoek naar de real-world effectiviteit en langetermijntrends van AI in het gezondheidssysteem van de regio.