The use of theories, models and frameworks to institutionalise routine data-driven decision-making in sub-Saharan African health facilities: a scoping review
Deze scoping review van 44 studies in veertien Sub-Saharaanse Afrikaanse landen onthult dat, hoewel deterministische kaders de inspanningen om routineus datagestuurd besluitvormingsproces te institutionaliseren domineren, de huidige toepassingen grotendeels operationeel blijven en het dynamische, systeemdenkende aanpak missen die nodig is om datagebruik in de loop van de tijd te integreren in strategische en klinische besluitvorming.
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
In ziekenhuizen door heel Sub-Saharaans Afrika heeft de afgelopen twee decennia een stille revolutie plaatsgevonden. Overheden en gezondheidsorganisaties hebben middelen geïnvesteerd in het bouwen van digitale systemen, het installeren van computers en het creëren van elektronische dossiers om de patiëntenzorg te volgen. Het doel was simpel: als artsen en verpleegkundigen gemakkelijk toegang zouden hebben tot nauwkeurige informatie over wie ziek was, welke medicijnen nodig waren en hoeveel patiënten er werden behandeld, zouden zij betere beslissingen kunnen nemen om levens te redden. Deze verschuiving van papieren notitieblokken naar digitale databases beloofde ruwe cijfers te transformeren tot een krachtig middel voor het verbeteren van de gezondheidszorg. Het bezitten van data is echter niet hetzelfde als het gebruiken ervan. Alleen omdat een computer een dossier bevat, betekent dit niet dat een manager ernaar kijkt om de werking van een kliniek te veranderen. De uitdaging ligt in "institutionalisering", een woord dat simpelweg betekent dat het gebruik van data een natuurlijk, onbewust onderdeel wordt van het dagelijkse werk, zoals tandenpoetsen, in plaats van een speciale taak die alleen wordt uitgevoerd wanneer een inspecteur langskomt.
Om te begrijpen waarom deze transitie zo moeilijk is verlopen, heeft een team van onderzoekers van het KEMRI-Wellcome Trust Research Programme en de Universiteit van Oxford onderzocht welke instrumenten wetenschappers gebruiken om dit probleem te bestuderen. Ze keken naar hoe experts proberen uit te leggen waarom sommige ziekenhuizen hun data succesvol gebruiken terwijl andere worstelen. Deze experts vertrouwen op "theorieën, modellen en kaders", wat in essentie gestructureerde kaarten of checklists zijn die onderzoekers helpen de specifieke redenen achter succes of falen te identificeren. Deze kaarten kunnen wijzen op zaken als personeelstraining, de kwaliteit van de internetverbinding of de manier waarop ziekenhuismanagers bevelen geven. De onderzoekers wilden weten: welke van deze kaarten worden het meest gebruikt in Sub-Saharaans Afrika, en helpen ze ziekenhuizen daadwerkelijk om te leren hoe ze data een permanent onderdeel van hun besluitvorming kunnen maken?
Het team voerde een enorme zoektocht uit en scandeerde zes belangrijke wetenschappelijke databases op zoek naar studies die gepubliceerd zijn tussen 2007 en 2025. Ze vernauwden hun focus tot 44 specifieke onderzoeksartikelen die plaatsvonden in veertien verschillende landen in de regio. Deze artikelen bestonden uit een brede mix van methoden, waaronder interviews met zorgverleners, enquêtes en statistische analyses. De onderzoekers hebben deze studies vervolgens zorgvuldig doorgelezen om te zien hoe de auteurs hun theoretische kaarten gebruikten. Ze ontdekten dat de overgrote meerderheid van deze studies vertrouwde op "determinanten-kaders". Dit zijn specifieke soorten kaarten die ontworpen zijn om de factoren op te sommen die een uitkomst beïnvloeden, zoals of een zorgverlener gemotiveerd is, of de software gemakkelijk in gebruik is, of dat het leiderschap van het ziekenhuis het initiatief ondersteunt. De meest gebruikte kaarten waren het PRISM-kader en het CFIR-kader, die samen bijna twee derde van alle onderzochte studies besloegen.
Wat de onderzoekers ontdekten, was een aanzienlijke kloof tussen het identificeren van problemen en het oplossen ervan. Hoewel deze kaarten uitstekend waren in het opsommen van de barrières — zoals een slechte internetverbinding, gebrek aan training of een hoge werkdruk — legden ze zelden uit hoe deze barrières in de loop van de tijd met elkaar interageren. Een studie kan bijvoorbeeld opmerken dat een computer kapot is en dat het personeel moe is, maar het faalde vaak in het laten zien hoe de kapotte computer het personeel moe maakt, wat er vervolgens toe leidt dat zij gegevens onjuist invoeren, wat op zijn beurt ertoe leidt dat managers het vertrouwen in de cijfers verliezen. De onderzoekers stelden vast dat de meeste studies deze factoren behandelden als een statische lijst van obstakels in plaats van een dynamisch systeem waarin het ene probleem het andere voedt. Bijgevolg toonde het bewijs aan dat ziekenhuizen weliswaar beter werden in het verzamelen van data, maar niet beter in het gebruiken ervan voor strategische veranderingen. De data werden voornamelijk gebruikt voor basisoperationele taken, zoals het tellen van het aantal bezochte patiënten of het controleren of de medicijnvoorraden bijna op zijn, in plaats van voor diepere klinische beslissingen of langetermijnplanning.
De review benadrukte dat het gebruik van data in deze faciliteiten vaak wordt gedreven door externe druk in plaats van interne noodzaak. Zorgverleners vullen rapporten vaak in omdat ze dat van nationale autoriteiten verplicht zijn, niet omdat ze geloven dat de informatie hen helpt om hun patiënten beter te behanden. Dit creëert een cyclus waarbij data wordt verzameld om aan een rapportageverplichting te voldoen, maar de informatie nooit op een manier wordt teruggegeven aan de mensen in de frontlinie op een manier die hen helpt hun dagelijkse werk te verbeteren. Wanneer de kwaliteit van de data slecht is of de levering te laat komt, tast dit het vertrouwen aan, en stoppen medewerkers met geloven dat de cijfers er toe doen. De onderzoekers merkten op dat het introduceren van nieuwe technologie, zoals elektronische patiëntendossiers, dit niet oplost. In veel gevallen werden de nieuwe digitale systemen simpelweg over de oude papieren systemen heen gelegd, wat extra werk creëerde zonder de onderliggende gewoonten of besluitvormingsstructuren te veranderen.
Uiteindelijk suggereert de studie dat de weg vooruit een verandering in denken vereist. In plaats van alleen een lijst met barrières af te vinken, moeten gezondheidssystemen het complexe web van relaties tussen technologie, mensen en regels begrijpen. De onderzoekers betogen dat om data echt bruikbaar te maken, deze in het dagelijkse ritme van het ziekenhuis moet worden verweven. Dit betekent dat de mensen die de data verzamelen moeten zien hoe het hen helpt, en dat de mensen die beslissingen nemen er ook op moeten vertrouwen om hun acties te sturen. Het huidige bewijs laat zien dat hoewel de instrumenten om deze problemen te begrijpen bestaan, ze nog niet volledig worden benut om blijvende verandering te creëren. De toekomst van de gezondheidszorg in de regio hangt niet af van het genereren van meer data, maar van het bouwen van een systeem waarin die data wordt vertrouwd, begrepen en door iedereen wordt opgevolgd, van de verpleegkundige bij de receptie tot de directeur aan de top.
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.