'De werkelijkheid is complexer dan je eigenlijk kunt vangen'

Talko Dijkhuis

Dijkhuis was van oorsprong bedrijfskundige maar raakte al snel verzeilt in de wereld van ICT. In 2006 begon Dijkhuis bij de Hanze. Eerst halftijds bij de destijds zogenoemde School of ICT. Nu is Dijkhuis hogeschooldocent voor de opleidingen HBO ICT deeltijd en HBO ICT Business IT en Management, hoofddocent van de opleiding Data Science van de IT Academy en ankerman voor data gedreven zorg binnen het lectoraat Digitale Transformatie. In 2016 begon Dijkhuis aan zijn promotieonderzoek met als doel de kloof in data-analyse met betrekking tot fysieke activiteit en prestaties te overbruggen. Op 7 februari 2024 promoveert Talko Dijkhuis aan de Rijksuniversiteit Groningen.

Persoonlijke inzichten in fysieke activiteiten

"Bewegen is ontzettend belangrijk, zowel voor dagelijkse dingen als voor sport op hoog niveau. Hoe goed je lichaam kan (blijven) bewegen, hangt af van verschillende dingen, zoals hoeveel je beweegt, wat je kunt, en je capaciteiten. Of je nu gewoon gezond wilt blijven in het dagelijks leven of blessures wilt voorkomen en goed wilt presteren in de sport, het is heel belangrijk om een balans te vinden tussen wat je lichaam aankan, hoeveel moeite je doet, en hoe je daarna weer herstelt. Met de komst van technologie, zoals wearables en monitoringsystemen, is het makkelijker geworden om fysieke activiteiten bij te houden, maar het is nog steeds lastig om persoonlijke inzichten te krijgen. Het onderzoek heeft vier knelpunten bij data-analyse van bewegingsdata onderzocht. Zo is het moeilijk om persoonlijke voorspellingen te doen en zijn sommige prestatiegegevens heel gevoelig. Daarnaast zijn de modellen die gebruikt worden soms te simpel en er ontbreken vaak belangrijke gegevens.  

Dijkhuis: "Binnen het lectoraat Digitale Transformatie vervul ik de rol van coördinator voor onderzoek op het gebied van data-gedreven zorg. We richten ons bijvoorbeeld op vraagstukken in verpleeghuizen, zoals het voorspellen van valincidenten op basis van sensorgegevens, gedragsdata, en slim incontinentiemateriaal. Daarnaast zijn we actief bij Nij Smellinghe, waar we onderzoeken hoe mensen zich fysiek voorbereiden op een operatie aan de hand van draagbare technologie. We kijken ook naar de impact hiervan op hun herstel en hoe snel ze weer aan het werk kunnen. Dit soort onderzoeksvragen vind ik bijzonder interessant." 

Juiste moment van coaching is cruciaal

"Door gebruik te maken van de beschikbare data uit wearables en monitoringsystemen kun je snel inzicht te krijgen in hoe mensen bewegen en fysiek presteren.  Er zit veel waardevolle informatie in die gegevens, mits alles goed is verzameld. Het blijkt echter lastig om die informatie eruit te destilleren. "Wearables en monitoringsystemen slaan slechts een deel van de werkelijkheid op. We hebben bijvoorbeeld onderzoek gedaan op basis van wearable gegevens van medewerkers bij de Hanze in het kader van het project 'Het Nieuwe Werken'. Je ziet dat elk individu een uniek patroon heeft. Maar er gebeuren altijd dingen die niet worden geregistreerd door zo'n wearable, zoals een extra vergadering of als iemand ziek is", vertelt Dijkhuis. 

Deze factoren beïnvloeden wel degelijk de fysieke activiteit, en het doel is om mensen aan te moedigen om meer te bewegen of op een gezonde manier te bewegen. Maar het is wel cruciaal om op het juiste moment coaching te bieden, en dat kan een uitdaging zijn. Dijkhuis: "Een bekend voorbeeld is de Fitbit, die vaak op ongelegen momenten signaleert dat je je stappendoel niet haalt. In mijn onderzoek heb ik me specifiek gericht op het identificeren van het juiste moment om coaching toe te passen, waarbij ik drie verschillende onderzoeken heb uitgevoerd met betrekking tot voetbal, hardloopblessures en dagelijkse bewegingsdata. Mijn focus lag vooral op de methodologie om de data en patronen effectief te analyseren."  

Fundament voor verder onderzoek

Dijkhuis onderzocht oplossingen, zoals het gebruiken van persoonlijke gegevens van wearables, het combineren van gevoelige prestatievariabelen met verschillende machine learning-algoritmen, causale modellering en manieren om de effecten van ontbrekende variabelen te verminderen. Het idee is dat door het gebruik van persoonlijke data, machine learning, gevoelige prestatievariabelen, causale modellering en geavanceerde statistieken, de kloof in data-analyse overbrugd kan worden als het gaat om begrip van fysieke activiteit en prestaties. Deze resultaten kunnen helpen bij het ontwikkelen van beter onderbouwde interventies en vormen een basis voor verdere studies om deze kloof nog verder te dichten. 

Dijkhuis: "We hebben bijgedragen aan vraagstukken zoals het ontsluiten van data, het opslaan van data, en het verkrijgen van inzichten om op basis daarvan effectieve interventies in de werkelijkheid te kunnen doen. We proberen bijvoorbeeld te voorkomen dat mensen vallen, of als ze vallen, ervoor te zorgen dat ze een airbag hebben. Ook streven we ernaar dat mensen fitter een operatie ingaan. De benadering die we hanteren, dient als een fundament waarop voortgebouwd kan worden." 

Dijkhuis denkt dat er nog veel meer uit data te halen valt. Zo is een collega onlangs gestart met een promotieonderzoek over Fitbit. "Het viel me op dat er bij Fitbits nog zo weinig gepersonaliseerd wordt. Er valt veel meer uit te halen", denkt Dijkhuis. "Bij voetbal beschikken we over veel data, maar een groot deel daarvan wordt handmatig in kaart gebracht. Ook bij schaatsen ontbreekt nog automatische analyse en persoonlijke inzichten, er wordt nog veel met Excel-sheets gewerkt. Hier valt nog veel winst te behalen, en we zouden kunnen bijdragen aan het automatiseren en personaliseren van deze processen. Momenteel richten we ons op de zorg, minder op de sport. Mijn onderzoek draagt bij aan deze ontwikkelingen, zoals bij prehabilitatie. Ik heb hierin al stappen doorlopen en weet ook waar ik minder handig ben geweest; deze valkuilen kunnen nu in vervolgonderzoek worden voorkomen." 

Volg hier de verdediging op 7 februari 2024

Bekijk hier het hele proefschrift