{"id":617386,"date":"2026-05-16T06:57:00","date_gmt":"2026-05-16T04:57:00","guid":{"rendered":"https:\/\/www.dynseo.com\/quelles-donnees-de-vie-reelle-peut-on-recolter-lors-dune-etude-clinique-dynseo-2\/"},"modified":"2026-05-16T06:59:42","modified_gmt":"2026-05-16T04:59:42","slug":"welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie","status":"publish","type":"post","link":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/","title":{"rendered":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?"},"content":{"rendered":"<p>[et_pb_section fb_built=&#8221;1&#8243; admin_label=&#8221;Article HTML&#8221; _builder_version=&#8221;4.16&#8243; custom_padding=&#8221;0px||0px||false|false&#8221; global_colors_info=&#8221;{}&#8221;][et_pb_row admin_label=&#8221;Contenu&#8221; _builder_version=&#8221;4.16&#8243; width=&#8221;100%&#8221; max_width=&#8221;100%&#8221; custom_padding=&#8221;0px||0px||false|false&#8221; global_colors_info=&#8221;{}&#8221;][et_pb_column type=&#8221;4_4&#8243; _builder_version=&#8221;4.16&#8243; global_colors_info=&#8221;{}&#8221;][et_pb_code admin_label=&#8221;HTML import\u00e9&#8221; _builder_version=&#8221;4.16&#8243; global_colors_info=&#8221;{}&#8221;]<\/p>\n<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}<\/p>\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Geestelijke gezondheid &amp; Klinisch onderzoek \u2014 Gegevens uit de echte wereld<\/div>\n<h1>Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?<\/h1>\n<pee class=\"subtitle\">Traditionele klinische proeven vangen slechts een fractie van de realiteit van pati\u00ebnten. Gegevens uit de echte wereld \u2014 verzameld via mobiele applicaties, verbonden apparaten, EMA en registers \u2014 revolutioneren ons begrip van cognitieve en mentale stoornissen. Compleet overzicht voor onderzoekers, clinici en pati\u00ebnten.<\/pee>\n<\/header>\n<div class=\"container\">\n<div class=\"intro-paragraph\">\nGedurende tientallen jaren heeft klinisch onderzoek gefunctioneerd volgens een beproefd model: een gerandomiseerde gecontroleerde proef, een zorgvuldig geselecteerde populatie, gestandaardiseerde metingen op vaste intervallen in een klinische context. Dit model blijft de gouden standaard om causaliteit vast te stellen \u2014 maar het heeft een grote beperking: het vangt het echte leven niet. Geestelijke gezondheid, in het bijzonder, wordt diepgaand be\u00efnvloed door dagelijkse contexten \u2014 de werkstress, de slaapkwaliteit, sociale interacties, het weer \u2014 die niet kunnen worden vastgelegd door eenmalige evaluaties tijdens consultaties. Gegevens uit de echte wereld (Real-World Data, RWD) vullen deze leemte op door het dagelijks leven van pati\u00ebnten om te vormen tot een laboratorium.\n<\/div>\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><\/p>\n<div class=\"stat-label\">de hoeveelheid beschikbare digitale gezondheidsgegevens verdubbelt elke 3-4 jaar \u2014 een revolutie voor het onderzoek<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><\/p>\n<div class=\"stat-label\">van de klinische studies zal RWD integreren tegen 2030 volgens de voorspellingen van de EMA en de FDA<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><\/p>\n<div class=\"stat-label\">het Europees Geneesmiddelenbureau heeft in 2023 zijn strategie voor gegevens uit de echte wereld gepubliceerd<\/div>\n<\/div>\n<\/div>\n<h2>Definities: RWD, RWE en hun fundamentele verschillen<\/h2>\n<pee>Voordat we de soorten gegevens en de verzamelmethoden verkennen, is het essentieel om de terminologie te verduidelijken \u2014 omdat de termen vaak ten onrechte door elkaar worden gebruikt.<\/pee>\n<pee>De <strong>Real-World Data (RWD)<\/strong> \u2014 of gegevens uit de echte wereld \u2014 zijn alle gegevens die betrekking hebben op de gezondheidstoestand van pati\u00ebnten en de levering van zorg, verzameld buiten gerandomiseerde gecontroleerde klinische proeven. Ze kunnen afkomstig zijn van elektronische medische dossiers, terugbetalingsdatabases, pati\u00ebntenregisters, draagbare sensoren, mobiele applicaties, sociale netwerken voor gezondheid of observationele studies.<\/pee>\n<pee>De <strong>Real-World Evidence (RWE)<\/strong> \u2014 bewijs uit de echte wereld \u2014 zijn de klinische bewijzen die worden gegenereerd door de rigoureuze analyse van RWD. De RWD zijn het ruwe materiaal; de RWE zijn het resultaat van de toepassing van een wetenschappelijke methodologie op dit materiaal. De FDA en de EMA hebben beide kaders ontwikkeld om RWE te accepteren in de dossiers voor markttoelating \u2014 een grote transformatie voor de farmaceutische industrie en biomedisch onderzoek.<\/pee>\n<h3>Waarom zijn RWD cruciaal voor geestelijke en cognitieve gezondheid?<\/h3>\n<pee>Mentale en cognitieve stoornissen vertonen kenmerken die ze bijzonder moeilijk te bestuderen maken binnen de context van traditionele klinische proeven. De intra-individuele variabiliteit is aanzienlijk \u2014 een depressieve pati\u00ebnt kan zich van maandag tot vrijdag of afhankelijk van het seizoen, of zijn relationele context, heel anders voelen. Deze variabiliteit is onzichtbaar in een maandelijkse evaluatie tijdens een consult. Evenzo zijn de cognitieve manifestaties van stoornissen zoals ADHD, de gevolgen van een CVA of de vroege stadia van Alzheimer diep contextueel \u2014 de omgeving, vermoeidheid, stress moduleren ze in real-time.<\/pee>\n<pee>De RWD maken het mogelijk om deze dynamische complexiteit vast te leggen. Ze maken zichtbaar wat er gebeurt tussen de consultaties, in het echte leven van pati\u00ebnten \u2014 wat 99 % van hun bestaan vertegenwoordigt.<\/pee>\n<h2>De grote categorie\u00ebn van gegevens uit de echte wereld in de kliniek<\/h2>\n<h3>1. Gegevens van gezondheidsystemen (administratieve en klinische gegevens)<\/h3>\n<pee>Dit zijn de RWD die het meest worden gebruikt in observationeel onderzoek. Ze omvatten elektronische medische dossiers (EMD), terugbetalingsgegevens van de Ziekteverzekering (SNDS in Frankrijk \u2014 Systeem van Nationale Gezondheidsgegevens), pati\u00ebntenregisters (kankerregisters, zeldzame ziektenregisters, Alzheimerregisters), ziekenhuisdatabases (PMSI, medicijnbases), en gegevens van voorschriften. Deze bases zijn waardevol voor grootschalige epidemiologische studies \u2014 ze maken het mogelijk om honderden duizenden of zelfs miljoenen zorgtrajecten te analyseren. Hun beperking is dat ze alleen vastleggen wat is gecodeerd en vergoed \u2014 ze missen subjectieve, gedrags- en contextuele gegevens.<\/pee>\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 De SNDS in Frankrijk<\/div>\n<h4>De grootste gezondheidsdatabank van Europa<\/h4>\n<pee>Het Systeem van Nationale Gezondheidsgegevens (SNDS) dekt alle terugbetalingen van zorg voor de 67 miljoen Franse verzekerden, wat het een van de grootste gezondheidsdatabases ter wereld maakt. De toegang is gereguleerd door de Health Data Hub en vereist toestemming van de CNIL. Voor onderzoek naar geestelijke gezondheid maakt het het mogelijk om zorgtrajecten, therapietrouw, comorbiditeiten en grootschalige ziekenhuisopnames te bestuderen \u2014 maar bevat geen gegevens over symptomen, dagelijks functioneren of kwaliteit van leven.<\/pee>\n<\/div>\n<h3>2. Gegevens verzameld door de pati\u00ebnten zelf (PRO)<\/h3>\n<pee>De Patient-Reported Outcomes (PRO) zijn gegevens die rechtstreeks door de pati\u00ebnten worden gerapporteerd, zonder interpretatie door een clinicus \u2014 levenskwaliteitsscores, pijnniveaus, intensiteit van symptomen, tevredenheid, therapietrouw. In de geestelijke gezondheid zijn ze bijzonder waardevol omdat veel sleutel symptomen (stemming, angst, energie, intrusieve gedachten) alleen toegankelijk zijn via zelfrapportage.<\/pee>\n<pee>Traditionele papieren vragenlijsten (PHQ-9 voor depressie, GAD-7 voor angst, MADRS) blijven klinische referenties. Maar hun eenmalige afname tijdens een consult legt de temporele variabiliteit niet vast. Daarom revolutioneren EMA-methoden (zie hieronder) de verzameling van PRO in hedendaags onderzoek.<\/pee>\n<h3>3. Digitale gedragsgegevens (Digitale Biomarkers)<\/h3>\n<pee>Een van de meest spectaculaire innovaties van de afgelopen jaren is de mogelijkheid om <strong>digitale biomarkers<\/strong> te verzamelen \u2014 objectieve metingen van gedrag en fysiologie die continu worden vastgelegd door digitale apparaten. Deze gegevens omvatten de hartslag en de variabiliteit ervan (via smartwatches), patronen van fysieke activiteit en sedentair gedrag (versnellingsmeters), de kwaliteit en duur van de slaap (actigraphen), patronen van geografische verplaatsing (GPS), de frequentie van telefoongesprekken en berichten, de typemodellen op het toetsenbord (toetsdynamiek), en spraakgegevens (prosodie, vloeiendheid, pauze).<\/pee>\n<pee>Deze passieve digitale biomarkers \u2014 verzameld zonder dat de pati\u00ebnt &#8220;iets hoeft te doen&#8221; \u2014 zijn bijzonder waardevol in onderzoek naar geestelijke gezondheid. Studies hebben aangetoond dat veranderingen in slaap-, activiteit- en communicatiepatronen meerdere dagen v\u00f3\u00f3r gedocumenteerde depressieve of manische episodes kunnen optreden \u2014 wat nieuwe perspectieven opent voor het voorkomen van terugvallen.<\/pee>\n<h3>4. Gegevens van digitale cognitieve tests<\/h3>\n<pee>Cognitieve tests die via mobiele applicaties worden afgenomen, vertegenwoordigen een revolutie voor onderzoek in de cognitieve neurowetenschappen en psychiatrie. In tegenstelling tot de jaarlijkse neuropsychologische evaluaties die in de kliniek worden uitgevoerd, kunnen korte digitale tests dagelijks of wekelijks worden afgenomen \u2014 waardoor de temporele variabiliteit van cognitieve prestaties wordt vastgelegd.<\/pee>\n<pee>Tests zoals de Trail Making Test, de Stroop, N-back werkgeheugentests, of reactietijdtests kunnen in 2 tot 5 minuten op een smartphone worden afgenomen. De verzamelde gegevens maken het mogelijk om subtiele veranderingen in cognitieve prestaties te detecteren die de klinische manifestaties voorafgaan \u2014 een veelbelovende toepassing voor de vroege detectie van Alzheimer, het monitoren van de gevolgen van een CVA of het volgen van de effectiviteit van behandelingen.<\/pee>\n<pee>De DYNSEO cognitieve tests \u2014 <a href=\"https:\/\/www.dynseo.com\/nl\/geheugentest\/\" target=\"_blank\"><strong>Geheugen Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-concentratie-attention\/\" target=\"_blank\"><strong>Concentratie en Aandacht Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/nl\/test-van-de-uitvoerende-functies\/\" target=\"_blank\"><strong>Executieve Functies Test<\/strong><\/a> \u2014 zijn voorbeelden van digitale tools die een regelmatige en toegankelijke evaluatie van cognitieve functies buiten de klinische context mogelijk maken. Deze gegevens, herhaaldelijk verzameld, vormen een dynamisch profiel van de cognitieve evolutie \u2014 waardevol voor zowel klinische opvolging als onderzoek.<\/pee>\n<h2>De EMA (Ecological Momentary Assessment): de revolutie van real-time vastlegging<\/h2>\n<pee>De Ecological Momentary Assessment (EMA) \u2014 ook wel de experience sampling method genoemd \u2014 is een gegevensverzamelmethode die bestaat uit het ondervragen van deelnemers over hun toestand (stemming, symptomen, gedrag, context) op meerdere en gevarieerde momenten in hun dagelijks leven, via een smartphone of een speciale applicatie.<\/pee>\n<h3>Waarom de EMA alles verandert voor onderzoek naar geestelijke gezondheid<\/h3>\n<pee>Het fundamentele probleem van traditionele klinische evaluatie is dat deze retrospectief en eenmalig is. Wanneer een pati\u00ebnt een wekelijkse depressievragenlijst invult, probeert hij zijn week te &#8220;gemiddeld&#8221; \u2014 wat aanzienlijke vertekeningen genereert (herinneringsbias, effect van het moment van evaluatie, anchoring bias). De EMA lost dit probleem op door de werkelijke toestand van de persoon vast te leggen op het moment dat ze antwoordt.<\/pee>\n<pee>In de praktijk stuurt de EMA meerdere keren per dag (meestal 3 tot 8 keer) meldingen op willekeurige of semi-willekeurige momenten. De persoon beantwoordt 5-15 korte vragen over zijn emotionele toestand, symptomen, sociale context, en gedrag. Het geheel van de antwoorden over meerdere weken vormt een dichte gegevenscurve die de patronen, triggers, cycli en individuele variabiliteit onthult die de eenmalige evaluaties nooit zouden hebben gedetecteerd.<\/pee>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Voorbeelden van wat EMA kan onthullen dat klassieke evaluaties missen<\/h4>\n<pee><strong>Bij depressie:<\/strong> de uren van de dag waarop de stemming systematisch lager is, de sociale situaties die uitlokken, de relatie tussen de kwaliteit van de slaap van de vorige nacht en de stemming van de volgende ochtend.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>Bij ADHD:<\/strong> de momenten van de dag waarop de aandacht maximaal is (waardoor het mogelijk is om veeleisende taken te plannen), de impact van voeding en beweging op de concentratie, de uitlokkende factoren van impulsiviteit.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>Bij vroege Alzheimer:<\/strong> de eerste fluctuaties in cognitieve vaardigheden, de omgevingsfactoren die de prestaties verbeteren of verslechteren, de voortgang van de moeilijkheden in de loop van de weken.<\/pee>\n<\/div>\n<h3>De uitdagingen van EMA<\/h3>\n<pee>EMA is niet zonder beperkingen. De <strong>burden<\/strong> (last voor de deelnemer) is re\u00ebel \u2014 het beantwoorden van meldingen meerdere keren per dag gedurende weken genereert vermoeidheid en kan de naleving be\u00efnvloeden. De afhaakpercentages in EMA-studies zijn hoog als de last niet goed is afgesteld. De selectiebias (de deelnemers die voltooien zijn anders dan degenen die afvallen) kan de externe validiteit be\u00efnvloeden. En de privacy van zeer gedetailleerde gegevens (gedragingen, locaties, emotionele toestanden) roept belangrijke ethische vragen op.<\/pee>\n<h2>De verbonden objecten en wearables: passieve sensoren van het echte leven<\/h2>\n<h3>Actigraphen en slimme horloges<\/h3>\n<pee>Actigraphen (geavanceerde stappentellers) en slimme horloges (Apple Watch, Garmin, Fitbit, Withings) verzamelen continu gegevens over fysieke activiteit, slaap (duur, fasen, nachtelijke ontwakingen) en hartslag. Deze passieve gegevens zijn bijzonder waardevol in onderzoek naar mentale gezondheid omdat ze constructen objectiveren die vaak subjectief worden gerapporteerd: &#8220;ik slaap slecht&#8221;, &#8220;ik ben uitgeput&#8221;, &#8220;ik doe niets meer&#8221;.<\/pee>\n<pee>Studies hebben aangetoond dat de variabiliteit van de hartslag (HRV \u2014 Heart Rate Variability) die continu wordt gemeten een proxy is voor de werking van het autonome zenuwstelsel \u2014 en de staat van stress, angst en emotionele regulatie weerspiegelt. Apps zoals Garmin Health of Apple Health genereren dagelijkse HRV-gegevens die biomerkers kunnen vormen in studies over mentale gezondheid.<\/pee>\n<h3>Stem sensoren en spraak analyse<\/h3>\n<pee>Automatische spraak analyse vertegenwoordigt een van de meest veelbelovende grenzen van digitale biomerkers in mentale gezondheid. Stemkenmerken zoals spraaktempo, pauzes, toonhoogte, energie, reactietijd en intonatiepatronen veranderen meetbaar bij depressie, schizofrenie, dementie en andere mentale stoornissen. Machine learning-algoritmen die zijn getraind op duizenden uren opnames kunnen deze veranderingen detecteren met een nauwkeurigheid die gunstig vergeleken kan worden met gestandaardiseerde klinische evaluaties.<\/pee>\n<h3>Gedragsanalyses via smartphone<\/h3>\n<pee>De smartphone zelf is een sensor van dagelijks gedrag. De frequentie en duur van oproepen, de patronen van berichten, de geolocatie (mobiliteit, bezochte plaatsen), de omgevingsverlichting (indicator van buitenshuis zijn), en zelfs de micro-patronen van het ontgrendelen van het scherm vormen dichte gedragsgegevens. Studies hebben aangetoond dat deze passieve gegevens in staat zijn om episodes van depressie, angst en psychose met opmerkelijke precisie te voorspellen \u2014 wat perspectieven opent voor vroegtijdige waarschuwingssystemen.<\/pee>\n<h2>Mobiele gezondheidsapps in klinische studies<\/h2>\n<pee>Mobiele gezondheidsapps \u2014 van de eenvoudige stemmingsvolgapp tot gevalideerde cognitieve stimulatietools \u2014 spelen een dubbele rol in RWD-studies: gegevensverzameling (via gebruikslogs en resultaten van oefeningen) en therapeutische interventie (waarvan de naleving en effectiviteit in real-time kunnen worden gemeten).<\/pee>\n<h3>Apps voor emotionele regulatie en symptoomtracking<\/h3>\n<pee>Apps zoals Daylio, Moodpath of Woebot stellen gebruikers in staat om hun stemming, gedrag en gedachten dagelijks te volgen. In een onderzoekscontext vormen de geaggregeerde en geanonimiseerde gegevens van deze apps een waardevolle bron van RWD om de emotionele patronen van grote populaties te bestuderen.<\/pee>\n<pee>Klinische tools zoals de <a href=\"https:\/\/www.dynseo.com\/nl\/thermometer-van-emoties\/\" target=\"_blank\"><strong>DYNSEO Emotie Thermometer<\/strong><\/a>, de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Emotionele Regulatie Toolkit<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 strategie\u00ebn voor kalmte<\/strong><\/a> maken het mogelijk om gegevens te verzamelen over het daadwerkelijke gebruik van regulatietechnieken \u2014 welke strategie wordt gekozen, in welke contexten, met welke effectiviteit. Deze ecologische gebruiksgegevens verrijken ons begrip van de effectiviteit van interventies in de mentale gezondheid aanzienlijk.<\/pee>\n<h3>Apps voor stimulatie en cognitieve tests<\/h3>\n<pee>Cognitieve stimulatie-apps \u2014 zoals <a href=\"https:\/\/www.dynseo.com\/nl\/joe-je-trainer-voor-hersentraining\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> voor volwassenen of <a href=\"https:\/\/www.dynseo.com\/nl\/annelies-senioren-geheugenspelletjes\/\" target=\"_blank\"><strong>ANNELIES<\/strong><\/a> voor senioren \u2014 genereren waardevolle gegevens over de longitudinale cognitieve prestaties. De gebruikslogs (frequentie, duur van sessies, resultaten van oefeningen, behaalde niveau, afhaak) vormen RWD die het mogelijk maken om de betrokkenheid bij cognitieve stimulatie, de evolutie in de tijd, en de factoren die verband houden met naleving of afhaak te bestuderen.<\/pee>\n<pee>Voor onderzoek naar digitale interventies bij Alzheimer, Parkinson of na een CVA, bieden deze gegevens over werkelijk gebruik een ecologische dimensie die effectiviteitsstudies in een laboratorium niet kunnen bieden. Een app kan uitstekende resultaten laten zien in een gecontroleerde klinische proef \u2014 maar als pati\u00ebnten deze in het echte leven niet gebruiken, zal de populatie-impact beperkt zijn. RWD maakt het mogelijk om deze vragen over adoptie en betrokkenheid nauwkeurig te bestuderen.<\/pee>\n<h2>Methoden voor de analyse van gegevens uit het echte leven: de methodologische uitdagingen<\/h2>\n<h3>De verwarringsbias: de centrale uitdaging<\/h3>\n<pee>De belangrijkste beperking van RWD-studies ten opzichte van gerandomiseerde proeven is het ontbreken van randomisatie \u2014 en dus de potenti\u00eble aanwezigheid van verwarringsbias. Als pati\u00ebnten die behandeling A krijgen systematisch anders zijn dan degenen die behandeling B krijgen (jonger, minder ziek, met een betere toegang tot zorg), weerspiegelt de vergelijking van hun resultaten deze verschillen evenzeer als het effect van de behandeling. Verschillende statistische technieken maken het mogelijk om deze biases te corrigeren: de propensity score matching, instrumentele analyses, case-control studies, en structurele causale modellen (Directed Acyclic Graphs).<\/pee>\n<h3>De analyse van tijdreeksen en longitudinale gegevens<\/h3>\n<pee>EMA- en wearable-gegevens genereren dichte tijdreeksen \u2014 honderden of duizenden meetpunten per deelnemer over weken of maanden. De analyse van deze gegevens vereist gespecialiseerde statistische methoden die hun temporele structuur vastleggen: gemengde modellen met willekeurige effecten, vectorautoregressieve modellen (VAR) om de relaties tussen variabelen in de loop van de tijd te bestuderen, netwerk analyse om de dynamische interacties tussen symptomen in kaart te brengen.<\/pee>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca Netwerkanalyse in de psychiatrie<\/div>\n<h4>Een methodologische revolutie voor de geestelijke gezondheid<\/h4>\n<pee>De netwerkbenadering, ontwikkeld door onder anderen Borsboom en Cramer, conceptualiseert psychiatrische stoornissen niet als discrete entiteiten (een &#8220;ziekte&#8221; die symptomen veroorzaakt) maar als netwerken van onderling verbonden symptomen die zichzelf in stand houden. In dit model stellen longitudinale RWD ons in staat om te identificeren welke symptomen het meest &#8220;centraal&#8221; zijn (de meeste invloed uitoefenend op anderen), welke verbindingen als eerste geactiveerd worden bij een terugval, en welke interventies het netwerk van pathologie het meest effectief zouden kunnen deactiveren. Deze benadering opent nieuwe perspectieven voor gepersonaliseerde therapeutische mogelijkheden.<\/pee>\n<\/div>\n<h3>Kunstmatige intelligentie en machine learning<\/h3>\n<pee>Het volume en de complexiteit van RWD hebben machine learning en kunstmatige intelligentie onmisbaar gemaakt. Deep learning-algoritmen kunnen patronen detecteren in vocale, gedrags- en fysiologische gegevens die ontsnappen aan klassieke statistische analyse. De <a href=\"https:\/\/www.dynseo.com\/nl\/coach-ia-dutch\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> illustreert deze richting: een intelligent begeleidingssysteem dat leert van gebruikspatronen om aanbevelingen te personaliseren.<\/pee>\n<h2>Het ethische en regelgevende kader van RWD in de gezondheidszorg<\/h2>\n<h3>GDPR, HDS en gegevensbeheer in de gezondheidszorg<\/h3>\n<pee>Gezondheidsgegevens zijn gevoelige persoonlijke gegevens, beschermd door de GDPR (Algemene Verordening Gegevensbescherming) en, voor gehoste gezondheidsgegevens, door de HDS-certificering (Gezondheidsgegevenshost) in Frankrijk. Elke verzameling van gezondheidsgegevens in een onderzoekscontext vereist de ge\u00efnformeerde toestemming van de deelnemers, goedkeuring van een Comit\u00e9 voor de Bescherming van Personen (CPP) en vaak een vergunning van de CNIL (Nationale Commissie voor Informatica en Vrijheden).<\/pee>\n<pee>Het <strong>Health Data Hub<\/strong> in Frankrijk (GIE dat de toegang tot de gegevens van de SNDS vergemakkelijkt en hun kruising met andere databases) is het centrale instrument geworden voor RWD-onderzoek in Frankrijk. Het gebruik ervan wordt gereguleerd door expertcommissies die de wetenschappelijke waarde, de proportionaliteit van de gevraagde gegevens en de waarborgen voor de bescherming van personen evalueren.<\/pee>\n<h3>Selectie-bias in digitale gegevens<\/h3>\n<pee>Een belangrijke ethische en methodologische uitdaging van digitale RWD is hun potentieel voor vertekening van representativiteit. Gebruikers van smartwatches, smartphones en gezondheidsapps zijn niet representatief voor de algemene bevolking \u2014 ze zijn gemiddeld jonger, welvarender, beter opgeleid en meer betrokken bij hun gezondheid. Studies die op deze gegevens zijn gebaseerd, lopen het risico valide bewijs te produceren voor deze populaties, maar moeilijk generaliseerbaar te zijn naar ouderen, achtergestelde of digitaal laaggeletterde personen.<\/pee>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f De digitale kloof: een blinde vlek van de RWD<\/h4>\n<pee>De meest kwetsbare mensen op het gebied van geestelijke gezondheid \u2014 ouderen met dementie, daklozen, mensen in grote kwetsbaarheid \u2014 zijn vaak het minst vertegenwoordigd in de digitale RWD. Studies die deze digitale kloof negeren, lopen het risico relevante bewijzen te produceren voor de beter bedeelde populaties, maar verergeren de gezondheidsongelijkheden door innovaties te richten op de populaties die er misschien het minst behoefte aan hebben.<\/pee>\n<\/div>\n<h2>Praktische toepassingen voor onderzoek naar geestelijke en cognitieve gezondheid<\/h2>\n<h3>Vroegtijdige detectie van dementie<\/h3>\n<pee>Een van de meest veelbelovende toepassingen van RWD in klinische neurowetenschappen is de vroegtijdige detectie van cognitieve stoornissen, jaren voordat de klinische manifestatie van dementie zich voordoet. Onderzoeksteams hebben aangetoond dat digitale biomarkers \u2014 subtiele veranderingen in GPS-beweegpatronen, in de typsnelheid, in de prestaties op korte cognitieve tests \u2014 in staat zijn veranderingen te detecteren die 2 tot 5 jaar voorafgaan aan de eerste klinische symptomen van Alzheimer.<\/pee>\n<pee>De regelmatige monitoring van cognitieve prestaties via tests zoals de <a href=\"https:\/\/www.dynseo.com\/nl\/geheugentest\/\" target=\"_blank\"><strong>DYNSEO Geheugen Test<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/test-concentratie-attention\/\" target=\"_blank\"><strong>Concentratie Test<\/strong><\/a>, uitgevoerd op maandbasis thuis op tablet of smartphone, zou een ecologisch longitudinaal monitoringprotocol kunnen vormen voor risicopopulaties.<\/pee>\n<h3>Monitoring van interventies in de psychiatrie<\/h3>\n<pee>De real-time monitoring van reacties op psychiatrische behandelingen is een ander gebied waar RWD de praktijk transformeert. In plaats van te wachten op de maandelijkse consultatie om te weten of een antidepressivum begint te werken of of een pati\u00ebnt terugvalt, maken wekelijkse EMA-gegevens een continue therapeutische aanpassing mogelijk. De <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>DYNSEO Cognitieve Herstructurering Angstfiche<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Emotionele Regulatie Toolkit<\/strong><\/a> passen binnen deze ecologische interventielogica \u2014 door tools te bieden die in het dagelijks leven bruikbaar zijn en waarvan het gebruik zelf een relevante onderzoeksdata vormt.<\/pee>\n<h3>Effectiviteit van digitale interventies<\/h3>\n<pee>RWD maken het mogelijk de werkelijke effectiviteit van digitale interventies te evalueren \u2014 toepassingen van CGT, tools voor cognitieve stimulatie, mindfulness-programma&#8217;s \u2014 onder ecologische omstandigheden. De betrokkenheid (aantal sessies, duur, regelmaat), de trajecten van prestaties (verbetering, plateau, achteruitgang), en de voorspellende factoren van adherentie vormen waardevolle gegevens om deze tools te verbeteren en aanbevelingen te personaliseren.<\/pee>\n<h2>Op weg naar pragmatische en hybride studies<\/h2>\n<pee>De toekomst van klinisch onderzoek ligt waarschijnlijk in <strong>hybride studies<\/strong> die de strengheid van gerandomiseerde proeven combineren met de rijkdom van RWD. Pragmatiche proeven verzamelen gegevens onder echte zorgomstandigheden in plaats van in gespecialiseerde onderzoekscentra. Platformstudies maken het mogelijk om meerdere interventies gelijktijdig te evalueren met adaptieve aanpassing. En &#8220;in silico&#8221; proeven \u2014 die gebruik maken van digitale tweelingen of computationele modellen gevoed door RWD \u2014 stellen in staat klinische proeven te simuleren voordat ze daadwerkelijk worden uitgevoerd, waardoor kosten en tijdsduur worden verminderd.<\/pee>\n<div class=\"conclusion\">\n<h2>Conclusie : de RWD, nieuwe grens van de gepersonaliseerde geneeskunde<\/h2>\n<pee>De gegevens uit de echte wereld transformeren onze capaciteit om mentale en cognitieve stoornissen in al hun dynamische complexiteit te begrijpen. Ze maken het mogelijk om het model van de &#8220;instantfoto&#8221; tijdens consultaties te verlaten en toegang te krijgen tot de &#8220;film&#8221; van het dagelijkse leven van de pati\u00ebnt. Deze methodologische revolutie draagt de belofte van een meer gepersonaliseerde, meer preventieve en eerlijkere geneeskunde in zich \u2014 op voorwaarde dat de ethische uitdagingen (gegevensbescherming, digitale kloof, vertekening van representativiteit) volledig in overweging worden genomen. DYNSEO draagt bij aan dit ecosysteem met kwaliteitsvolle digitale tools \u2014 cognitieve tests, stimulatie-applicaties, emotionele regulatietools \u2014 waarvan de gebruiksgegevens de onderzoek van morgen kunnen voeden.<\/pee>\n<a href=\"https:\/\/www.dynseo.com\/nl\/onze-tests\/\" target=\"_blank\" class=\"cta-button\">Ontdek de cognitieve tests van DYNSEO \u2192<\/a>\n<\/div>\n<h2>FAQ<\/h2>\n<div class=\"faq-item\">\n<h4>Wat zijn gegevens uit de echte wereld (RWD)?<\/h4>\n<pee>Gezondheidsgegevens verzameld buiten gecontroleerde klinische proeven \u2014 medische dossiers, vergoedingen, mobiele applicaties, sensoren, registers. Ze vangen het echte leven van pati\u00ebnten buiten de klinische context.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Verschil tussen RWD en RWE?<\/h4>\n<pee>RWD = ruwe gegevens. RWE = wetenschappelijk bewijs gegenereerd door de rigoureuze analyse van RWD. Het onderscheid is cruciaal voor regelgevende autoriteiten (EMA, FDA).<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Wat is de EMA en waarom is het waardevol in de geestelijke gezondheidszorg?<\/h4>\n<pee>Ecological Momentary Assessment : vragenlijsten die meerdere keren per dag via smartphone worden verzonden om de werkelijke toestand in real-time vast te leggen. Het onthult de variabiliteit van symptomen die onzichtbaar is in puntmetingen tijdens consultaties.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Welke ethische uitdagingen brengen RWD met zich mee?<\/h4>\n<pee>Gegevensbescherming (AVG, HDS), ge\u00efnformeerde toestemming, risico&#8217;s van heridentificatie, digitale kloof, vertekening van representativiteit, eigendom en governance van gezondheidsgegevens.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Kunnen mobiele applicaties worden gebruikt in klinische studies?<\/h4>\n<pee>Ja \u2014 voor de EMA, herhaalde cognitieve tests, gedrags- en emotionele tracking. Ze vereisen een rigoureuze validatie als meetinstrumenten en een strikt ethisch kader.<\/pee><\/div>\n<\/div>\n<footer class=\"article-footer\">\n<h3>DYNSEO-bronnen \u2014 Geestelijke gezondheid &amp; Onderzoek<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/nl\/onze-tests\/\" target=\"_blank\">Cognitieve tests<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/nl\/joe-je-trainer-voor-hersentraining\/\" target=\"_blank\">JOE-applicatie<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/nl\/onze-hulpmiddelen\/\" target=\"_blank\">Alle tools<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/nl\/onze-trainingen\/\" target=\"_blank\">Opleidingen<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>\n<p>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":4,"featured_media":412655,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"[et_pb_section fb_built=\"1\" admin_label=\"Article HTML\" _builder_version=\"4.16\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_row admin_label=\"Contenu\" _builder_version=\"4.16\" width=\"100%\" max_width=\"100%\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_column type=\"4_4\" _builder_version=\"4.16\" global_colors_info=\"{}\"][et_pb_code admin_label=\"HTML import\u00e9\" _builder_version=\"4.16\" global_colors_info=\"{}\"]<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}\n\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Geestelijke gezondheid &amp; Klinisch onderzoek \u2014 Gegevens uit de echte wereld<\/div>\n<h1>Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?<\/h1>\n<p class=\"subtitle\">Traditionele klinische proeven vangen slechts een fractie van de realiteit van pati\u00ebnten. Gegevens uit de echte wereld \u2014 verzameld via mobiele applicaties, verbonden apparaten, EMA en registers \u2014 revolutioneren ons begrip van cognitieve en mentale stoornissen. Compleet overzicht voor onderzoekers, clinici en pati\u00ebnten.<\/p>\n<\/header>\n\n<div class=\"container\">\n\n<div class=\"intro-paragraph\">\nGedurende tientallen jaren heeft klinisch onderzoek gefunctioneerd volgens een beproefd model: een gerandomiseerde gecontroleerde proef, een zorgvuldig geselecteerde populatie, gestandaardiseerde metingen op vaste intervallen in een klinische context. Dit model blijft de gouden standaard om causaliteit vast te stellen \u2014 maar het heeft een grote beperking: het vangt het echte leven niet. Geestelijke gezondheid, in het bijzonder, wordt diepgaand be\u00efnvloed door dagelijkse contexten \u2014 de werkstress, de slaapkwaliteit, sociale interacties, het weer \u2014 die niet kunnen worden vastgelegd door eenmalige evaluaties tijdens consultaties. Gegevens uit de echte wereld (Real-World Data, RWD) vullen deze leemte op door het dagelijks leven van pati\u00ebnten om te vormen tot een laboratorium.\n<\/div>\n\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><div class=\"stat-label\">de hoeveelheid beschikbare digitale gezondheidsgegevens verdubbelt elke 3-4 jaar \u2014 een revolutie voor het onderzoek<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><div class=\"stat-label\">van de klinische studies zal RWD integreren tegen 2030 volgens de voorspellingen van de EMA en de FDA<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><div class=\"stat-label\">het Europees Geneesmiddelenbureau heeft in 2023 zijn strategie voor gegevens uit de echte wereld gepubliceerd<\/div><\/div>\n<\/div>\n\n<h2>Definities: RWD, RWE en hun fundamentele verschillen<\/h2>\n\n<p>Voordat we de soorten gegevens en de verzamelmethoden verkennen, is het essentieel om de terminologie te verduidelijken \u2014 omdat de termen vaak ten onrechte door elkaar worden gebruikt.<\/p>\n\n<p>De <strong>Real-World Data (RWD)<\/strong> \u2014 of gegevens uit de echte wereld \u2014 zijn alle gegevens die betrekking hebben op de gezondheidstoestand van pati\u00ebnten en de levering van zorg, verzameld buiten gerandomiseerde gecontroleerde klinische proeven. Ze kunnen afkomstig zijn van elektronische medische dossiers, terugbetalingsdatabases, pati\u00ebntenregisters, draagbare sensoren, mobiele applicaties, sociale netwerken voor gezondheid of observationele studies.<\/p>\n\n<p>De <strong>Real-World Evidence (RWE)<\/strong> \u2014 bewijs uit de echte wereld \u2014 zijn de klinische bewijzen die worden gegenereerd door de rigoureuze analyse van RWD. De RWD zijn het ruwe materiaal; de RWE zijn het resultaat van de toepassing van een wetenschappelijke methodologie op dit materiaal. De FDA en de EMA hebben beide kaders ontwikkeld om RWE te accepteren in de dossiers voor markttoelating \u2014 een grote transformatie voor de farmaceutische industrie en biomedisch onderzoek.<\/p>\n\n<h3>Waarom zijn RWD cruciaal voor geestelijke en cognitieve gezondheid?<\/h3>\n\n<p>Mentale en cognitieve stoornissen vertonen kenmerken die ze bijzonder moeilijk te bestuderen maken binnen de context van traditionele klinische proeven. De intra-individuele variabiliteit is aanzienlijk \u2014 een depressieve pati\u00ebnt kan zich van maandag tot vrijdag of afhankelijk van het seizoen, of zijn relationele context, heel anders voelen. Deze variabiliteit is onzichtbaar in een maandelijkse evaluatie tijdens een consult. Evenzo zijn de cognitieve manifestaties van stoornissen zoals ADHD, de gevolgen van een CVA of de vroege stadia van Alzheimer diep contextueel \u2014 de omgeving, vermoeidheid, stress moduleren ze in real-time.<\/p>\n\n<p>De RWD maken het mogelijk om deze dynamische complexiteit vast te leggen. Ze maken zichtbaar wat er gebeurt tussen de consultaties, in het echte leven van pati\u00ebnten \u2014 wat 99 % van hun bestaan vertegenwoordigt.<\/p>\n\n<h2>De grote categorie\u00ebn van gegevens uit de echte wereld in de kliniek<\/h2>\n\n<h3>1. Gegevens van gezondheidsystemen (administratieve en klinische gegevens)<\/h3>\n\n<p>Dit zijn de RWD die het meest worden gebruikt in observationeel onderzoek. Ze omvatten elektronische medische dossiers (EMD), terugbetalingsgegevens van de Ziekteverzekering (SNDS in Frankrijk \u2014 Systeem van Nationale Gezondheidsgegevens), pati\u00ebntenregisters (kankerregisters, zeldzame ziektenregisters, Alzheimerregisters), ziekenhuisdatabases (PMSI, medicijnbases), en gegevens van voorschriften. Deze bases zijn waardevol voor grootschalige epidemiologische studies \u2014 ze maken het mogelijk om honderden duizenden of zelfs miljoenen zorgtrajecten te analyseren. Hun beperking is dat ze alleen vastleggen wat is gecodeerd en vergoed \u2014 ze missen subjectieve, gedrags- en contextuele gegevens.<\/p>\n\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 De SNDS in Frankrijk<\/div>\n<h4>De grootste gezondheidsdatabank van Europa<\/h4>\n<p>Het Systeem van Nationale Gezondheidsgegevens (SNDS) dekt alle terugbetalingen van zorg voor de 67 miljoen Franse verzekerden, wat het een van de grootste gezondheidsdatabases ter wereld maakt. De toegang is gereguleerd door de Health Data Hub en vereist toestemming van de CNIL. Voor onderzoek naar geestelijke gezondheid maakt het het mogelijk om zorgtrajecten, therapietrouw, comorbiditeiten en grootschalige ziekenhuisopnames te bestuderen \u2014 maar bevat geen gegevens over symptomen, dagelijks functioneren of kwaliteit van leven.<\/p>\n<\/div>\n\n<h3>2. Gegevens verzameld door de pati\u00ebnten zelf (PRO)<\/h3>\n\n<p>De Patient-Reported Outcomes (PRO) zijn gegevens die rechtstreeks door de pati\u00ebnten worden gerapporteerd, zonder interpretatie door een clinicus \u2014 levenskwaliteitsscores, pijnniveaus, intensiteit van symptomen, tevredenheid, therapietrouw. In de geestelijke gezondheid zijn ze bijzonder waardevol omdat veel sleutel symptomen (stemming, angst, energie, intrusieve gedachten) alleen toegankelijk zijn via zelfrapportage.<\/p>\n\n<p>Traditionele papieren vragenlijsten (PHQ-9 voor depressie, GAD-7 voor angst, MADRS) blijven klinische referenties. Maar hun eenmalige afname tijdens een consult legt de temporele variabiliteit niet vast. Daarom revolutioneren EMA-methoden (zie hieronder) de verzameling van PRO in hedendaags onderzoek.<\/p>\n\n<h3>3. Digitale gedragsgegevens (Digitale Biomarkers)<\/h3>\n\n<p>Een van de meest spectaculaire innovaties van de afgelopen jaren is de mogelijkheid om <strong>digitale biomarkers<\/strong> te verzamelen \u2014 objectieve metingen van gedrag en fysiologie die continu worden vastgelegd door digitale apparaten. Deze gegevens omvatten de hartslag en de variabiliteit ervan (via smartwatches), patronen van fysieke activiteit en sedentair gedrag (versnellingsmeters), de kwaliteit en duur van de slaap (actigraphen), patronen van geografische verplaatsing (GPS), de frequentie van telefoongesprekken en berichten, de typemodellen op het toetsenbord (toetsdynamiek), en spraakgegevens (prosodie, vloeiendheid, pauze).<\/p>\n\n<p>Deze passieve digitale biomarkers \u2014 verzameld zonder dat de pati\u00ebnt \"iets hoeft te doen\" \u2014 zijn bijzonder waardevol in onderzoek naar geestelijke gezondheid. Studies hebben aangetoond dat veranderingen in slaap-, activiteit- en communicatiepatronen meerdere dagen v\u00f3\u00f3r gedocumenteerde depressieve of manische episodes kunnen optreden \u2014 wat nieuwe perspectieven opent voor het voorkomen van terugvallen.<\/p>\n\n<h3>4. Gegevens van digitale cognitieve tests<\/h3>\n\n<p>Cognitieve tests die via mobiele applicaties worden afgenomen, vertegenwoordigen een revolutie voor onderzoek in de cognitieve neurowetenschappen en psychiatrie. In tegenstelling tot de jaarlijkse neuropsychologische evaluaties die in de kliniek worden uitgevoerd, kunnen korte digitale tests dagelijks of wekelijks worden afgenomen \u2014 waardoor de temporele variabiliteit van cognitieve prestaties wordt vastgelegd.<\/p>\n\n<p>Tests zoals de Trail Making Test, de Stroop, N-back werkgeheugentests, of reactietijdtests kunnen in 2 tot 5 minuten op een smartphone worden afgenomen. De verzamelde gegevens maken het mogelijk om subtiele veranderingen in cognitieve prestaties te detecteren die de klinische manifestaties voorafgaan \u2014 een veelbelovende toepassing voor de vroege detectie van Alzheimer, het monitoren van de gevolgen van een CVA of het volgen van de effectiviteit van behandelingen.<\/p>\n\n<p>De DYNSEO cognitieve tests \u2014 <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>Geheugen Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-concentratie-attention\/\" target=\"_blank\"><strong>Concentratie en Aandacht Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-des-fonctions-executives\/\" target=\"_blank\"><strong>Executieve Functies Test<\/strong><\/a> \u2014 zijn voorbeelden van digitale tools die een regelmatige en toegankelijke evaluatie van cognitieve functies buiten de klinische context mogelijk maken. Deze gegevens, herhaaldelijk verzameld, vormen een dynamisch profiel van de cognitieve evolutie \u2014 waardevol voor zowel klinische opvolging als onderzoek.<\/p>\n\n<h2>De EMA (Ecological Momentary Assessment): de revolutie van real-time vastlegging<\/h2>\n\n<p>De Ecological Momentary Assessment (EMA) \u2014 ook wel de experience sampling method genoemd \u2014 is een gegevensverzamelmethode die bestaat uit het ondervragen van deelnemers over hun toestand (stemming, symptomen, gedrag, context) op meerdere en gevarieerde momenten in hun dagelijks leven, via een smartphone of een speciale applicatie.<\/p>\n\n<h3>Waarom de EMA alles verandert voor onderzoek naar geestelijke gezondheid<\/h3>\n\n<p>Het fundamentele probleem van traditionele klinische evaluatie is dat deze retrospectief en eenmalig is. Wanneer een pati\u00ebnt een wekelijkse depressievragenlijst invult, probeert hij zijn week te \"gemiddeld\" \u2014 wat aanzienlijke vertekeningen genereert (herinneringsbias, effect van het moment van evaluatie, anchoring bias). De EMA lost dit probleem op door de werkelijke toestand van de persoon vast te leggen op het moment dat ze antwoordt.<\/p>\n\n<p>In de praktijk stuurt de EMA meerdere keren per dag (meestal 3 tot 8 keer) meldingen op willekeurige of semi-willekeurige momenten. De persoon beantwoordt 5-15 korte vragen over zijn emotionele toestand, symptomen, sociale context, en gedrag. Het geheel van de antwoorden over meerdere weken vormt een dichte gegevenscurve die de patronen, triggers, cycli en individuele variabiliteit onthult die de eenmalige evaluaties nooit zouden hebben gedetecteerd.<\/p>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Voorbeelden van wat EMA kan onthullen dat klassieke evaluaties missen<\/h4>\n<p><strong>Bij depressie:<\/strong> de uren van de dag waarop de stemming systematisch lager is, de sociale situaties die uitlokken, de relatie tussen de kwaliteit van de slaap van de vorige nacht en de stemming van de volgende ochtend.<br>\n<strong>Bij ADHD:<\/strong> de momenten van de dag waarop de aandacht maximaal is (waardoor het mogelijk is om veeleisende taken te plannen), de impact van voeding en beweging op de concentratie, de uitlokkende factoren van impulsiviteit.<br>\n<strong>Bij vroege Alzheimer:<\/strong> de eerste fluctuaties in cognitieve vaardigheden, de omgevingsfactoren die de prestaties verbeteren of verslechteren, de voortgang van de moeilijkheden in de loop van de weken.<\/p>\n<\/div>\n\n<h3>De uitdagingen van EMA<\/h3>\n\n<p>EMA is niet zonder beperkingen. De <strong>burden<\/strong> (last voor de deelnemer) is re\u00ebel \u2014 het beantwoorden van meldingen meerdere keren per dag gedurende weken genereert vermoeidheid en kan de naleving be\u00efnvloeden. De afhaakpercentages in EMA-studies zijn hoog als de last niet goed is afgesteld. De selectiebias (de deelnemers die voltooien zijn anders dan degenen die afvallen) kan de externe validiteit be\u00efnvloeden. En de privacy van zeer gedetailleerde gegevens (gedragingen, locaties, emotionele toestanden) roept belangrijke ethische vragen op.<\/p>\n\n<h2>De verbonden objecten en wearables: passieve sensoren van het echte leven<\/h2>\n\n<h3>Actigraphen en slimme horloges<\/h3>\n\n<p>Actigraphen (geavanceerde stappentellers) en slimme horloges (Apple Watch, Garmin, Fitbit, Withings) verzamelen continu gegevens over fysieke activiteit, slaap (duur, fasen, nachtelijke ontwakingen) en hartslag. Deze passieve gegevens zijn bijzonder waardevol in onderzoek naar mentale gezondheid omdat ze constructen objectiveren die vaak subjectief worden gerapporteerd: \"ik slaap slecht\", \"ik ben uitgeput\", \"ik doe niets meer\".<\/p>\n\n<p>Studies hebben aangetoond dat de variabiliteit van de hartslag (HRV \u2014 Heart Rate Variability) die continu wordt gemeten een proxy is voor de werking van het autonome zenuwstelsel \u2014 en de staat van stress, angst en emotionele regulatie weerspiegelt. Apps zoals Garmin Health of Apple Health genereren dagelijkse HRV-gegevens die biomerkers kunnen vormen in studies over mentale gezondheid.<\/p>\n\n<h3>Stem sensoren en spraak analyse<\/h3>\n\n<p>Automatische spraak analyse vertegenwoordigt een van de meest veelbelovende grenzen van digitale biomerkers in mentale gezondheid. Stemkenmerken zoals spraaktempo, pauzes, toonhoogte, energie, reactietijd en intonatiepatronen veranderen meetbaar bij depressie, schizofrenie, dementie en andere mentale stoornissen. Machine learning-algoritmen die zijn getraind op duizenden uren opnames kunnen deze veranderingen detecteren met een nauwkeurigheid die gunstig vergeleken kan worden met gestandaardiseerde klinische evaluaties.<\/p>\n\n<h3>Gedragsanalyses via smartphone<\/h3>\n\n<p>De smartphone zelf is een sensor van dagelijks gedrag. De frequentie en duur van oproepen, de patronen van berichten, de geolocatie (mobiliteit, bezochte plaatsen), de omgevingsverlichting (indicator van buitenshuis zijn), en zelfs de micro-patronen van het ontgrendelen van het scherm vormen dichte gedragsgegevens. Studies hebben aangetoond dat deze passieve gegevens in staat zijn om episodes van depressie, angst en psychose met opmerkelijke precisie te voorspellen \u2014 wat perspectieven opent voor vroegtijdige waarschuwingssystemen.<\/p>\n\n<h2>Mobiele gezondheidsapps in klinische studies<\/h2>\n\n<p>Mobiele gezondheidsapps \u2014 van de eenvoudige stemmingsvolgapp tot gevalideerde cognitieve stimulatietools \u2014 spelen een dubbele rol in RWD-studies: gegevensverzameling (via gebruikslogs en resultaten van oefeningen) en therapeutische interventie (waarvan de naleving en effectiviteit in real-time kunnen worden gemeten).<\/p>\n\n<h3>Apps voor emotionele regulatie en symptoomtracking<\/h3>\n\n<p>Apps zoals Daylio, Moodpath of Woebot stellen gebruikers in staat om hun stemming, gedrag en gedachten dagelijks te volgen. In een onderzoekscontext vormen de geaggregeerde en geanonimiseerde gegevens van deze apps een waardevolle bron van RWD om de emotionele patronen van grote populaties te bestuderen.<\/p>\n\n<p>Klinische tools zoals de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/thermometre-des-emotions\/\" target=\"_blank\"><strong>DYNSEO Emotie Thermometer<\/strong><\/a>, de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Emotionele Regulatie Toolkit<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 strategie\u00ebn voor kalmte<\/strong><\/a> maken het mogelijk om gegevens te verzamelen over het daadwerkelijke gebruik van regulatietechnieken \u2014 welke strategie wordt gekozen, in welke contexten, met welke effectiviteit. Deze ecologische gebruiksgegevens verrijken ons begrip van de effectiviteit van interventies in de mentale gezondheid aanzienlijk.<\/p>\n\n<h3>Apps voor stimulatie en cognitieve tests<\/h3>\n\n<p>Cognitieve stimulatie-apps \u2014 zoals <a href=\"https:\/\/www.dynseo.com\/nl\/joe-je-trainer-voor-hersentraining\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> voor volwassenen of <a href=\"https:\/\/www.dynseo.com\/nl\/annelies-senioren-geheugenspelletjes\/\" target=\"_blank\"><strong>ANNELIES<\/strong><\/a> voor senioren \u2014 genereren waardevolle gegevens over de longitudinale cognitieve prestaties. De gebruikslogs (frequentie, duur van sessies, resultaten van oefeningen, behaalde niveau, afhaak) vormen RWD die het mogelijk maken om de betrokkenheid bij cognitieve stimulatie, de evolutie in de tijd, en de factoren die verband houden met naleving of afhaak te bestuderen.<\/p>\n\n<p>Voor onderzoek naar digitale interventies bij Alzheimer, Parkinson of na een CVA, bieden deze gegevens over werkelijk gebruik een ecologische dimensie die effectiviteitsstudies in een laboratorium niet kunnen bieden. Een app kan uitstekende resultaten laten zien in een gecontroleerde klinische proef \u2014 maar als pati\u00ebnten deze in het echte leven niet gebruiken, zal de populatie-impact beperkt zijn. RWD maakt het mogelijk om deze vragen over adoptie en betrokkenheid nauwkeurig te bestuderen.<\/p>\n\n<h2>Methoden voor de analyse van gegevens uit het echte leven: de methodologische uitdagingen<\/h2>\n\n<h3>De verwarringsbias: de centrale uitdaging<\/h3>\n\n<p>De belangrijkste beperking van RWD-studies ten opzichte van gerandomiseerde proeven is het ontbreken van randomisatie \u2014 en dus de potenti\u00eble aanwezigheid van verwarringsbias. Als pati\u00ebnten die behandeling A krijgen systematisch anders zijn dan degenen die behandeling B krijgen (jonger, minder ziek, met een betere toegang tot zorg), weerspiegelt de vergelijking van hun resultaten deze verschillen evenzeer als het effect van de behandeling. Verschillende statistische technieken maken het mogelijk om deze biases te corrigeren: de propensity score matching, instrumentele analyses, case-control studies, en structurele causale modellen (Directed Acyclic Graphs).<\/p>\n\n<h3>De analyse van tijdreeksen en longitudinale gegevens<\/h3>\n\n<p>EMA- en wearable-gegevens genereren dichte tijdreeksen \u2014 honderden of duizenden meetpunten per deelnemer over weken of maanden. De analyse van deze gegevens vereist gespecialiseerde statistische methoden die hun temporele structuur vastleggen: gemengde modellen met willekeurige effecten, vectorautoregressieve modellen (VAR) om de relaties tussen variabelen in de loop van de tijd te bestuderen, netwerk analyse om de dynamische interacties tussen symptomen in kaart te brengen.<\/p>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca Netwerkanalyse in de psychiatrie<\/div>\n<h4>Een methodologische revolutie voor de geestelijke gezondheid<\/h4>\n<p>De netwerkbenadering, ontwikkeld door onder anderen Borsboom en Cramer, conceptualiseert psychiatrische stoornissen niet als discrete entiteiten (een \"ziekte\" die symptomen veroorzaakt) maar als netwerken van onderling verbonden symptomen die zichzelf in stand houden. In dit model stellen longitudinale RWD ons in staat om te identificeren welke symptomen het meest \"centraal\" zijn (de meeste invloed uitoefenend op anderen), welke verbindingen als eerste geactiveerd worden bij een terugval, en welke interventies het netwerk van pathologie het meest effectief zouden kunnen deactiveren. Deze benadering opent nieuwe perspectieven voor gepersonaliseerde therapeutische mogelijkheden.<\/p>\n<\/div>\n\n<h3>Kunstmatige intelligentie en machine learning<\/h3>\n\n<p>Het volume en de complexiteit van RWD hebben machine learning en kunstmatige intelligentie onmisbaar gemaakt. Deep learning-algoritmen kunnen patronen detecteren in vocale, gedrags- en fysiologische gegevens die ontsnappen aan klassieke statistische analyse. De <a href=\"https:\/\/www.dynseo.com\/coach-ia\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> illustreert deze richting: een intelligent begeleidingssysteem dat leert van gebruikspatronen om aanbevelingen te personaliseren.<\/p>\n\n<h2>Het ethische en regelgevende kader van RWD in de gezondheidszorg<\/h2>\n\n<h3>GDPR, HDS en gegevensbeheer in de gezondheidszorg<\/h3>\n\n<p>Gezondheidsgegevens zijn gevoelige persoonlijke gegevens, beschermd door de GDPR (Algemene Verordening Gegevensbescherming) en, voor gehoste gezondheidsgegevens, door de HDS-certificering (Gezondheidsgegevenshost) in Frankrijk. Elke verzameling van gezondheidsgegevens in een onderzoekscontext vereist de ge\u00efnformeerde toestemming van de deelnemers, goedkeuring van een Comit\u00e9 voor de Bescherming van Personen (CPP) en vaak een vergunning van de CNIL (Nationale Commissie voor Informatica en Vrijheden).<\/p>\n\n<p>Het <strong>Health Data Hub<\/strong> in Frankrijk (GIE dat de toegang tot de gegevens van de SNDS vergemakkelijkt en hun kruising met andere databases) is het centrale instrument geworden voor RWD-onderzoek in Frankrijk. Het gebruik ervan wordt gereguleerd door expertcommissies die de wetenschappelijke waarde, de proportionaliteit van de gevraagde gegevens en de waarborgen voor de bescherming van personen evalueren.<\/p>\n\n<h3>Selectie-bias in digitale gegevens<\/h3>\n\n<p>Een belangrijke ethische en methodologische uitdaging van digitale RWD is hun potentieel voor vertekening van representativiteit. Gebruikers van smartwatches, smartphones en gezondheidsapps zijn niet representatief voor de algemene bevolking \u2014 ze zijn gemiddeld jonger, welvarender, beter opgeleid en meer betrokken bij hun gezondheid. Studies die op deze gegevens zijn gebaseerd, lopen het risico valide bewijs te produceren voor deze populaties, maar moeilijk generaliseerbaar te zijn naar ouderen, achtergestelde of digitaal laaggeletterde personen.<\/p>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f De digitale kloof: een blinde vlek van de RWD<\/h4>\n<p>De meest kwetsbare mensen op het gebied van geestelijke gezondheid \u2014 ouderen met dementie, daklozen, mensen in grote kwetsbaarheid \u2014 zijn vaak het minst vertegenwoordigd in de digitale RWD. Studies die deze digitale kloof negeren, lopen het risico relevante bewijzen te produceren voor de beter bedeelde populaties, maar verergeren de gezondheidsongelijkheden door innovaties te richten op de populaties die er misschien het minst behoefte aan hebben.<\/p>\n<\/div>\n\n<h2>Praktische toepassingen voor onderzoek naar geestelijke en cognitieve gezondheid<\/h2>\n\n<h3>Vroegtijdige detectie van dementie<\/h3>\n\n<p>Een van de meest veelbelovende toepassingen van RWD in klinische neurowetenschappen is de vroegtijdige detectie van cognitieve stoornissen, jaren voordat de klinische manifestatie van dementie zich voordoet. Onderzoeksteams hebben aangetoond dat digitale biomarkers \u2014 subtiele veranderingen in GPS-beweegpatronen, in de typsnelheid, in de prestaties op korte cognitieve tests \u2014 in staat zijn veranderingen te detecteren die 2 tot 5 jaar voorafgaan aan de eerste klinische symptomen van Alzheimer.<\/p>\n\n<p>De regelmatige monitoring van cognitieve prestaties via tests zoals de <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>DYNSEO Geheugen Test<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/test-concentratie-attention\/\" target=\"_blank\"><strong>Concentratie Test<\/strong><\/a>, uitgevoerd op maandbasis thuis op tablet of smartphone, zou een ecologisch longitudinaal monitoringprotocol kunnen vormen voor risicopopulaties.<\/p>\n\n<h3>Monitoring van interventies in de psychiatrie<\/h3>\n\n<p>De real-time monitoring van reacties op psychiatrische behandelingen is een ander gebied waar RWD de praktijk transformeert. In plaats van te wachten op de maandelijkse consultatie om te weten of een antidepressivum begint te werken of of een pati\u00ebnt terugvalt, maken wekelijkse EMA-gegevens een continue therapeutische aanpassing mogelijk. De <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>DYNSEO Cognitieve Herstructurering Angstfiche<\/strong><\/a> en de <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Emotionele Regulatie Toolkit<\/strong><\/a> passen binnen deze ecologische interventielogica \u2014 door tools te bieden die in het dagelijks leven bruikbaar zijn en waarvan het gebruik zelf een relevante onderzoeksdata vormt.<\/p>\n\n<h3>Effectiviteit van digitale interventies<\/h3>\n\n<p>RWD maken het mogelijk de werkelijke effectiviteit van digitale interventies te evalueren \u2014 toepassingen van CGT, tools voor cognitieve stimulatie, mindfulness-programma's \u2014 onder ecologische omstandigheden. De betrokkenheid (aantal sessies, duur, regelmaat), de trajecten van prestaties (verbetering, plateau, achteruitgang), en de voorspellende factoren van adherentie vormen waardevolle gegevens om deze tools te verbeteren en aanbevelingen te personaliseren.<\/p>\n\n<h2>Op weg naar pragmatische en hybride studies<\/h2>\n\n<p>De toekomst van klinisch onderzoek ligt waarschijnlijk in <strong>hybride studies<\/strong> die de strengheid van gerandomiseerde proeven combineren met de rijkdom van RWD. Pragmatiche proeven verzamelen gegevens onder echte zorgomstandigheden in plaats van in gespecialiseerde onderzoekscentra. Platformstudies maken het mogelijk om meerdere interventies gelijktijdig te evalueren met adaptieve aanpassing. En \"in silico\" proeven \u2014 die gebruik maken van digitale tweelingen of computationele modellen gevoed door RWD \u2014 stellen in staat klinische proeven te simuleren voordat ze daadwerkelijk worden uitgevoerd, waardoor kosten en tijdsduur worden verminderd.<\/p>\n<div class=\"conclusion\">\n<h2>Conclusie : de RWD, nieuwe grens van de gepersonaliseerde geneeskunde<\/h2>\n<p>De gegevens uit de echte wereld transformeren onze capaciteit om mentale en cognitieve stoornissen in al hun dynamische complexiteit te begrijpen. Ze maken het mogelijk om het model van de \"instantfoto\" tijdens consultaties te verlaten en toegang te krijgen tot de \"film\" van het dagelijkse leven van de pati\u00ebnt. Deze methodologische revolutie draagt de belofte van een meer gepersonaliseerde, meer preventieve en eerlijkere geneeskunde in zich \u2014 op voorwaarde dat de ethische uitdagingen (gegevensbescherming, digitale kloof, vertekening van representativiteit) volledig in overweging worden genomen. DYNSEO draagt bij aan dit ecosysteem met kwaliteitsvolle digitale tools \u2014 cognitieve tests, stimulatie-applicaties, emotionele regulatietools \u2014 waarvan de gebruiksgegevens de onderzoek van morgen kunnen voeden.<\/p>\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\" class=\"cta-button\">Ontdek de cognitieve tests van DYNSEO \u2192<\/a>\n<\/div>\n\n<h2>FAQ<\/h2>\n<div class=\"faq-item\"><h4>Wat zijn gegevens uit de echte wereld (RWD)?<\/h4><p>Gezondheidsgegevens verzameld buiten gecontroleerde klinische proeven \u2014 medische dossiers, vergoedingen, mobiele applicaties, sensoren, registers. Ze vangen het echte leven van pati\u00ebnten buiten de klinische context.<\/p><\/div>\n<div class=\"faq-item\"><h4>Verschil tussen RWD en RWE?<\/h4><p>RWD = ruwe gegevens. RWE = wetenschappelijk bewijs gegenereerd door de rigoureuze analyse van RWD. Het onderscheid is cruciaal voor regelgevende autoriteiten (EMA, FDA).<\/p><\/div>\n<div class=\"faq-item\"><h4>Wat is de EMA en waarom is het waardevol in de geestelijke gezondheidszorg?<\/h4><p>Ecological Momentary Assessment : vragenlijsten die meerdere keren per dag via smartphone worden verzonden om de werkelijke toestand in real-time vast te leggen. Het onthult de variabiliteit van symptomen die onzichtbaar is in puntmetingen tijdens consultaties.<\/p><\/div>\n<div class=\"faq-item\"><h4>Welke ethische uitdagingen brengen RWD met zich mee?<\/h4><p>Gegevensbescherming (AVG, HDS), ge\u00efnformeerde toestemming, risico's van heridentificatie, digitale kloof, vertekening van representativiteit, eigendom en governance van gezondheidsgegevens.<\/p><\/div>\n<div class=\"faq-item\"><h4>Kunnen mobiele applicaties worden gebruikt in klinische studies?<\/h4><p>Ja \u2014 voor de EMA, herhaalde cognitieve tests, gedrags- en emotionele tracking. Ze vereisen een rigoureuze validatie als meetinstrumenten en een strikt ethisch kader.<\/p><\/div>\n\n<\/div>\n<footer class=\"article-footer\">\n<h3>DYNSEO-bronnen \u2014 Geestelijke gezondheid &amp; Onderzoek<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\">Cognitieve tests<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nl\/joe-je-trainer-voor-hersentraining\/\" target=\"_blank\">JOE-applicatie<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-outils\/\" target=\"_blank\">Alle tools<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-formations\/\" target=\"_blank\">Opleidingen<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]","_et_gb_content_width":"","footnotes":""},"categories":[2915],"tags":[],"class_list":["post-617386","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-les-conseils-des-coachs"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/\" \/>\n<meta property=\"og:locale\" content=\"nl_NL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/\" \/>\n<meta property=\"og:site_name\" content=\"Educatieve app en geheugenspelletjes\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-16T04:57:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-16T04:59:42+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"900\" \/>\n\t<meta property=\"og:image:height\" content=\"540\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"DYNSEO\" \/>\n<meta name=\"twitter:label1\" content=\"Geschreven door\" \/>\n\t<meta name=\"twitter:data1\" content=\"DYNSEO\" \/>\n\t<meta name=\"twitter:label2\" content=\"Geschatte leestijd\" \/>\n\t<meta name=\"twitter:data2\" content=\"17 minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/\"},\"author\":{\"name\":\"DYNSEO\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\"},\"headline\":\"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?\",\"datePublished\":\"2026-05-16T04:57:00+00:00\",\"dateModified\":\"2026-05-16T04:59:42+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/\"},\"wordCount\":3375,\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"articleSection\":[\"Les conseils des coachs\"],\"inLanguage\":\"nl-NL\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/\",\"name\":\"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"datePublished\":\"2026-05-16T04:57:00+00:00\",\"dateModified\":\"2026-05-16T04:59:42+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#breadcrumb\"},\"inLanguage\":\"nl-NL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"nl-NL\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"width\":900,\"height\":540,\"caption\":\"Tablet stimuleert de geest en het leren bij kinderen\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#website\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/\",\"name\":\"Jeux de m\u00e9moire et stimulation cognitive\",\"description\":\"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"nl-NL\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#organization\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nl-NL\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"width\":5073,\"height\":1397,\"caption\":\"DYNSEO\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/nl\\\/author\\\/justine\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/","og_locale":"nl_NL","og_type":"article","og_title":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes","og_url":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/","og_site_name":"Educatieve app en geheugenspelletjes","article_published_time":"2026-05-16T04:57:00+00:00","article_modified_time":"2026-05-16T04:59:42+00:00","og_image":[{"width":900,"height":540,"url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","type":"image\/jpeg"}],"author":"DYNSEO","twitter_misc":{"Geschreven door":"DYNSEO","Geschatte leestijd":"17 minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#article","isPartOf":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/"},"author":{"name":"DYNSEO","@id":"https:\/\/www.dynseo.com\/nl\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6"},"headline":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?","datePublished":"2026-05-16T04:57:00+00:00","dateModified":"2026-05-16T04:59:42+00:00","mainEntityOfPage":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/"},"wordCount":3375,"publisher":{"@id":"https:\/\/www.dynseo.com\/nl\/#organization"},"image":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","articleSection":["Les conseils des coachs"],"inLanguage":"nl-NL"},{"@type":"WebPage","@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/","url":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/","name":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie? - Educatieve app en geheugenspelletjes","isPartOf":{"@id":"https:\/\/www.dynseo.com\/nl\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#primaryimage"},"image":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","datePublished":"2026-05-16T04:57:00+00:00","dateModified":"2026-05-16T04:59:42+00:00","breadcrumb":{"@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#breadcrumb"},"inLanguage":"nl-NL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/"]}]},{"@type":"ImageObject","inLanguage":"nl-NL","@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#primaryimage","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","width":900,"height":540,"caption":"Tablet stimuleert de geest en het leren bij kinderen"},{"@type":"BreadcrumbList","@id":"https:\/\/www.dynseo.com\/nl\/welke-gegevens-uit-de-echte-wereld-kunnen-worden-verzameld-tijdens-een-klinische-studie\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/www.dynseo.com\/nl\/"},{"@type":"ListItem","position":2,"name":"Welke gegevens uit de echte wereld kunnen worden verzameld tijdens een klinische studie?"}]},{"@type":"WebSite","@id":"https:\/\/www.dynseo.com\/nl\/#website","url":"https:\/\/www.dynseo.com\/nl\/","name":"Jeux de m\u00e9moire et stimulation cognitive","description":"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO","publisher":{"@id":"https:\/\/www.dynseo.com\/nl\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.dynseo.com\/nl\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"nl-NL"},{"@type":"Organization","@id":"https:\/\/www.dynseo.com\/nl\/#organization","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/nl\/","logo":{"@type":"ImageObject","inLanguage":"nl-NL","@id":"https:\/\/www.dynseo.com\/nl\/#\/schema\/logo\/image\/","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","width":5073,"height":1397,"caption":"DYNSEO"},"image":{"@id":"https:\/\/www.dynseo.com\/nl\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.dynseo.com\/nl\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/nl\/author\/justine\/"}]}},"_links":{"self":[{"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/posts\/617386","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/comments?post=617386"}],"version-history":[{"count":6,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/posts\/617386\/revisions"}],"predecessor-version":[{"id":617392,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/posts\/617386\/revisions\/617392"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/media\/412655"}],"wp:attachment":[{"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/media?parent=617386"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/categories?post=617386"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dynseo.com\/nl\/wp-json\/wp\/v2\/tags?post=617386"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}