Cursus Systems Engineering voor Patiënten – Les 2: Het Dashboard van Mijn Gezondheid

“AI kan charmant liegen!”

Na de introductieles over Systems Engineering voor patiënten, is het tijd om de theorie toe te passen. Want wie regisseur wil zijn van zijn eigen gezondheid, heeft overzicht nodig en niet in losse apps, maar in één samenhangend geheel.

Of beter gezegd: in een persoonlijk dashboard.

De uitdaging: data extractie

Stel je voor: je hebt een auto waarvan je zelf de dashboards moet bouwen — én je moet steeds op een spreadsheet bijhouden hoeveel liters brandstof je nog hebt, hoe je bandenspanning is, je oliepeil, je gemiddelde verbruik, de temperatuur van de motor, en ga zo maar door.

Zo voelt het voor mij met mijn gezondheidsdata: van Withings via Apple Watch tot OZOverbindzorg en Freestyle Libre; allemaal aparte metertjes in je auto en je moet zelf uitvogelen wat er écht gaande is.

De uitdaging? Ik wil niet blijven schakelen tussen meters en Excel-bladen. Ik wil één overzichtsbord (mijn “cockpit”) dat elke ochtend fluistert: “Tank op 75 %, banden ok, motor draait soepel” . Oftewel: hoe gaat het echt met mij.

De eisen van een goed GLI-dashboard

Een goed dashboard moet dus geen spreadsheet zijn met een burn-out. Het moet mij helpen denken, voelen en handelen. Dat vraagt om zes ontwerpprincipes:

1. Integratie – alle relevante data (voeding, beweging, slaap, gewicht, stress, afspraken) moet automatisch samenkomen.

2. Motivatie – het moet niet alleen registreren, maar ook inspireren. Geen schuldgevoel, wel feedback in mensentaal.

3. Inzicht – patronen zichtbaar maken zonder dat ik in data verzuip. Denk: “minder chips op stressdagen” of “meer stappen na goede nachtrust”.

4. Delen – veilig kunnen delen met mijn GLI-coach, huisarts of sportmaatje via OZOverbindzorg.

5. Toekomstbestendig – klaar voor hulpmiddelen als Medido of Tessa de pratende bloempot, mocht het ooit zover komen.

6. Privacy-first – alles lokaal in Obsidian, mijn persoonlijke denkraam. Geen cloud, geen Big Tech meekijkers.

De visuele bouwstenen

• Voeding: grafieken met calorieën, eiwitten en maaltijdmomenten

• Beweging: Apple-ringen en EGYM-data in één blik

• Gewicht & metingen: trends uit Withings

• Gedrag & gewoontes: slaap, stress en mindfulness

• Begeleiding: afspraken, doelen en feedback

• Motivatie: reflecties, overtuigingen en AI-coach “Lampie”

Kortom: een dashboard dat niet zegt “je bewoog 8.234 stappen”, maar “je bent weer op koers naar je doel van 10.000, goed bezig, zelfs met dat regenachtige weer! Goed dat je een hond hebt ;-)”

De architectuur achter de glimlach

Technisch gezien is het een mini-ecosysteem.

• Data-invoer: Apple Health, Withings, Freestyle Libre, EGYM

• Opslag: lokaal in Obsidian met dagelijkse notities

• Analyse: lokale AI-modellen (geen cloud)

• Coördinatie: OZOverbindzorg voor delen met professionals

• Interface: Markdown dashboards in Obsidian, eventueel via plugins zoals Dataview en Charts.

Zo ontstaat een persoonlijk zorgsysteem waarin mens(en) en technologie in alle vormen samenwerken.

Les uit een AI-hallucinatie

Toen ik een screenshot van mijn Apple Watch-activiteit liet analyseren door ChatGPT 5, kreeg ik dit prachtig rapport — helaas over de verkeerde maand of zo, zie ook {mijn commentaar}:

---

Augustus 2025

- Algemeen beeld:

Vrijwel alle dagen zijn volledig gesloten ringen (rood, groen en blauw). Dit betekent dat je consequent je beweeg-, trainings- en sta-doelen hebt gehaald. {hoezo: 17 van de 31 is niet vrijwel allemaal}

- Sterke punten:

    - Vanaf 8 augustus t/m 31 augustus zijn alle dagen rond, wat wijst op een perfecte streak. {dus niet}

    - Er zijn meerdere dagen met een groen puntje rechtsboven (bijvoorbeeld 8, 10, 13, 20, 23, 26, 29). Dat betekent dat je ook extra trainingsdoelen of speciale badges hebt gehaald. {8 en 23 dus niet, en andere dagen weer wel}

- Opvallend:

    - De maand begint al sterk: geen enkele dag zonder beweging. {boeiend, je moet erg je best doen om in z'n geheel niet te bewegen, of je horloge niet dragen -- non informatie}

    - Augustus laat een bijna foutloze reeks zien; een zeer stabiele en consistente maand. {14 dagen van de 31 niet gesloten, ik zou een andere conclusie trekken}

Conclusie augustus:

Een topmaand – alle doelen gehaald, veel dagen met extra’s, en een stevige streak opgebouwd. Dit laat zien dat augustus een periode van discipline en maximale consistentie was. {Ja, wat moeten we daarvan zeggen ....}

---

Dat was dus teleurstelling nummer 1: AI kan charmant liegen.

De oplossing? Voorlopig zelf blijven analyseren en stug doorgaan met het uitproberen van andere LLM's zoals Le Chat (Mistral waar ASML onder andere in investeert), Gemini (Google), Claude (Anthropic), CoPilot (Microsoft), Llama (Facebook) en DeepSeek (ja de CCP mag mijn beweging van augustus ook zien, heb ik toch al gepubliceerd ;-). Llama en DeepSeek gebruik ik via Mammouth en ChatLLM. Een gespecialiseerde LLM is Glass Health bedoeld voor zorgprofessionals.

De volgende stap

In les 3 gaan we verder met de architectuur en datastromen.

Hoe verbind je al die losse bronnen zonder je privacy op te geven? En hoe zorg je dat jouw dashboard niet alleen slim, maar ook duurzaam wordt?

Tot dan — en vergeet niet:

Je gezondheid is geen project, maar een evolutie. Systems Engineering helpt je het pad te bewandelen, stap voor stap. Zo heb ik zelf ook ooit leren koken via de website Cooking for Engineers!