Cursus Systems Engineering voor Patiënten – Les 4: Leren rijden met je Gezondheidsauto

“Een dashboard is pas nuttig als je weet waar je heen wilt.”

In les 3 hebben we alle metertjes aangesloten en de extractielaag gebouwd waarmee we eindelijk data uit onze vele silo’s trekken. De motor start, de bedrading werkt, en de lampjes doen wat ze moeten doen.

Maar nu komt de echte vraag: hoe gebruik je dit dashboard om te sturen?

1. De cockpit is aangesloten – maar waar rij je heen?

We beschikken inmiddels over een dashboard dat data binnenhaalt uit diverse bronnen:

• Apple Gezondheid (stappen incl. routes met 10 jaar geschiedenis via XML-export - pas op met hele grote bestanden, deel die op per jaar - of via de app Health Auto Export in CSV exporteren),

• Withings (gewicht en trends over 5 jaar via hun CSV-export portaal en PDF rapportages),

• HIS (labwaarden zoals cholesterol en bloedsuiker over 5 jaar door een AI Agent in een spreadsheet laten zetten en de problemen in PDF downloaden),

• ZIS-Epic (brieven en afspraken via PDF download),

• EGYM app geactiveerd om de gegevens van een jaar krachttraining op te kunnen halen, maar nog wel handmatig overtikken zonder een EGYM+ abonnement,

• RIVM site voor de vaccinatie gegevens,

• Board PGO nog even niet gebruikt, ze hebben wel trend grafiekjes,

• LibreLink is bij mij niet verbonden aan één van hun eigen apps en historische data is daarmee verloren gegaan. Er zijn nog wel een aantal screenshots van de meetweken die ik heb gedaan,

• Historische weerdata is te verkrijgen vanuit verschillende online databases,

• Agenda's en foto's geven een goed beeld van de activiteiten.

• Vele app's die iets van je doen en laten registreren zoals schermtijd, etc.

Met XML, CSV, PDF, AI agents, extractie apps en screenshots kom je dus een heel eind. Het heeft veel tijd gekost om de data uit de afzonderlijke silo’s te halen, dat moet veel beter kunnen om ook niet Systems Engineers (de andere 99,99 % van de bevolking) laagdrempelig toegang tot hun gegevens te geven. Voor mij nu een kwestie van bijhouden.

Het valt je wellicht op dat het meerendeel van de bronnen niet medisch is. Dit is niet zo vreemd als het lijkt. Medische zorg draagt ca. 10 % bij aan je levensverwachting, dat is ca. 40 % voor je leefstijl, sociaal economische omstandigheden ca. 20 %, genetische aanleg ca. 20 % en de omgeving ca. 10 %, getallen afgerond op eenheden van 10 %. het is daarom goed om ook data uit andere bronnen mee te nemen om je leefstijl te kunnen duiden.

Maar een prachtige berg informatie geeft nog geen richting.

Het is alsof je een auto hebt met werkende meters en lampjes, maar zonder bestemming in de navigatie. Met de data kun je eindeloos achter je bureau gaan zitten en met Machine Learning (ML) patronen gaan ontdekken maar dat kan averechts werken. Dit vergt daarom een ander perspectief. Dat doen systems engineers vaak; van perspectief veranderen. Alleen zo creëer je een volledig beeld om naar een oplossing toe te werken.

Daarom, om te weten of de data voldoende is, moeten we eerst weten waar we heen willen.

2. Van datapunten naar route en doelgericht sturen

Elke systems engineer weet: je kunt pas ontwerpen als je weet wat het systeem moet bereiken.

Voor onze gezondheidsauto betekent dat:

• Wat is het doel van je reis? (Bijvoorbeeld vaker lekker eten met vrienden, ofwel een rijker sociaal leven zonder minder fit te worden, in gewicht toe te nemen, energie te verliezen of slechter te slapen. Het kan ook een doel zijn meer energie te krijgen voor activiteiten als werk, mantelzorg of hobbies.)

• Wat is de context van je route? (druk werk, beperkte tijd, fysieke beperkingen, motivatie, woonruimte of plek, familie zoals gezin of mantelzorg)

• Wat is je bereik? (middelen, data, tijd, support van zorgverleners)

Zonder richting blijft het dashboard een verzameling lampjes. Met richting wordt het een sturingsinstrument.

3. De OODA-loop – rijden als een systems engineer

Om goed te kunnen rijden, gebruiken we een denkraam dat zowel in de luchtvaart als in engineering wordt toegepast en inmiddels ook in het veranderen van gedrag: de OODA-loop van John Boyd. Het is de tegenhanger van PDCA (Plan, Do Check, Act) en je gebruikt de OODA-loop in complexe situaties waar je nog niet weet wat de juiste weg is en dus wendbaarheid nodig hebt.

Een systems engineer gebruikt het om complexiteit te omarmen. Gezondheid is ook een complexe aangelegenheid dus lijkt het hier ook geschikt.

Stap	Wat doe je?	In jouw gezondheidsauto
Observeer	Je verzamelt wat er is	Data uit je dashboard: stappen, gewicht, bloedwaarden, slaap, stress
Orienteer	Je begrijpt wat het betekent	Je vergelijkt met doelen, kijkt naar trends en naar eerdere ervaringen
Decideer (deftig woord voor Beslis)	Je bepaalt een koers	Kies een actie: meer bewegen, voedingspatroon aanpassen, stressmomenten herkennen
Acteer	Je voert uit	Kleine aanpassing in gedrag, en observeert weer wat het effect is

De kracht van de OODA-loop is dat hij cyclisch is: je leert al rijdend.

Je dashboard levert observaties, jij voegt interpretatie toe, en de cyclus herhaalt zich continu.

Het getoonde plaatje komt uit "Transforming Healthcare with DevOps" van Jeroen Mulder en ondergetekende. In het Engels en als je deze cursus niet wil afwachten kun je het uiteraard bestellen 😉.

4. Oriëntatie: meer dan alleen cijfers

Tijdens het oriënteren kijk je niet alleen naar nieuwe data, maar ook naar context:

• Eerdere ervaringen: hoe waren je waarden een jaar geleden?

• Genetische aanleg: hoe reageer jij op stress, drukte, of motivatieverlies?

• Cultuur & tradities: wat ben je gewend te doen?

• Analyses: wie zijn jouw kennisbronnen zoals je coach, zorgverlener of AI-assistent die kunnen helpen patronen te duiden?

• Synthese: wat is je navigatiecomputer en andere hulpmiddelen die je route-opties laten zien: wat werkt, wat niet?

Door deze elementen te combineren ontstaat een basis om besluiten te nemen; de overgang van data naar inzicht. Dat is het moment waarop je niet alleen meet, maar begrijpt.

5. Het stuurmoment – van inzicht naar actie

Als de synthese klopt, kun je beslissen: welke stuurbeweging maak ik?

Misschien is het iets simpels: elke ochtend een korte wandeling.

Of strategischer: het aantal trainingsmomenten verhogen en tegelijk slaap verbeteren.

Het dashboard laat de feedback zien en is daarmee het instrumentatie van je leerproces.

Zonder actie is data slechts decoratie.

6. De rol van het ontwerp – de volgende stap

Na het inventariseren van je bouwstenen (les 2), het aansluiten van de bedrading (les 3), en het leren rijden (les 4), komt nu de volgende fase: het ontwerp van je voertuig.

Hoe richt je het dashboard zó in dat het je helpt koers te houden?

Welke indicatoren horen prominent in beeld, en welke kunnen in de achtergrond verdwijnen?

En hoe maak je het visueel zó, dat het motiveert in plaats van overprikkelt?

Dat is het onderwerp van les 5: van cockpit naar ontwerp, hoe ziet een goed dashboard eruit?