Onze projecten

• Innovatieve methoden voor diversiteit in volksgezondheidsprogramma’s en onderzoek (INDIGO)
• Geautomatiseerde surveillance van ziekenhuisinfecties (HAI NL)
• Vaccinatie van kinderen tegen respiratoire virussen, wat is de beste aanpak (ChildVacc)
• Innovatie van rioolwatersurveillance (SEWER)
• Afweer in de luchtwegen tegen besmettelijke ziektes van jonge kinderen (Toolbox Respiratoir)
• Innovatie in toekomstverkenningen (INFORM)
• Voorspellen van antibiotica resistentie (UNRAVEL)
• Combineren van data t.b.v. geïntegreerd gezondheidsonderzoek (Giant)
• Statistische methoden om informatie bias te corrigeren in de epidemiologie (DEMISTIFY)
• Inzet van textmining om onderzoek, beleid en communicatie te verbeteren (EFFICIENT)

Naam van het onderzoek: INnovatieve methoden voor DIversiteit in volksGezondheidsprogramma’s en Onderzoek (INDIGO)

Wat?

Het doel van dit project is het ontwikkelen en evalueren van innovatieve methoden om mensen in een kwetsbare positie te bereiken en te betrekken in volksgezondheids¬programma’s en wetenschappelijk onderzoek. Het eindproduct is de INDIGO-strategie: een combinatie van sociale netwerk-interventies, interactieve audiovisuele technieken en communicatietechnologieën.

Waarom?

Verschillende groepen in onze samenleving worden onvoldoende betrokken bij volksgezondheidsprogramma’s. Daardoor zijn ze ook ondervertegenwoordigd in wetenschappelijk onderzoek. Dit draagt bij aan gezondheidsverschillen. Door de lagere deelname aan gezondheidsprogramma’s lopen deze groepen minder gezondheidswinst op. Ook weten we niet goed of onderzoeksresultaten ook op hen van toepassing zijn.

Bij beleidsmakers, uitvoerders en onderzoekers is nog maar weinig bekend over hoe geschikte kanalen kunnen worden ingezet, hoe vertrouwen kan worden opgebouwd, en hoe timing en relevantie van volksgezondheidprogramma’s en wetenschappelijk onderzoek kunnen worden verbeterd.

Hoe?

Veelbelovende methoden worden geselecteerd uit (wetenschappelijke) literatuur. In co-creatie met burgers, onderzoekers en andere stakeholders worden deze doorontwikkeld en geïntegreerd. Hierbij gebruiken we de bevolkingsonderzoeken naar kanker als casus. In kleinschalige haalbaarheidsstudies wordt getest hoe de INDIGO-strategie in de praktijk kan worden geïmplementeerd in de bevolkingsonderzoeken en in wetenschappelijk onderzoek hiernaar.

Samenwerking

• Amsterdam UMC (Universitair Medisch Centrum), Public and Occupational health
• Maastricht University, Gezondheidsbevordering
• Dit team wordt aangevuld met afgevaardigden van stakeholders

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Harmonized Automated Surveillance of Hospital Infections on a National Level (HAI NL)

Wat?

We onderzoeken de bruikbaarheid en voorwaarden voor een federatief systeem om de landelijke surveillance van ziekenhuisinfecties (bijvoorbeeld wondinfecties na een operatie) te automatiseren. Hiermee kan het RIVM een systeem ontwikkelen waarmee ziekenhuizen data uit het elektronisch patiëntendossier kunnen gebruiken voor surveillance, zonder dat ze deze data hoeven te delen met het RIVM.

Waarom?

Surveillance van infecties is belangrijk om preventieve maatregelen te kunnen nemen. De huidige handmatige surveillance is niet houdbaar. Een federatief systeem zou het makkelijker kunnen maken om geautomatiseerde surveillance van verschillende types infecties te implementeren zonder dat persoonsgegevens gedeeld worden. Zo kunnen ziekenhuizen zich makkelijker voorbereiden op een toekomst met mogelijk nieuwe infecties of ingewikkeldere analysetechnieken.

Hoe?

Door interviews en discussiegroepen met experts en stakeholders brengen we de voorwaarden voor federatieve geautomatiseerde surveillance in kaart. We evalueren met ziekenhuizen of we gegevens kunnen ontvangen en of de resultaten nauwkeurig zijn. Ook vergelijken we huidige met nieuwe methoden voor epidemiologische analyses om de bruikbaarheid te evalueren.

Samenwerking

Een wetenschappelijk adviesorgaan met internationale experts van gerenommeerde wetenschappelijke instellingen.

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Vaccinatie van kinderen tegen respiratoire virussen, wat is de beste aanpak? (ChildVacc)

Wat?

Vaccinatie van gezonde kinderen tegen het influenza- en coronavirus wordt in Nederland in principe nog niet toegepast. Maar het zou de ziektelast en ziekenhuisopnames van kinderen kunnen verlagen. Hoewel vaccinatie op de korte termijn effectief is, toonden dierstudies aan dat het de bescherming tegen potentiële pandemische virussen op latere leeftijd kan verminderen. Er zijn andere types vaccins in ontwikkeling die dit mogelijke probleem kunnen omzeilen. In dit project onderzoeken we of deze vaccins een goed alternatief zijn, en hoe het immuunsysteem erop reageert.

Waarom?

Deze kennis is noodzakelijk om de beste aanpak voor vaccinatie van kinderen tegen het influenza- en coronavirus te kunnen bepalen.

Hoe?

De onderzoeksvragen kunnen niet worden onderzocht bij mensen. Daarom bootsen we korte- en lange termijn scenario's na in muismodellen. We maken gebruik van de huidige geregistreerde vaccins en alternatieve, universele mRNA-vaccins. We implementeren nieuwe technologieën voor een uitgebreide analyse van de aangeboren en adaptieve immuunrespons, en om de werkzaamheid van vaccins tegen huidige circulerende en potentieel pandemische virussen te beoordelen. De resultaten koppelen we aan de uitkomsten van een coronavaccinatie-onderzoek bij mensen. Naast wetenschappelijke onderzoekpublicaties stellen we een review samen waarin we het huidige lange termijn inzicht in kindervaccinatie tegen respiratoire virussen samenvatten.

Samenwerking

• University of Pennsylvania
• Universiteit Utrecht
• Vaccine Formulation Institute

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: SEquencing Wastewater for Epidemiological Research (SEWER)

Wat?

Naast SARS (severe acute respiratory syndrome)-CoV-2 zijn ook andere respiratoire pathogenen, waaronder het influenzavirus en RS-virus (Respiratoir Syncytieel-virus), verantwoordelijk voor seizoenstoenamen van infecties.Het mogelijke gevolg daarvan is een toename van druk op de Nederlandse gezondheidszorg. Een op rioolwater gebaseerd surveillanceprogramma waarin deze ziekteverwekkers zijn opgenomen kan nuttige informatie opleveren ter aanvulling van het surveillancelandschap en heeft een focus op ‘pandemic preparedness’.

Waarom?

Dit SPR (Strategisch Programma RIVM)-project onderzoekt hoe de huidige rioolwatersurveillance kan worden uitgebreid om bij te dragen aan het oplossen van relevante vraagstukken met betrekking tot volksgezondheidsbescherming.

Hoe?

Kunnen innovatieve moleculaire en sequencing-based analysetechnieken worden toegepast? Welke inzichten verschaffen deze? Kan de data-analyse en modellering worden ontwikkeld op basis van de gegevens uit dit project en uit andere databronnen, om op maat gemaakte gegevens te verschaffen voor de eindgebruikers en uiteindelijk voor beleidsmakers?

Samenwerking

• GGD (Gemeentelijke Gezondheidsdienst) Amsterdam
• NIVEL (Nederlands Instituut voor Onderzoek van de Gezondheidszorg)

Heb je vragen over dit SPR-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Toolbox Respiratoir

Wat?

We willen weten met welke bacteriën en virussen jonge kinderen in aanraking komen en hoe hun afweersysteem daarop reageert. Daarom gaan we methoden ontwikkelen om dit te onderzoeken. Methoden waarbij we met maar één monster uit de neus de bacteriën en virussen én de afweerreactie kunnen meten. 

Waarom?

Het immuunsysteem van jonge kinderen is nog volop in ontwikkeling. Maar ondertussen komen zij al wel in aanraking met virussen en bacteriën waarvan sommige ziektes veroorzaken. Met dit onderzoek leren we meer over de ontwikkeling van het afweersysteem en de risico’s op ziektes in jonge kinderen.

Hoe?

We gaan onderzoeken hoe we met een stripje in de neus op een vriendelijke manier monsters kunnen verzamelen om virussen en bacteriën, de afweerreactie én de ontwikkeling van beschermende antistoffen te meten. Hierbij kijken we extra goed naar het griepvirus (influenzavirus) en het rs-virus (respiratoir syncytieel virus). Die virussen veroorzaken namelijk veel ziekte.

Samenwerking

• Binnen RIVM:
  • Centrum Immunologie van Infectieziekten en Vaccins (IIV): Gerco den Hartog (projectleider), Jorgen de Jonge, Puck van Kasteren
  • Centrum Infectieziekteonderzoek, Diagnostiek en laboratorium Surveillance (IDS): Rob Mariman, Dirk Eggink
• Buiten RIVM:
  • Radboudumc (Radboud University Medical Centre): Lilly Verhagen, Marien de Jonge, Dimitri Diavatopoulos
  • UMC (Universitair Medisch Centrum) Utrecht: Patricia Bruijning
  • Universiteit Bern: Ronald Dijkman

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: INnovation in FOresight Methods (INFORM)

Wat?

Het hoofddoel van INFORM is het identificeren, toepassen en evalueren van innovatieve methoden om de toekomst van de volksgezondheid te verkennen. Het gaat om methoden die het RIVM nog niet toepast. Zo bouwen we toekomstbestendige en wetenschappelijke up-to-date methoden en processen op. Ook borgen we het geleerde voor toekomstige Volksgezondheid Toekomst Verkenningen (VTV).

Waarom?

Met de VTV (Volksgezondheid Toekomst Verkenning) verkent het RIVM elke 4 jaar de toekomst van de volksgezondheid en zorg. De toekomst van volksgezondheid en zorg kent een aantal 'wicked problems'. 1 daarvan is de relatie tussen volksgezondheid en zorg, waarin veel onderlinge afhankelijkheden samenkomen. Methoden voor toekomstverkenning die nu binnen het RIVM worden gebruikt, zijn nog niet voldoende ontwikkeld om zulke complexe vraagstukken te ontrafelen.

Hoe?

We starten met een inventarisatie van kwalitatieve, kwantitatieve en mixed methoden die we kunnen toevoegen aan de methode toolbox van de VTV. Op basis van een selectie daarvan passen we deze methoden toe in 2 werkpakketten. Daarbij is de kans groot dat we ons gaan bekwamen in horizonscanning met AI of machine-learning. We brengen met een complexe systeemanalyse-methode de afhankelijkheden binnen de nexus in kaart., En we passen in samenwerking met burgers narrative foresight-methoden toe, bijvoorbeeld storytelling. Zo maken we de geschetste scenario’s herkenbaar en wekken we ze tot leven. In het laatste werkpakket evalueren en borgen we het geleerde om het goed te laten landen in toekomstige VTV’s en het brede expertisegebied van toekomstverkenning.

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Toegepaste genotypische, fenotypische en epi-genetische data-analyse van bijzonder resistente micro-organismen om nieuwe resistentiemechanismen te ontdekken (UNRAVEL)

Wat?

Het RIVM volgt bijzonder resistente micro-organismen (BRMO) nauwlettend via de surveillance voor antimicrobiële resistentie (AMR). Hierbij worden mechanismen die resistentie veroorzaken geïdentificeerd en in kaart gebracht. Recente ontwikkelingen in het sequencen van het DNA (deoxyribonucleic acid) van resistente bacteriën maken het nu mogelijk AMR (Antimicrobial Resistance) verder te onderzoeken.

Waarom?

De opkomst van resistentie tegen laatste-lijn-antibiotica voor behandeling van BRMO (bijzonder resistente micro-organismen), is een zorgwekkende ontwikkeling. Recent fenotypisch onderzoek toont aan dat patiënten met een genetisch vergelijkbare BRMO-infectie significante verschillen in resistentie ervaren. Naast de aanwezigheid van AMR-genen zijn de mate van genexpressie en epigenetische regulatie van AMR-genen hierbij mogelijk relevant.

Hoe?

Door de laatste ontwikkelingen in artificiële intelligentie-modellenen Nanopore sequencen kan de methylatie van DNA betrouwbaar in kaart worden gebracht. Deze nieuwe data worden gecombineerd met genotypische informatie, bijvoorbeeld het voorkomen van een promotor-sequentie en fenotypische testen om het verschil in resistentie te verklaren. Hierbij willen wij machine learning inzetten om relevante correlaties te bepalen.

Samenwerking

• Erasmus MC (Erasmus University Medical Center) Rotterdam
• Universitair Medisch Centrum Groningen (UMCG)

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Giant

Doel van  het project

Het RIVM werkt aan een gezonde bevolking en een gezonde leefomgeving. Om goed zicht te houden op de gezondheid van mensen in Nederland doen we verschillende populatiestudies. Dit project onderzoekt hoe we de gegevens uit deze studies beter kunnen samenbrengen en aanvullen met informatie over de leefomgeving van mensen. Zo krijgen we een completer beeld van factoren die de gezondheid beïnvloeden.

Aanpak

In de eerste fase bekijken we welke gegevens we kunnen verzamelen uit monsters, zoals bloed of speeksel. Daarbij richten we ons op het analyseren van signalen en stoffen in het lichaam die iets zeggen over de gezondheid. Deze gegevens koppelen we aan informatie over blootstelling aan bijvoorbeeld milieustoffen.

In het vervolg van het project onderzoeken we hoe populatiestudies kunnen helpen om de effecten van milieustoffen op de gezondheid beter te begrijpen, en hoe we deze studies zelf verder kunnen verbeteren. Waar mogelijk passen we nieuwe inzichten direct toe in een grote nieuwe populatiestudie. Aan het einde brengen we alles samen in een rapport waarin we beschrijven hoe dit type onderzoek binnen het RIVM het beste uitgevoerd kan worden.

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: DEbugging MIclassification: STatistical methods for correction of InFormation bias in epidemiologY (DEMISTIFY)

Wat?

We onderzoeken de validiteit en toepasbaarheid van verschillende statistische methoden om informatiebias te corrigeren. Het doel is de opgedane kennis toepassen in toekomstige onderzoeksprojecten en surveillanceprogramma’s binnen het RIVM. Dit houdt in dat misclassificatieproblemen worden herkend en dat de vertekening van de resultaten wordt gecorrigeerd door middel van geschikte statistische methoden.

Waarom?

Misclassificatie van blootstelling of uitkomststatus komt veel voor bij surveillance en epidemiologische studies en leidt tot informatiebias. Dit compliceert de interpretatie van resultaten en kan leiden tot verkeerde conclusies. Er bestaan statistische methoden die informatiebias reduceren, maar deze zijn slecht geïmplementeerd door onder meer onbekendheid en onervarenheid.

Hoe?

We selecteren 3 tot 5 representatieve cases binnen het RIVM waar informatiebias door misclassificatie een rol speelt. Per casus bepalen we welke statistische methoden geschikt zijn. We valideren de methoden door middel van simulatiestudies en door de methoden toe te passen op de surveillance- of studiedata. We vertalen de bevindingen in een richtlijndocument.

Samenwerking

• LUMC (Leids Universitair Medisch Centrum)

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.

Naam van het onderzoek: Efficient

Waarom?

Het RIVM krijgt elke dag honderden vragen, opmerkingen en ideeën van burgers en van artsen en verpleegkundigen over verschillende onderwerpen. Deze informatie kunnen we gebruiken om ons onderzoek, ons beleidsadvies en onze communicatie beter af te stemmen op wat de maatschappij nodig heeft. Textmining kan een goede aanvulling zijn op traditionele manieren om aan informatie te komen, zoals interviews en vragenlijsten.

Hoe?

Voor vier onderwerpen (stikstof, gedragsinterventies tijdens COVID-19, baarmoederhalskankerscreening en HPV (humaan papillomavirus)-vaccinatie) gebruiken we nieuwe en bewezen textminingmethoden. Hierna toetsen we hoe nauwkeurig en haalbaar deze methoden zijn. De gegevens die met textmining verzameld zijn visualiseren we vervolgens op verschillende manieren en leggen we voor aan experts om te testen hoe relevant deze gegevens voor hun werk zijn. We maken ook een cursus over textmining om kennis en expertise te delen onder onderzoekers en om te zorgen dat deze kennis lang bewaard blijft.

Team

• Kernteam Efficient: Mart Stein (projectleider – LCI (Landelijke coördinatie infectieziektebestrijding)/CIb), Marion de Vries (LCI/CIb), postdoc textmining (LCI/CIb-VU), Jurriaan Biesheuvel (SIM/IV) en externe partner: Florian Kunneman (Faculty of Science, Artificial Intelligence of Vrije Universiteit voor hun expertise op het gebied van kunstmatige intelligentie (KI) en textmining, en de verbinding met andere vooraanstaande textminingexperts.
• Voor iedere casus betrekken we apart inhoudelijke experts van de LCI/CIb, EPI (Centrum Epidemiologie en Surveillance van infectieziekten)/CIb, G&M (Gezondheid en Maatschappij)/V&Z, VPZ (Voeding, Preventie en Zorg)/V&Z, Communicatie M&V, Communicatie CvB (Centrum voor Bevolkingsonderzoek) en Communicatie CIb (Centrum Infectieziektebestrijding (onderdeel van het RIVM)), DVP (Dienst Vaccinvoorziening en Preventieprogramma's).
• Vanwege het gebruik van verschillende complexe databronnen, betrekken we daarnaast ook technische adviseurs zoals RIVM-informatiemanagers, privacy coördinatoren en data scientists van de IV (Informatievoorziening)-organisatie.

Heb je vragen over dit SPR (Strategisch Programma RIVM)-project? Neem dan contact op via spr@rivm.nl.