Wetenschappelijk onderzoek is van wezenlijk belang voor het  RIVMRijksinstituut voor Volksgezondheid en Milieu in de bijdrage aan de volksgezondheid en een gezonde leefomgeving. Dit onderzoek genereert veel data die vervolgens moeten worden geanalyseerd. De kwaliteit van het onderzoek, en daarmee de bijdrage van het RIVM, hangt sterk samen met de kwaliteit van de data en de gegevensanalyses. Met het SPRStrategisch Programma RIVM -thema "Verzameling en analyse van data" wil het RIVM investeren in recent ontwikkelde methoden om het verzamelen en analyseren van grote hoeveelheden data te verbeteren en te vergemakkelijken.

Dataverzameling

Voor veel onderzoeksgebieden van het RIVMRijksinstituut voor Volksgezondheid en Milieu is het niet altijd mogelijk om experimentele of observationele data te verzamelen. Niet alleen ethische, juridische en financiële kwesties spelen daarbij een rol, maar de kwaliteit van de manier van dataverzameling wordt soms ook in twijfel gebracht. Zo is de huidige gouden standaard voor het verzamelen van gezondheidsgegevens gebaseerd op gedetailleerde enquêtes, maar deze zijn tijdrovend en kunnen in sommige gevallen een vertekend beeld geven. Recente meettechnieken, bijvoorbeeld sensoren, kunnen objectieve en gedetailleerde gegevens opleveren en ze kosten de deelnemers minder tijd. Daarnaast zijn er ook alternatieve databronnen beschikbaar gekomen, zoals supermarktgegevens om voedselconsumptiepatronen te bestuderen, en satelliet-gegevens om de blootstelling aan luchtverontreiniging te volgen.
Het RIVM wil zicht krijgen op welke technologieën bruikbaar zijn voor het RIVM om tot een betere gegevensverzameling te komen.

Data-analyse

Recente technologische ontwikkelingen, zoals sensoren, Next Generation Sequencing (NGSNext Generation Sequencing Next Generation Sequencing), en -omics-technieken, leveren steeds meer en complexere data op  big data. Om deze grote hoeveelheden data te kunnen analyseren zijn nieuwe methoden nodig. Te denken valt hierbij aan machine learningtechnieken, methoden voor statische voorspelling en NGS-algoritmen. Het RIVM wil onderzoeken welke technieken geschikt zijn voor het RIVM en zich hierin bekwamen.

Onderzoek

De volgende onderzoeken vallen onder "Verzamelingen analyse van data". Elk onderzoek valt ook onder een inhoudelijk thema, dat bij het onderzoek zelf wordt vermeld.

Wat

Het RIVMRijksinstituut voor Volksgezondheid en Milieu Rijksinstituut voor Volksgezondheid en Milieu  maakt per jaar gemiddeld twee tot vier apps voor mobiele telefoons. Om ervoor te zorgen dat nieuwe apps en de gegevens die ze nodig hebben van goede kwaliteit zijn, wil het RIVM een algemene aanpak met bijbehorend instrumentarium ontwikkelen: de App Fabriek.

Waarom

Deze aanpak kan de professionele uitstraling van RIVM-apps vergroten en daarmee en het vertrouwen in de apps zelf. Ook maakt dit project het besparen van ontwikkelings- en onderhoudskosten mogelijk.

Hoe

Het beoogde resultaat is een basisversie die uitgebreid kan worden met extra functionaliteiten. De ontwikkeling en het testen van de basisversie gaat in nauwe samenwerking met toekomstige gebruikers van de App Fabriek (medewerkers en samenwerkingspartners van het RIVM) en met toekomstige eindgebruikers van de te ontwikkelen apps (burgers, onderzoeksdeelnemers). 
Onderzoekers en beleidsmakers kunnen de basisversie gebruiken voor hun onderzoeksprojecten of tijdens incidenten.

Dit project valt ook onder het thema "Blootstelling en gezondheidseffecten".

Wat

Het RIVMRijksinstituut voor Volksgezondheid en Milieu Rijksinstituut voor Volksgezondheid en Milieu  Rijksinstituut voor Volksgezondheid en Milieu  onderzoekt hoe wordt gereageerd op incidenten in de leefomgeving die sterk in de belangstelling staan en waarbij ‘veiligheid en/of gezondheid’ ter discussie staan. Wanneer vinden het RIVM en partners dat er goed mee wordt omgegaan? En welke interventies, inclusief communicatiestrategiën, bestaan daarvoor? Met de resultaten kunnen overheden beter reageren. Zo kan de gezondheid van mensen beter worden beschermd en het vertrouwen in de overheid worden behouden.

Waarom

Veel gevaren in onze leefomgeving bedreigen potentieel de veiligheid, gezondheid en het welzijn van mensen. Aardbevingen in Groningen, uitstoot van industriële installaties, hittegolven, uitbraken van infectieziekten, enzovoort. Belanghebbenden verschillen echter van  meningen over welke problemen moeten worden aangepakt en welke potentiële gezondheids- en veiligheidsrisico’s er zijn. Hetzelfde geldt voor het gevoel van urgentie om te handelen en welke interventies geschikt zijn.

Hoe

Door terug te blikken op verschillende casussen waarbij het RIVM was betrokken, kunnen de volgende vragen worden beantwoord: bij welk ‘type’ situaties wordt het RIVM betrokken? Welke overtuigingen (zogeheten ‘policy belief systems’) hebben RIVM’ers en partners over ‘goed crisis- en incidentmanagement’? Een analyse van uitingen op social media draagt bij aan een ‘denkkader’/ toolbox die betrokkenen ondersteunt om optimaal te reageren bij gevaren in de leefomgeving.

Dit project valt ook onder het thema "Safety en security" en het ondersteunende thema "Perceptie en gedrag".

Wat

Het RIVMRijksinstituut voor Volksgezondheid en Milieu Rijksinstituut voor Volksgezondheid en Milieu  onderzoekt waarom mensen die in de buurt van intensieve veehouderij wonen vaker infecties aan de onderste luchtwegen hebben. Doordat zij aan meerdere stoffen en aan micro-organismen tegelijkertijd blootstaan, is het moeilijker om oorzaak en gevolg te bepalen. Het RIVM ontwikkelt daarom nieuwe methoden om de effecten op de gezondheid te bepalen wanneer mensen aan meerdere bronnen tegelijk blootstaan.

Waarom

In gebieden met intensieve veehouderij bevat de lucht verhoogde concentraties van fijnstof, van chemische stoffen zoals ammoniak en van besmettelijke micro-organismen. Mensen die in de omgeving van geitenhouderijen wonen blijken een grotere kans te hebben om  infectieziekten te krijgen. In het onderzoek ligt de nadruk op de luchtwegen, omdat mensen de ziekmakende stoffen inademen en de effecten vooral in de luchtwegen optreden. Intensieve veehouderij wordt hier gebruikt als voorbeeld om later de technieken en modellen ook op andere situaties toe te gaan passen.

Hoe

Het onderzoek maakt gebruik van bestaande luchtmeetnetten en onderzoekscohorten, zoals de Pienter-cohorten, en van laboratoriumonderzoek (in-vitromodellen). Ook zijn nieuwe methoden nodig om grote hoeveelheden complexe data te analyseren (in-silicomodellen). Deze zullen worden ontwikkeld met behulp van bioinformatica en machine learning, in samenwerking met het AMALGAM-project.

Dit project valt ook onder het thema "Blootstelling en gezondheidseffecten".

Wat

Het RIVMRijksinstituut voor Volksgezondheid en Milieu Rijksinstituut voor Volksgezondheid en Milieu  wil methoden ontwikkelen om met grote hoeveelheden data (bigWet op de beroepen in de individuele gezondheidszorg Wet op de beroepen in de individuele gezondheidszorg  data) om te gaan.  Het onderzoek spitst zich toe op het inzetten van machine learning en het analyseren van data die Next Generation Sequencing (NGSNext Generation Sequencing  Next Generation Sequencing  ) oplevert met het accent op data van het microbioom. Hiermee ondersteunt AMALGAM drie andere projecten van het SPRStrategisch Programma RIVM  Strategisch Programma RIVM  -thema "Blootstelling en gezondheid": COMPAIR, COMPLEXA, en TRIUMPH. AMALGAM is valt ook onder het SPR-thema "Verzamelen en analyseren van data"

Waarom

Door de digitalisering van de samenleving ontstaan veel grote datastromen en datasets met waardevolle informatie voor de taken van het RIVM. Ook binnen het RIVM neemt de hoeveelheid informatie toe door het gebruik van nieuwe technologieën, zoals NGS. Het RIVM wil dan ook meer kennis van en ervaring met de analyse van dergelijke data opdoen. 

Hoe

Om te beginnen wordt verkend welke statistische en machine learning-methoden beschikbaar zijn. Daarna wordt de methode geselecteerd die het meest geschikt lijkt en wordt deze getest met bij het RIVM beschikbare gegevens. Hiervoor worden gegevens gebruikt die ook in de projecten COMPAIR, COMPLEXA  en TRIUMPH worden geanalyseerd. De microbioomgegevens van deze projecten komen pas later beschikbaar. Ook zullen de gegevens van de VEGA-studie (microbioom van vegetariers en vleeseters) worden gebruikt.

Dit project valt ook onder het thema "Blootstelling en gezondheidseffecten".