Wetenschap in de uitverkoop?!

Nog steeds op vakantie, ondertussen op een camping in het Champagne district, besef ik dat ik me vorige week met de blog "de leefstijl-maffia" wellicht wat buiten mijn vakgebied - brein en technologie - heb begeven. Graag wil ik deze week de link verduidelijken. Eerst even terug naar mijn vakgebied. Waar het mij om gaat is dat moderne data-analyse dankzij a) enorme computercapaciteit, b) heel veel beschikbare data en c) slimme algoritmes de mogelijkheid biedt om gepersonifieerd naar mensen te kijken. Naar sub-patronen binnen populaties. Zo heb ik voor een hoger onderwijs organisatie naar patronen gezocht in de beschikbare data, waaronder cijfers, aantal kansen per toets, aantal gehaalde punten per periode, wel of niet informatie zoeken op de Blackboard systemen, etc.

Er bleken eilandjes van studenten (subpatroon) in de data te bestaan. Bijvoorbeeld een groep studenten (eiland) die alles in één kans haalden, maar met als gemiddelde van al hun cijfers een 6,4. Een ander "eiland" wordt bevolkt door studenten die bijna 2 keer zo lang over de studie doet, gemiddeld een substantieel deel van de toetsen herkanst, maar wel met gemiddeld een kleine 8. Als je alleen naar het cijfer kijkt dus prima studenten, maar met de inefficiëntie en traagheid erbij wellicht toch veel minder aanbevelingswaardig. Hoewel, wel doorzetters. Dit laat zien dat door alleen naar het cijfer te kijken - uni-lineair - je de toppers die goed en snel presteren niet in beeld krijgt. Maar door eendimensionaal te kijken, ligt een master of PhD voor de zeer efficiënte studenten buiten bereik, en dat is een enorme verkwisting van potentieel talent (en tevens een overwaardering van de middelmatigheid).

Hoe ik tot de eilandjes kom is de techniek van het algoritme. Ik zal er kort op ingaan, maar voor wie alleen het betoog wil volgen, kan ook verder gaan bij de volgende alinea. Zo bleken er studenten te zijn die alle toetsen in een keer haalden (de factor kans - het gemiddeld aantal keren benodigd om een toets te behalen - staat op 1, maar met een relatief lager cijfer (6,4). Andere studenten herkansten een substantieel aantal vakken (factor kans ligt beduidend hoger, bv op 1,4) en hadden uiteindelijk een gemiddelde dat significant hoger was 7,3). Ook met betrekking tot het studietempo zaten er verschillen: sommige studenten haalden slechts 40 van de 60 studiepunten (factor realisatie 0,66) terwijl een ander “eiland” studenten bevatte die zelfs meer vakken haalden dan de norm, ze pakten er even bij andere opleidingen punten bij (68 punten in plaats van 60, factor 1,13).

“Eilanden” kunnen ook voor specifieke mensen/patronen binnen het leefstijldomein staan. Door slimme analyse in te zetten in het leefstijldomein, zo veronderstel ik, zal blijken dat bijvoorbeeld sommige "eilandjes" van mensen baat hebben bij een koolhydraatarm dieet, maar sommige mensen wellicht geheel niet. Laten we het omdraaien. Er zijn ongetwijfeld mensen die baat hebben bij cafeïne. Of anderen bij vet eten. Of alcohol. En dan bedoel ik echt baat, dus die er grotere moeilijkheden mee afwenden. Zo is het ook met BMI: er zijn ongetwijfeld "eilandjes" van constituties die een ander - hoger, lager - BMI als ideaal (attractor) hebben. Door iedereen met slechts een schaal te meten, richten we wellicht ook schade aan. Mensen die buiten de norm vallen, maar wellicht volkomen gezond zijn, worden gestigmatiseerd, bv als anorectisch of dik. Ze ontmoeten steevast vooroordeel: "Die mag wel eens gaan eten, of meer gaan bewegen". En nog "wetenschappelijk" onderbouwd ook!

Nu zult u zeggen dat richtlijnen gebaseerd zijn op evidence-based-practice . Maar iets is prima evidence based indien 70% van de mensen er baat bij hebben, en er 10 tot 15% niet (duidelijk) slechter van wordt. Blijft er nog 15 a 20% over. Zij worden er wel slechter van! Uni-lineair denken, niet meer nodig met onze huidige datatechniek. Stel je voor. De meeste mensen in Nederland wonen in de randstad. Een evidence based richtlijn (algoritme) om in Overijssel te komen is snel gemaakt. Maar mensen die dit toepassen vanuit Groningen of Limburg, komen hiermee bedrogen uit. Gelukkig werkt TomTom niet evidence based, maar via actueel gsm signaal map/theory based. De zorg kan hier veel van leren. Toen ik nog in de ouderenzorg werkte, kwam ik regelmatig 80 plussers tegen die goed in hun vel zaten, letterlijk en figuurlijk, maar volgens de huidige norm waarschijnlijk omschreven worden zouden worden met de term obesitas. Kunnen we niet, net als TomTom, per persoon kijken wat de individuele route is tot Healthy Ageing?

Soms lijkt het er wel op of de medische/gezondheids wetenschap zich op dit vlak in de uitverkoop heeft gedaan. Overal liggen normen, soms zichtbaar inconsistent/incongruent. Nergens lijkt er oog te zijn voor wat ik "eilandjes" heb genoemd. Als data-analist vind ik dat op zijn minst merkwaardig. Ik vraag me af, komt dit uni-lineaire denken de leefstijl-industrie commercieel gezien toch niet erg goed uit?