Amsterdam Institute for
Addiction Research
Bruggen bouwen tussen wetenschap en praktijk

Digging For Goals Using Datascience

Achtergrond van het onderzoek

​​​​​​​E-health programma’s zoals de Jellinek Zelfhulp bieden een toegankelijke manier van hulp voor (overmatig) alcohol- of middelengebruik. Tegelijkertijd is er weinig bekend over wat deze e-health programma’s effectief maakt. Binnen deze programma’s zijn veel gegevens beschikbaar, zoals hoe vaak iemand inlogt en wanneer iemand welke oefeningen doet. Daardoor zijn deze programma’s uitermate geschikt voor innovatieve data-analyse methoden uit de data-wetenschappen (data science).

​​​​​​​Doel van het onderzoek

In dit project zullen met behulp van datascience technieken zoals machine learning en groeicurve-modellen patronen ontdekt gaan worden in de data die op individueel niveau voorspellend kunnen zijn voor a) het gebruik van e-health programma’s, en b) de resultaten van e-health programma’s. Vervolgens zal na aanpassing van de programma’s op basis van de bevindingen onderzocht worden of de aanpassingen het gebruik van de e-health programma’s verbeteren.

Drs. Max van Beek

Junior Onderzoeker, Psycholoog

Tamara de Bruijn

Preventiemedewerker, Scientist Practicioner

Dr. Marloes Derksen

Senior Onderzoeker

Dr. Matthijs Blankers

Senior Onderzoeker

Prof. Dr. Anneke Goudriaan

Hoogleraar

Publicaties

Predicting Success of a Digital Self-Help Intervention for Alcohol and Substance Use With Machine Learning

Ramos, L.A., Blankers, M., van Wingen, G., De Bruijn, T., Pauws, S.C. & Goudriaan, A.E.
Verschenen in Frontiers in Psychiatry, 12, 1-11 (2021)

Bestanden en links

Impact newsletter (2021)

Media

ISO 9001 HKZ

Disclaimer | Privacyverklaring | Cookiebeleid | © 2024 AIAR - Alle rechten voorbehouden | Realisatie: Lemon

Jellinek Arkin