Tijd voor een datanerd draadje. Ik krijg regelmatig de vraag: Waarom zijn er zoveel verschillen te vinden in de cijfers rondom ziekenhuisopnames? En welke cijfers moet ik nou volgen/geloven?

Spoiler: het is complex en 'it depends'👇
Er zijn twee grote verschillen:

1) De drie 'platforms' gebruiken verschillende methoden om de data rondom opnames te verzamelen: de context is anders.

2) Het doel van de dataverzameling verschilt. Ander doel ('onderzoeksvraag'), andere data.

Eerst een voorbeeld, dan uitleg.
Tussen 1 september 08:46 en 8 september 10:00 zijn er bij het RIVM 43 ziekenhuisopnames gemeld.

In diezelfde periode zijn er bij NICE dus 89 bewezen COVID-19 opnames gemeld.

LCPS meldt alleen patiënten met covid-19 die nu aanwezig zijn. 93 op 1 sepember, 116 op 8 september.
"De GGD’s moeten alle besmette patiënten nabellen om te horen hoe het ze vergaat" (Volkskrant) --> dit levert serieuze vertraging op. Het RIVM krijgt de data aangeleverd van de GGD'en en is dus compleet afhankelijk van de (overwerkte) GGD'en.

volkskrant.nl/nieuws-achterg…
NICE gebruikt data die door (IC-)artsen zelf wordt geregistreerd. Die hebben het druk, waardoor de registratie soms een paar dagen achterloopt. NICE registreert ook verdachte gevallen (die bij een negatieve test verwijderd worden). NICE meldt overigens verpleegafdeling en IC.
LCPS is opgericht tijdens de piek om de coördinatie tussen ziekenhuizen te organiseren. Zij gebruiken data van NICE, Regionaal Overleg Acute Zorg (ROAZ), en het Landelijk Platform Zorgcoördinatie (LPZ), wat speciaal voor de coronacrisis is gebouwd. LCPS meldt verpleeg en IC.
De 11 ROAZ's leveren elke ochtend gegevens aan het LCPS. Dit doen ze door alle ziekenhuizen in hun regio te bellen. Het LPZ is software die real-time informatie uit de elektronische patiëntendossiers haalt. Het systeem is accuraat, niet perfect, dus blijven ze NICE + ROAZ bellen.
Dit zijn de drie methodes van dataverzameling ('de context'). Echter, de reden waarom ze deze data verzamelen ('het doel') verschilt ook van elkaar en dat levert cijfers op die niet overeenkomen. Dat is niet erg, zolang je maar weet wat de cijfers precies zeggen.
Het RIVM rapporteert sinds 8 mei cijfers waarbij covid-19 de oorzaak is van de opname. Oftewel, als je tegen een boom rijdt en je wordt pas in het ziekenhuis positief getest, kom je niet in de statistieken terecht.

Reden: opnames blijven dan een goede indicator voor de epidemie.
LCPS meldt hoeveel besmettelijke (!) mensen er nu aanwezig zijn. Dit doen ze omdat LCPS patiënten moet coördineren: ze zijn geinteresseerd in het aantal benodigde covid-bedden, verder niets. Geen corona meer, nog wel in het ziekenhuis? Dan wordt je ook verwijderd uit de cijfers.
NICE meldt iedereen met een covid-19 besmetting (ongeacht reden opname, i.t.t. RIVM) omdat ze geinteresseerd zijn in het volledige ziekteverloop (handig voor verbeteren behandeling). Geen corona meer, nog wel in het ziekenhuis? Dan blijf je bij NICE dus wel in de cijfers staan.
Theoretisch voorbeeld: Stel dat er op een dag 100 nieuwe covid-opnames zijn en 100 opgenomen patiënten worden ontslagen. LCPS meldt dan geen verschil met de dag ervoor. NICE meldt er drie dagen lang zo'n 33/dag. RIVM meldt gedurende een week of 1,5 dat er 10/dag bijgekomen zijn.
Praktisch voorbeeld: LCPS meldt vandaag een toename van 18 op het aantal aanwezige patiënten op de verpleegafdeling. Bij NICE kon ik 32 opnames (bewezen covid-19) detecteren tussen gisteren 14:15 en vandaag 14:15. Het RIVM meldt er 8 (+1 datum correctie).
Welk cijfer is dus het beste om te volgen? RIVM cijfers bevatten zoveel vertraging dat ze niet zo nuttig zijn om te weten hoe we er vandaag voor staan. LCPS is zeer actueel maar meldt niet het aantal opnames per dag. NICE meldt het meeste gegevens en is redelijk actueel.
LCPS en NICE splitsen cijfers voor de verpleegafdeling en de IC. LCPS geeft een goed beeld van de zorgdruk op dit moment door covid (bedden, isolatie etc). NICE geeft een goed beeld van de zorgdruk door covid op de iets langere termijn. RIVM geeft een goed beeld van het verleden.
Ik kijk zelf het liefst naar de NICE data. Maar: het zijn veel gegevens, als je de gegevens goed wilt gebruiken heb je programmeerskills nodig (en dan ben je dus afhankelijk van idioten zoals @edwinveldhuizen of ik), en het vereist enige interpretatie.
Lessons learned: Cijfers worden altijd verzameld in een bepaalde context met een bepaald doel. Cijfers lezen vereist dus kennis van de context en het doel. Tip: informeer jezelf dus over die twee zaken en anders moet je maar vertrouwen op nerds zoals @edwinveldhuizen en ik :)
Eindnoot: het dashboard gebruikt dus de opname cijfers van het RIVM. Dat betekent, in theorie, dus ook dat wanneer de signaalwaarde overschreden wordt met NICE data, terwijl je dit bijvoorbeeld pas 5 dagen later op het dashboard ziet. Handig.

Zie hier: github.com/minvws/nl-covi…
Eindnoot 2: er wordt ontzettend hard gewerkt bij de GGD'en/RIVM/NICE/LCPS. Duiding van het nut van bepaalde cijfers moet je los zien van het fantastische werk wat wordt geleverd. Het nut is puur een gevolg van context en doel + crisisorganisaties die compleet overwerkt zijn.
Eindnoot 3 (die volgt op eindnoot 1): voor de IC opnames wordt wel de NICE data gebruikt door het dashboard (alleen bewezen gevallen).

De verpleeghuisdata wordt dagelijks met een email (!) verstuurd door het RIVM. De postduif van dienst is helaas met pensioen.
Note to self: lesstof van de basisschool over d's en t's dit weekend nog eens bestuderen.
@jeroenvanleuken @egerrit Zouden jullie willen overwegen om hier ook te switchen naar NICE data? Aangezien opnames een belangrijke indicator zijn voor het kabinet, is het wel zo handig om de meest up-to-date informatie te gebruiken.

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Marino van Zelst 🌱

Marino van Zelst 🌱 Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @mzelst

16 Sep
Bonten in de VK vanochtend: "Plat gezegd: als het virus rondgaat onder 20-jarigen, is er eigenlijk niet veel aan de hand.”

Bijzondere uitspraak, want in andere landen zagen we al dat het uiteindelijk toch wel overloopt naar de ouderen. Is Nederland uniek?

Nee.
Heatmap: het aantal positieve tests per leeftijdsgroep, gecorrigeerd voor de omvang van die groep.

Wat zien we? Het aantal positieve tests loopt eerst op onder jongeren (het 'gaat rond onder 20-jarigen') maar de laatste weken gaat het ineens hard bij ouderen.
Is dit verrassend? Niet echt. De Financial Times publiceerde pas al een zelfde soort heatmap voor Spanje, waarin we exact hetzelfde effect zien: het gaat eerst hard in de groep jongeren, waarna het ineens toeneemt onder ouderen.
Read 12 tweets
14 Sep
De GGD heeft vandaag het aantal testen bekend gemaakt wat zij afgelopen week draaiden. Het aantal positieve tests ging met 60% omhoog maar het totale aantal tests is met 10% gestegen. Klein overzichtje 👇
Het aantal gemelde testen tot nu toe, volgens de GGD, was afgelopen week 195545. Het aantal positieve tests is omhoog gegaan van 4647 naar 7312. Verloop per week:

33: 3.5%
34: 2.5%
35: 2.2%
36: 2.6%
37: 3.7%

De GGD draait niet alle tests dus dit zal iets lager uitvallen morgen.
Ten aanzien van verspreiding: In week 37 zijn er in 89% (!) van de gemeentes besmettingen vastgesteld. Percentage positieve tests gaat dus omhoog en geografische verspreiding stijgt een klein beetje door.

Read 5 tweets
12 Sep
Hier laat @bslagter zien dat ten onrechte een positieve testuitslag niet een echt probleem is.

Maar er is een keerzijde aan deze medaille: je kunt ook ten onrechte een negatieve testuitslag krijgen. En wat is het nut van sneltests?👇
Vals-positieven en vals-negatieven zijn twee zijdes van dezelfde medaille. Er is geen perfecte correlatie tussen deze twee, maar als je minder vals-positieven wilt, accepteer je ook dat er meer vals-negatieven zijn (en andersom).
Waar hebben we het hier nu precies over? Een vals-positieve uitslag betekent dat je ten onrechte concludeert dat iemand 'iets' heeft (een 'type-1' error). Een vals-negatieve uitslag betekent dat je ten onrechte concludeert dat iemand iets niet heeft (een 'type-2' error).
Read 24 tweets
9 Sep
"Geen klachten, tóch testen: een grote groep ‘prettesters’ veroorzaakt tekorten bij de GGD": trouw.nl/binnenland/gee…

Dit artikel is zo bizar dat het een closeread vereist 👇
Samenvatting a la Rundfunk: Lieve mensen, ik heb geweldig nieuws, jullie kunnen je allemaal laten testen. Behalve jij. Nee hoor, jij ook. Of nee toch niet. Jawel. Jij moet je laten testen en de rest niet. Nee, jij ook niet. Niemand moet zich laten testen.
Trouw start goed: "Maandag bleek uit een gedragsmonitor van het RIVM dat slechts 32% van de mensen met klachten de teststraat op zoekt. [..] Stel dat die 68% zich wel bij de testlocaties zou melden, ontstaan er dan geen enorme tekorten in de laboratoria?"

Dit is retorisch, toch?
Read 13 tweets
4 Sep
Een aantal weken geleden schreef ik een draad over de oversterfte door corona.

In deze draad kijken we naar het aantal sterfgevallen door corona (update!), de algemene oversterfte (en is er verschil met 2018) en hoe zit het nou precies met die hittegolf? 👇
2/ De oversterfte door corona kun je bepalen aan de hand van een dynamisch linear model (DLM). In dit draadje beschreef ik uitgebreid hoe dat werkt:

Nu het aantal sterfgevallen t/m week 34 is geregistreerd kunnen we dit model opnieuw draaien.
3/ Uitkomsten: de oversterfte door corona van week 11 t/m 34 wordt geschat op 11187 met een ondergrens van 9654 en een bovengrens van 12630. Naast elke 10 geregistreerde corona-sterfgevallen zijn er dus tussen de 5 en 10 mensen overleden aan corona die niet geregistreerd werden.
Read 23 tweets
25 Aug
De toppers bij @sanquin hebben een nieuwe seroprevalentie studie gedaan en gekeken in hoeverre mensen doorhebben dat ze corona hebben gehad. Conclusie: De helft had Jon Snow kunnen spelen. Een draadje 👇
Sanquin heeft antilichamen tests gedaan op plasma wat gedoneerd is tussen 11 en 18 mei.

Bij 7150 donoren is deze test uitgevoerd waarvan 5.9% antilichamen had. Keep in mind: Sanquin test in een specifieke groep (mensen die vrijwillig plasma doneren).
Ze hebben alle donors ook een vragenlijst gestuurd waarin ze deelnemers gevraagd hebben om aan te geven welke klachten ze hadden, of ze zelf het vermoeden hadden dat ze corona hebben gehad. Uiteindelijk zijn er 3676 mensen waarvan seroprevalentie en vragenlijst data is.
Read 12 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!