De opleiding in datawetenschap in Afrika bevorderen via datathon‑gedreven innovaties

Waarom dit belangrijk is voor de gezondheid in Afrika

In heel Afrika verzamelen onderzoekers enorme hoeveelheden gezondheidsinformatie, van kliniekbezoeken tot muggenmetingen en satellietbeelden. Zonder mensen met de juiste training om deze data te interpreteren blijven veel levensreddende inzichten echter onbenut. Dit artikel beschrijft een nieuwe manier om snel jonge wetenschappers in West‑Afrika op te leiden met behulp van “datathons” – intensieve, teamgebaseerde evenementen waarin deelnemers echte malariagegevens analyseren en hun werk omzetten in publiceerbaar onderzoek. De aanpak laat zien hoe korte, gerichte programma’s lokale expertise kunnen versterken en kunnen helpen waarborgen dat Afrikaanse data worden gebruikt om Afrikaanse gezondheidsproblemen op te lossen.

Een nieuw soort leeractiviteit

De auteurs ontwierpen een tweefasig trainingsmodel binnen het Data Science for Health Discovery and Innovation in Africa‑initiatief. Eerst was er een hybride “foundation week”, toegankelijk voor ongeveer 50 deelnemers uit 14 landen, waarbij velen op afstand deelnamen. In deze fase leerden de trainees coderen, datamanagement en basisanalytische vaardigheden met gratis of algemeen beschikbare tools zoals R, Python en kaartsoftware. De nadruk lag op praktijkgerichte oefeningen in plaats van hoorcolleges, met opdrachten die deelnemers stap voor stap door echte analytische taken leidden. Deelnemers die het merendeel van de sessies voltooiden ontvingen een certificaat en kwamen in aanmerking voor de tweede, fysieke fase.

Statistiek omzetten in slim gereedschap

De meeste deelnemers kenden al traditionele statistiek, dus gebruikten de instructeurs die bekendheid als brug naar nieuwere methoden die vaak onder artificiële intelligentie en machine learning vallen. In plaats van deze technieken als mysterieuze “black boxes” te presenteren, toonde de training hoe ze voortbouwen op bekende ideeën. Zo vergeleek een casestudy gewone lineaire regressie – een standaard in de statistiek – met een machine‑learning‑achtige regressie die data splitst in trainings‑ en testsets en cross‑validatie gebruikt om prestaties te controleren. Een andere oefening zette handmatig traceren van objecten op satellietbeelden tegenover geautomatiseerde beeldklassificatiemethoden die daken veel sneller en nauwkeuriger kunnen herkennen. Deze demo’s naast elkaar hielpen deelnemers in te schatten wanneer klassieke technieken volstaan en wanneer machine learning echte meerwaarde biedt.

Binnenin de datathon

Na de foundation‑fase reisden 15 trainees naar Bamako, Mali, voor een vijfdaagse onsite datathon die plaatsvond in een gespecialiseerd bioinformatica‑centrum. Ze werkten met een uitgebreide malaria‑datawarehouse opgebouwd uit een langlopende studie in Mali, Senegal en Gambia waarin duizenden mensen, huishoudens, muggen en kliniekbezoeken over meerdere jaren waren gevolgd. Deelnemers werden verdeeld in vijf kleine teams met een mix van programmeer‑, epidemiologie‑ en klinische vaardigheden. Onder begeleiding van mentoren koos elk team een eigen onderzoeksvraag – bijvoorbeeld waarom sommige kinderen de malaria‑parasiet bij zich dragen zonder symptomen, of hoe malariarisico verschuift tussen seizoenen en locaties – en schonk, koppelde en analyseerde vervolgens de relevante datalagen.

Van intensieve week naar blijvende impact

Gedurende de week presenteerden teams dagelijks hun voortgang aan juryleden die projecten beoordeelden op wetenschappelijke kwaliteit en methodegebruik. Aan het einde gaven groepen slotpresentaties en schreven rapporten, en werden prijzen uitgereikt aan topprojecten. Cruciaal was dat de datathon niet eindigde toen het evenement voorbij was. Elk team kreeg een senior mentor toegewezen en nam deel aan een roulerend schema van online vergaderingen om het project binnen ongeveer een jaar om te zetten in een volledig wetenschappelijk artikel. Het programma belichtte ook praktische uitdagingen: het coördineren van internationaal reizen, omgaan met taalbarrières tussen Engels en Frans, en zorgen dat vrouwelijke wetenschappers gelijke kansen kregen om zich aan te melden, deel te nemen en teams te leiden. Ondanks deze obstakels rapporteerden deelnemers hoge betrokkenheid en plezier, en de auteurs merken sterke netwerking en samenwerking tussen landen op.

Wat dit betekent voor de toekomst

Deze studie laat zien dat zorgvuldig geplande datathons veel meer kunnen bereiken dan een korte cursus coderen. Door gestructureerde voorbereiding, toegang tot hoogwaardige lokale gezondheidsdata en blijvende mentoring te combineren, helpt het model jonge Afrikaanse onderzoekers leren door echte wetenschap te doen die van belang is voor hun gemeenschappen. De auteurs betogen dat soortgelijke programma’s kunnen worden aangepast voor andere ziekten en regio’s, vooral waar universiteiten of ziekenhuizen al over basiscomputervoorzieningen beschikken. Op de lange termijn kunnen dergelijke inspanningen onderbenutte data omzetten in bewijs voor betere gezondheidsbeleid, terwijl ze een nieuwe generatie data‑bewuste wetenschappers op het continent opbouwen.

Bronvermelding: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

Trefwoorden: datathon training, gezondheidsdatawetenschap, malariaonderzoek, capacititeitsopbouw Afrika, machine learning onderwijs