Groot-schalige systeemniveau digitaliseringsinitiatieven in de National Health Service in Engeland: inzichten uit drie nationale evaluaties

Waarom dit belangrijk is voor de dagelijkse zorg

In heel Engeland heeft de National Health Service (NHS) miljarden ponden geïnvesteerd in computers, netwerken en kunstmatige intelligentie met de belofte van veiliger, beter gecoördineerde zorg. Toch ervaren veel patiënten en medewerkers nog steeds zoekgeraakte brieven, herhaalde onderzoeken en systemen die niet met elkaar communiceren. Dit artikel kijkt terug op 15 jaar van grote nationale digitale projecten en stelt een eenvoudige vraag met grote gevolgen: wat werkte werkelijk, wat faalde, en hoe kunnen toekomstige inspanningen eindelijk de soepele, datagedreven zorg leveren die is beloofd?

De opkomst van grote digitale projecten

Om dit te beantwoorden combineerden de auteurs drie omvangrijke, onafhankelijke evaluaties van nationale NHS‑programma’s ter waarde van in totaal ongeveer £13 miljard. De eerste was een vroege poging om gedeelde elektronische dossiers in alle ziekenhuizen uit te rollen. De tweede financierde “exemplaar” ziekenhuizen om digitale koplopers te worden en goede praktijken te verspreiden. De derde ondersteunde tools voor kunstmatige intelligentie en de regels en ondersteuning die nodig zijn om die veilig te gebruiken. Samen baseerden deze evaluaties zich op meer dan duizend interviews, honderden uren observeren van poliklinieken en vergaderingen, en meer dan tweeduizend interne documenten die tussen 2009 en 2024 zijn verzameld. Dit ongebruikelijk lange en gedetailleerde overzicht stelde de onderzoekers in staat patronen te zien die in kortere, op één project gerichte studies onzichtbaar zouden blijven.

Verborgen fundamenten en hardnekkige infrastructuur

Een duidelijke boodschap was dat basale digitale “leiding”—betrouwbare wifi, goed functionerende elektronische dossiers en schone, goed gestructureerde data—zowel essentieel als vaak verwaarloosd is. Deze bleken de stille werkpaarden waarop alles anders gebaseerd is. Waar netwerken onbetrouwbaar waren, systemen onstabiel, of data slecht georganiseerd, hadden nieuwere tools—including AI—het moeilijk of faalden ze volledig. Tegelijkertijd zorgde het proberen te koppelen van veel oude en nieuwe systemen tussen ziekenhuizen, huisartsenpraktijken en de maatschappelijke zorg voor enorme problemen. Verschillende leveranciers werkten niet altijd samen, normen werden ongelijk toegepast en verschillen in zorgverlening betekenden dat zelfs wanneer data konden worden uitgewisseld, die niet altijd nuttig of veilig waren. Deze lang bestaande problemen met infrastructuur en interoperabiliteit vertraagden herhaaldelijk de voortgang.

Mensen, politiek en veranderende doelen

De technologie zelf was zelden de enige belemmering. Veel vaker ontstonden moeilijkheden uit de manier waarop mensen, organisaties en nationale instanties rond die technologie met elkaar omgingen. Ministers kondigden gedurfde deadlines en ingrijpende visies aan, waardoor bij personeel de verwachting groeide dat verandering snel en pijnloos zou verlopen. In werkelijkheid kosten grootschalige systeembrede veranderingen in drukke ziekenhuizen en klinieken jaren, geen maanden. Programma’s werden snel van start gebracht, soms zonder goede nulmetingen of realistische plannen, en werden vervolgens aangepast of voortijdig beëindigd toen politieke prioriteiten, topbestuurders en centrale instanties veranderden. Deze instabiele governance zorgde ervoor dat doelstellingen afzweefden, ondersteunende structuren werden heringericht en moeizaam verworven lessen gemakkelijk verloren gingen, terwijl dezelfde problemen in het volgende initiatief weer opdoken.

Leren dat te langzaam reist

Wanneer digitale projecten wel goed werkten, kwam dat vaak door sterk lokaal leiderschap, zorgvuldige betrokkenheid van medewerkers in de frontlinie en mogelijkheden om te leren van collega’s met vergelijkbare uitdagingen. De “exemplar” ziekenhuizen konden bijvoorbeeld systemen aanpassen aan hun context en vervolgens blauwdrukken en informeel knowhow met anderen delen, waardoor adoptie elders werd versneld. De studie stelde echter vast dat dergelijk leren zelden systematisch werd vastgelegd en hergebruikt. Nationale evaluaties leverden soms rijke inzichten op, maar deze werden niet consequent teruggevoerd in het dagelijkse besluitvormingsproces en er was weinig continuïteit in het leren van het ene grote programma naar het volgende. Als gevolg daarvan herhaalden nieuwe initiatieven vaak oude fouten in plaats van geleidelijk voort te bouwen op eerder opgedane ervaring.

Een gefaseerd pad naar echt digitale zorg

De auteurs concluderen dat nationale digitale inspanningen niet als losse projecten moeten worden gezien, maar als een doorlopend traject dat decennialang een balans moet vinden tussen technologie, mensen, organisaties en beleid. Zij stellen een driedelige aanpak voor die zij het ILIAD‑model noemen. Ten eerste: investeren in robuuste, gedeelde infrastructuur zodat elk deel van het systeem werkbare netwerken, dossiers en data heeft. Ten tweede: sterke leerlijnen creëren tussen de meest geavanceerde locaties en degenen die achterop raken, zodat ervaring snel kan verspreiden en lokaal kan worden aangepast. Ten derde: zodra deze fundamenten en leernetwerken bestaan, concentreren op geavanceerde innovatie—zoals AI‑tools—in omgevingen die klaar zijn om veilig te experimenteren en daarna wat nuttig blijkt te zijn op te schalen. Voor patiënten en personeel betekent deze aanpak geen opsmuk, maar een stabieler en betrouwbaarder pad naar zorg waarbij informatie de persoon volgt, diensten beter gecoördineerd zijn en nieuwe technologieën daadwerkelijk het werk vergemakkelijken en de zorg veiliger maken.

Bronvermelding: Cresswell, K., Williams, R. Large-scale system-level digitalisation initiatives in the National Health Service in England: insights from three national evaluations. npj Digit. Med. 9, 301 (2026). https://doi.org/10.1038/s41746-026-02495-8

Trefwoorden: digitale transformatie in de gezondheidszorg, elektronische patiëntendossiers, NHS England, interoperabiliteit in de gezondheidszorg, kunstmatige intelligentie in de gezondheidszorg