Een verkennende review over het gebruik van real-world data om de effectiviteit van mHealth-applicaties te beoordelen

Waarom je gezondheidsapps verder reiken dan je telefoon

Velen van ons registreren tegenwoordig stemming, slaap, stappen of bloedsuiker in gezondheidsapps, maar wat gebeurt er met al die informatie? Dit artikel onderzoekt hoe real-life data uit mobiele gezondheids(mHealth)-applicaties worden gebruikt om te beoordelen of deze hulpmiddelen mensen daadwerkelijk helpen in hun dagelijks leven. In plaats van alleen te steunen op traditionele klinische trials, bekijken de auteurs studies die gebruikmaken van data die apps op natuurlijke wijze verzamelen terwijl mensen ze thuis, op het werk en onderweg gebruiken.

Wat de onderzoekers wilden uitvinden

De auteurs voerden een scoping review uit, een soort brede inventarisatie, om te zien hoe real-world data van gezondheidsapps momenteel worden gebruikt in gepubliceerde onderzoeken. Ze concentreerden zich op patiëntgerichte apps die mensen zelfstandig gebruiken om gezondheid te beheren, aandoeningen bij te houden of gedragsverandering te ondersteunen. Cruciaal was dat ze alleen studies includeerden die "natuurlijk voorkomende" data gebruikten—informatie vastgelegd via normale appfuncties of routinematige zorgadministratie, niet extra vragenlijsten of instrumenten die alleen voor een studie werden toegevoegd. Ze groepeerden deze data in drie eenvoudige typen: informatie die mensen in een app typen, gegevens automatisch opgenomen door apparaten zoals sensoren of wearables, en informatie afkomstig uit zorgsystemen zoals elektronische patiëntendossiers of verzekeringsclaims.

Waar gezondheidsapps worden getest

Uit meer dan tienduizend artikelen identificeerde het team 72 studies die aan hun criteria voldeden, waarin 61 verschillende apps werden bestreken. De meeste van deze apps richtten zich op geestelijke gezondheidsproblemen, zoals depressie of slapeloosheid, of op metabole problemen zoals diabetes en gewichtsbeheersing. Veel van de apps functioneren in de praktijk als medische hulpmiddelen en helpen behandeling of dagelijkse beslissingen te sturen, ook al wordt hun officiële reglementaire status niet altijd duidelijk gerapporteerd. Apps voor geestelijke gezondheid leunden vaak sterk op wat gebruikers intypen over hun stemming, slaap of symptomen, terwijl metabole apps vaker gebruikmaakten van gekoppelde apparaten, zoals glucosemeters of slimme weegschalen die metingen automatisch registreren.

Welk soort data deze apps daadwerkelijk gebruiken

De review ontdekte dat de meeste studies steunden op actief ingevoerde informatie, zoals symptomenvragen binnen de app, terwijl minder studies sterk gebruikmaakten van passieve data uit sensoren of zorgsystemen. Ongeveer zeven op de tien studies gebruikten door gebruikers ingevoerde data, vaak scores over pijn, stemming of slaap. Ongeveer een kwart gebruikte apparaatgegenereerde data, en slechts een klein deel koppelde gegevens uit medische dossiers of verzekeringsclaims. Veel apps verzamelden informatie continu of op zijn minst zeer frequent, maar de manier waarop onderzoekers deze rijke stroom analyseerden was vaak verrassend beperkt. Weinig studies combineerden meerdere databronnen—bijvoorbeeld zelfgerapporteerd welzijn met sensormetingen—ondanks de belofte dat zulke combinaties een vollediger en betrouwbaarder beeld van gezondheid kunnen geven.

Hoe sterk is het bewijs tot nu toe?

Toen de auteurs keken naar de opzet van de studies, vonden ze dat de meeste relatief eenvoudige voor-en-na-vergelijkingen binnen een enkele gebruikersgroep waren, zonder controlegroep om tegen te vergelijken. Slechts een klein aantal gebruikte meer rigoureuze benaderingen, zoals het vergelijken van app-gebruikers met vergelijkbare niet-gebruikers, of het uitvoeren van pragmatische gerandomiseerde trials die meer lijken op zorg in de praktijk. Als gevolg hiervan kunnen veel huidige studies aantonen dat iemands symptomen veranderden tijdens het gebruik van een app, maar ze kunnen niet met vertrouwen beweren dat de app zelf die veranderingen heeft veroorzaakt. De omvang van de studies varieerde sterk, van enkele tientallen mensen tot enkele honderdduizenden, en follow-up duurde vaak slechts enkele maanden, waardoor langetermijneffecten nog slecht begrepen zijn.

Wat dit betekent voor patiënten en toekomstige digitale zorg

Al met al schetst de review een beeld van grote belofte maar onvoltooid werk. Gezondheidsapps zijn duidelijk in staat om grote hoeveelheden real-world informatie vast te leggen over hoe mensen zich voelen en functioneren, en deze data zouden lopende, flexibele evaluaties kunnen ondersteunen van hoe goed digitale hulpmiddelen presteren zodra ze op de markt zijn. Toch maken de meeste gepubliceerde studies tot nu toe maar gedeeltelijk gebruik van dit potentieel. Ze vertrouwen sterk op zelfrapportage, gebruiken beperkte studieontwerpen en koppelen zelden appdata aan klinische dossiers. Om artsen, toezichthouders en patiënten meer vertrouwen te geven, zullen toekomstige evaluaties verschillende typen real-world data moeten combineren, mensen langer moeten volgen en betere vergelijkingsmethoden moeten toepassen. Goed uitgevoerd zou dit het dagelijks gebruik van apps kunnen omvormen tot een krachtig mechanisme om te leren wat echt werkt in digitale gezondheidszorg.

Bronvermelding: Gehder, S., Brückner, S., Gilbert, S. et al. A scoping review on using real-world data to evaluate the effectiveness of mHealth applications. npj Digit. Med. 9, 309 (2026). https://doi.org/10.1038/s41746-026-02562-0

Trefwoorden: mobiele gezondheidsapps, real-world data, digitale therapeutica, onderzoek naar gezondheidsdata, evidence-based mHealth