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).
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.