19-10-2026 14:30

Dit onderzoek combineert diverse databronnen om met variabelenselectie, dimensiereductie en clusteranalyse BMI-gerelateerde subgroepen te identificeren en aanknopingspunten te bieden voor gerichte leefstijl- en gezondheidsinterventies.

Gegevens uit de Gezondheidsenquête zijn gecombineerd met gegevens over de nabijheid van voorzieningen en de mate van luchtvervuiling. Via variabele selectie met behulp van Statistically Equivalent Signature (SES) zijn 47 BMI-gerelateerde variabelen geïdentificeerd. De clustering is uitgevoerd met behulp van k-means op principiale componenten die zijn bepaald via PCAMIX. Een panel van gezondheidsdeskundigen onderzocht de praktische relevantie van de bevindingen.

Deze studie illustreert hoe aan de hand van deze methodiek BMI-gerelateerde subgroepen kunnen worden geïdentificeerd op basis van heterogene gezondheidsgegevens. Hoewel de geïdentificeerde clusters nog niet geschikt zijn voor directe klinische toepassing, vormen ze een basis voor toekomstig onderzoek naar gepersonaliseerde preventie en gerichte interventies.

Beuken, M., K. van Berkel, M. Kleynen, I. Kanera, J. van den Brakel (2026). Mixed‐methods clustering of multi‐source data to identify population subgroups based on BMI‐associated variables. Discussion paper, Statistics Netherlands, The Hague/Heerlen.

Downloads

• PDF - Cluster methoden voor het bepalen van bevolkingsgroepen op basis van BMI gerelateerde variabelen