Voordat de schermen werden gedefinieerd, bestudeerde het team de academische literatuur over elektronische patiëntendossiers en zorganalyse. In tweeëndertig publicaties, waaronder meerdere uit tijdschriften zoals het Journal of Biomedical Informatics, werden acht studies geïdentificeerd als direct relevant voor interfacebeslissingen. Ze analyseerden hoe clinici en onderzoekers binnen EHR-systemen zoeken, hoe vaak zij tijdens lange sessies de context verliezen en waar EHR-interfaceontwerp er niet in slaagt om herkomst zichtbaar te maken.

Deze studies beschreven concreet gedrag. Gebruikers bewegen vaak heen en weer tussen gestructureerde klinische gegevens en verhalende notities. Ze vertrouwen op temporele patronen in het patiëntendossier, maar raken het overzicht kwijt van welke filters actief zijn. Wanneer zoekopdrachten herhaaldelijk worden verfijnd, wordt de beslissingsgeschiedenis ondoorzichtig, wat de reproduceerbaarheid ondermijnt. Klinische data zijn technisch rijk, maar cognitief kwetsbaar.

De bevindingen werden vertaald naar eisen voor de medische onderzoekssoftware. Het zorgdataplatform had behoefte aan duidelijke herkomstsignalen, een zichtbare zoekgeschiedenis en een stabiel overzicht van welke patiëntgegevens momenteel binnen de scope vielen. Ontwerpprincipes voor EHR-interfaces uit de literatuur werden gebruikt als randvoorwaarden in plaats van als decoratie. Het platform moest gebruikers helpen te begrijpen waar zij zich in de data bevonden en hoe zij daar waren gekomen.

Via Sandbox Experiments combineerde een discoveryfase van twee weken kwalitatief onderzoek en taakanalyse met gebruikers uit drie omgevingen. Veertien individuele interviews en drie focusgroepen brachten vierentwintig deelnemers samen, waaronder NHS-analisten, academische onderzoekers en medewerkers uit de farmaceutische research. Elke groep werkte binnen andere institutionele kaders en goedkeuringsprocessen, maar iedereen moest patiëntdata-analyses uitvoeren op dezelfde datasets voor mentale gezondheid.

Academische teams beschreven lange goedkeuringsprocessen voor ethiek en datatoegang voordat ze überhaupt konden inloggen op klinische researchsoftware die met echte patiëntgegevens werkte. Pharma-teams hadden meer ruimte voor vroege verkenning, maar kregen later in het project te maken met strikte rapportage- en auditverplichtingen. NHS-analisten gebruikten vergelijkbare tools voor service-evaluatie en hadden duidelijke grenzen nodig tussen onderzoek en operationeel gebruik. Deze realiteiten bepaalden het ontwerp meer dan welke generieke persona-beschrijving dan ook.

Taakanalyse bracht de volgorde van acties in een volledig studieproces in kaart, van het eerste idee tot de uiteindelijke extractie. Het onderzoek bevestigde dat verwarring vaak ontstaat bij overdrachten tussen mensen of tussen verschillende governance-fasen. Dit inzicht leidde tot een sterke focus op workflow-continuïteit en duidelijke statussen, zodat hetzelfde zorgdataplatform zeer verschillende goedkeuringsroutes kon ondersteunen zonder de ervaring te fragmenteren.

Om de basis voor klinische researchsoftware te begrijpen, werden negen commerciële Healthcare Analytics Tools uitgebreid gebenchmarkt. Dit waren geen academische prototypes, maar echte producten die worden gebruikt in ziekenhuizen, onderzoeksinstellingen en de industrie. De evaluatie keek naar query builders, het ontwerp van EHR-interfaces, workspace-modellen, audit trails en hoe elk systeem de logica van patiëntcohortselectie zichtbaar maakte.

Er kwamen verschillende terugkerende problemen naar voren. Sommige tools toonden alleen het eindresultaat van een query, waardoor gebruikers niet zeker wisten welke voorwaarden daadwerkelijk waren toegepast. Andere dwongen onderzoekers in vaste stap-voor-stap-procedures die niet aansloten bij hoe studies in de geestelijke gezondheidszorg zich in de tijd ontwikkelen. Herkomstinformatie was vaak verborgen in technische logs in plaats van onderdeel te zijn van de gebruikerservaring. Zelfs wanneer de functionaliteit uitgebreid was, maakte de UX van medische software het moeilijk om het resultaat te vertrouwen.

De benchmark was niet alleen bedoeld om concurrenten te bekritiseren. Hij maakte duidelijk welke patronen gebruikers al kenden, zoals vertrouwde filterbediening, en welke structurele problemen vermeden moesten worden. Het Akrivia-platform werd gepositioneerd als een zorgdataplatform dat de redenering achter resultaten zichtbaar maakt en rekening houdt met de cognitieve en regelgevende belasting van onderzoek naar geestelijke gezondheid, in plaats van generieke business analytics-conventies te volgen.

Op basis van research en benchmarking werden via option space mapping vijf verschillende interactiemodellen voor cohortopbouw voorgesteld. Eén werkte als een wizard en leidde gebruikers door opeenvolgende stappen. Een andere presenteerde de query als geneste logische blokken. Een derde organiseerde de voorwaarden rond de tijdlijn van het patiëntdossier. De overige modellen benadrukten hergebruik van cohortfragmenten of het naast elkaar vergelijken van varianten. Elk model vertegenwoordigde een andere hypothese over hoe klinische onderzoekers denken.

Deze modellen doorliepen zes ontwerprondes met toenemende fidelity, van wireframes tot interactieve prototypes. Acht usability-sessies met NHS-, academische en pharma-gebruikers testten realistische taken, zoals het opbouwen van een cohort voor therapieresistente depressie of het aanpassen van een bestaande cohort aan nieuwe inclusiecriteria. De deelnemers werden geobserveerd terwijl ze probeerden eerdere beslissingen te begrijpen, voorwaarden aan te passen en hun logica aan een collega uit te leggen.

De uiteindelijke query builder in de klinische researchsoftware is een samenkomst van deze experimenten. Hij behoudt de leesbaarheid van het geneste model, neemt temporele aanwijzingen over uit het timeline-model en integreert fragmenten die hergebruikt kunnen worden over projecten heen. In termen van healthcare UX design biedt hij vrijheid om te verkennen zonder de traceerbaarheid op te offeren, wat essentieel is voor governance en wetenschappelijke beoordeling.

Naast cohortselectie moest het platform ook analyse van klinische data binnen dezelfde omgeving ondersteunen. Het zorgdataplatform integreert modules voor beschrijvende statistiek, het verkennen van correlaties en vergelijkende weergaven tussen cohorten. Onderzoekers kunnen verdelingen van belangrijke metingen inspecteren, uitkomsttrajecten volgen en behandelresponsen vergelijken zonder gegevens voortijdig naar externe tools te exporteren.

De visualisatie volgt een duidelijke grammatica die is afgestemd op medische researchsoftware. Tijdgebaseerde grafieken helpen teams te zien hoe symptoomscores zich ontwikkelen vóór en na veranderingen in de behandeling. Vergelijkende weergaven tonen verschillen in medicatiepatronen of zorggebruik tussen cohorten. Deze weergaven zijn geen decoratieve dashboards, maar instrumenten voor klinisch redeneren. Ze zijn zo ontworpen dat een statisticus, een psychiater en een data governance-officer allemaal kunnen begrijpen wat er wordt getoond.

Door deze analytics-modules te integreren, vermindert het platform het aantal tools dat nodig is voor patiëntdata-analyse. Het houdt ook een groter deel van het analytische traject binnen een omgeving die is ontworpen voor databeveiliging, herkomst en NHS-governance. Voor veel teams is dit net zo belangrijk als het visuele ontwerp zelf.

Omdat Akrivia meerdere instellingen bedient, moest het platform functioneren als een multi-team zorgdatasysteem in plaats van een enkel projecttool. Workspaces, projecten en permissieniveaus werden gedefinieerd zodat NHS-trusts, academische groepen en pharma-partners dezelfde klinische researchsoftware konden gebruiken zonder governance-grenzen te vervagen. Elke studie bevindt zich binnen een duidelijk afgebakende context met eigen goedkeurings- en data-toegangsregels.

Data governance-officers waren betrokken bij het vormgeven van het model voor toegangsverzoeken, goedkeuringen en audits. De interface maakt duidelijk welke datasets een gebruiker kan zien, welke rol zij hebben en welke acties op een bepaald moment zijn toegestaan. Dit is essentieel voor GDPR-naleving rondom gevoelige gezondheidsgegevens. Healthcare UX design draait hier niet om gemak, maar om het voorkomen van ongepaste toegang zonder dat gebruikers complexe beleidsdocumenten hoeven te onthouden.

Het platform onderhoudt ook een expliciet audit trail van analytische acties, zodat governance-teams kunnen nagaan hoe een cohort is opgebouwd en hoe klinische data zijn gebruikt. Dit vermindert de last van compliance-rapportage en geeft instellingen meer vertrouwen bij het openstellen van hun datasets voor breder onderzoeksgebruik.

Het visuele systeem van het Akrivia-platform werd behandeld als een volwaardig onderdeel van healthcare UX design. De meeste schermen bieden een neutrale, rustige omgeving voor geconcentreerd werken met klinische data. De typografische hiërarchie is duidelijk en helpt gebruikers zonder bewuste inspanning onderscheid te maken tussen structuur, inhoud en bedieningselementen. Interactiepatronen zijn consistent over alle modules heen, zodat onderzoekers hun kennis van cohortopbouw kunnen toepassen op analytics en workspacebeheer.

Kleur wordt spaarzaam en met een duidelijke betekenis gebruikt. In de query builder scheidt het logische groepen en markeert het actieve voorwaarden. In analytics-weergaven verwijst het naar cohorten of uitkomststatussen in plaats van decoratieve paletten. Het resultaat is een klinisch interface-ontwerp dat leesbaar blijft tijdens lange sessies, toezicht en review ondersteunt en niet concurreert met de inhoud.

Voor medische software-UX is deze terughoudendheid een strategische keuze. De omgeving moet betrouwbaar aanvoelen voor NHS-medewerkers, academici en pharma-onderzoekers die op de applicatie vertrouwen voor belangrijke beslissingen. De ontwerptaal ondersteunt dat vertrouwen door helderheid, consistentie en leesbaarheid te verkiezen boven expressieve visuele effecten.

Vanaf het begin behandelden designers en engineers het Akrivia-platform als duurzame zorgsoftware, niet als een kortetermijnprototype. Het product is een webgebaseerd klinisch onderzoeksplatform dat moet integreren met bestaande datapipelines en operationele systemen. Technische workshops aan het begin van het project verduidelijkten de beperkingen rond performance, beveiliging en deployment, zodat de interactiemodellen niet botsten met de architecturale realiteit.

Parallel werd er een design system ontwikkeld om de implementatie en de toekomstige roadmap te ondersteunen. Het definieert componenten voor query blocks, patiëntdossier-weergaven, analytics-panelen, workspacebeheer en navigatie, elk met duidelijke gedragsregels en statussen. Voor developers fungeert deze library als een contract. Ze koppelt healthcare UX design-beslissingen aan concrete implementatiedetails in een vorm die op de lange termijn stabiel blijft.

Tijdens de build-fase bleef het designteam betrokken om vragen te beantwoorden, patronen aan te passen waar engineering edge cases ontdekte en ervoor te zorgen dat de klinische researchsoftware zich in echte omgevingen gedroeg zoals bedoeld. Dit voorkwam de gebruikelijke kloof tussen concept en productie en gaf Akrivia een basis voor meerdere jaren productontwikkeling.