Grote dataset

Bij dit project beschikten we over een grote, kant-en-klare dataset die in een eerder stadium van het project was samengesteld door het Verwey-Jonker Instituut, in opdracht van het ministerie. Zo was er data over algemene kenmerken van de landen (zoals bevolkingsdichtheid, leeftijdsopbouw en de ziekenhuiscapaciteit), de verspreiding van het virus (zoals het aantal ziekenhuisopnames en overledenen), de maatregelen die zijn genomen (zoals scholensluitingen, thuiswerken en lockdowns). Er was ook data verzameld via vragenlijsten, waarbij respondenten bijvoorbeeld gevraagd werden hoeveel vertrouwen zij hadden in de overheid door de tijd heen, hoe zij hun geluksniveau zouden scoren en in welke mate men last had van angst en depressies. Een enorme bron aan data dus, waar we heel graag mee aan de slag wilden.

We hebben onder andere gekeken over welke onderwerpen er van alle geselecteerde landen voldoende data beschikbaar was, zodat een zo compleet mogelijke vergelijking plaats kon vinden. Daarnaast hebben we gekeken welke variabelen interessant zouden zijn om tegen elkaar af te zetten. Het aantal volledig gevaccineerde inwoners en het aantal corona-IC-patiënten of coronasterfgevallen door de tijd, bijvoorbeeld. Of het ‘gemiddelde ervaren geluksniveau in een land’ tegenover een variabele die de strengheid van overheidsmaatregelen weergeeft bijvoorbeeld. De data hebben we gevisualiseerd door er eenvoudige grafieken van te maken met behulp van R-studio, een analyseprogramma.  

Uniek aan dit project was dat we over een enorme bestaande dataset beschikten. Onze handen jeukten om hiermee aan de slag te gaan en om deze data te analyseren en visualiseren. Daarbij hebben we veel nagedacht over welke variabelen interessant én relevant zijn om samen weer te geven in eenzelfde grafiek. Daarnaast hebben we ook lang gepuzzeld over hoe je twee variabelen met verschillende groottes – en soms verschillende waardes op de y-as, zoals gemiddelde aantallen (bijvoorbeeld patiënten) of een waarde op een Likert-schaal (zoals een geluksscore) – goed konden weergeven in één plaatje. Daarbij werd ook steeds kritisch nagedacht over de vraag hoe deze grafieken afgelezen kunnen worden. Want hoewel het interessant is om bepaalde variabelen samen in een grafiek weer te geven, betekent het zien van een 'samenhang' niet noodzakelijk dat de ene variabele het verloop van de andere variabele verklaart.  

Vaccineren heeft zichtbaar effect

Het rapport biedt een cijfermatig overzicht van het verloop van de coronacrisis in Nederland en de negen andere Europese landen. Een concreet resultaat van dit onderzoek is bijvoorbeeld het zichtbare effect van een hogere vaccinatiegraad, na begin 2021. De grafieken laten een duidelijke samenhang zien tussen een hogere vaccinatiegraad en een lager aantal ziekenhuispatiënten, IC-patiënten en sterfgevallen, zelfs terwijl het gemiddelde aantal nieuwe covid-gevallen al die tijd bleef toenemen. Ook laten de grafieken zien dat Nederland gedurende de coronacrisis relatief hoog scoort op ‘kwaliteit van leven’ in vergelijking met de negen andere landen in de dataset.   

De grafieken die we binnen dit project hebben gemaakt, zijn een aanvulling op het eerdere, kwalitatieve deel van ons onderzoek: De Rode Dradenanalyse. Waar dat onderzoek vooral laat zien welke rode draden en geleerde lessen er naar voren zijn gekomen in heel veel verschillende onderzoeken naar het coronabeleid van Nederland, laat het grafiekenboek in harde data (cijfers) zien hoe de coronacrisis verliep, en op welke andere Europese landen Nederland het meeste lijkt. Uit beide onderzoeken samen kunnen belangrijke lessen worden getrokken voor de evaluatie van de coronacrisis en ter voorbereiding op een volgende crisis.