Verily Health: afvalwatermonitoring voor 30 pathogenen met 1 dbt

Samenvatting

Verily Health monitort meer dan 30 ziekteverwekkers met vijf mensen en één gedeeld dbt-package.

Verily Health en dbt: wat er gebeurt

Tijdens dbt Summit 2026 beschreef Verily Health hoe een datateam van vijf mensen bijna realtime afvalwatergegevens verwerkt voor meer dan 30 ziekteverwekkers. De openbare Sightline-dashboard toont regionale en seizoensgebonden patronen voor onder meer COVID-19, influenza A, norovirus en rotavirus.

Overheids­partners verzamelen de monsters, waarna laboratoria van Verily Health de gegevens verwerken. Onderzoekers, overheidsinstanties en de CDC ontvangen de informatie doorgaans met een vertraging van slechts één tot twee dagen.

FHIR en dbt structureren complexe gezondheidsdata

Verily Health gebruikt FHIR, een open standaard voor zorggegevens van HL7. FHIR levert meer dan 150 resourcetypen, zoals Patient, Observation, Specimen en Location, vaak in diep geneste JSON- of XML-structuren.

Het team bouwde daarom één gedeeld dbt-package met geparametriseerde macro’s voor elk FHIR-resourcetype. Dezelfde observation-macro kan zowel influenza A in een afvalwatermonster als een A1C-meting uit een glucosemonitor verwerken. Parameters bepalen de gevoeligheid en granulariteit, zodat het team logica niet per dataset hoeft te kopiëren.

De modellen volgen een medallionstructuur: een afgeschermde bronlaag, staging-modellen die FHIR-termen volgen, optionele tussenmodellen voor tests en datamarts met taal die onderzoekers en wetenschappers gebruiken. Heuristieken beperken samengestelde sleutels tot ongeveer drie kolommen en tabellen meestal tot circa dertig kolommen.

Concrete takeaway voor dbt-teams

Gebruik gedeelde macro’s wanneer meerdere datasets dezelfde zorgstructuren volgen, maar leg per model expliciet de gekozen granulariteit, sleutel en historische verwerking vast. Combineer die aanpak met freshness-tests voor zowel de eigen pipeline als inkomende bestanden in uiteenlopende formaten.