Innan skärmarna definierades granskade teamet den akademiska litteraturen om elektroniska patientjournaler och vårdanalys. Av trettiotvå artiklar, inklusive flera från tidskrifter som Journal of Biomedical Informatics, identifierades åtta studier som direkt relevanta för gränssnittsbeslut. De analyserade hur kliniker och forskare söker i EHR-system, hur ofta de tappar kontext under långa arbetspass och var EHR-gränssnittsdesign misslyckas med att göra proveniens synlig.

Studierna beskrev konkreta beteenden. Användare rör sig ofta fram och tillbaka mellan strukturerade kliniska data och narrativa anteckningar. De förlitar sig på tidsmönster i patientjournalen, men tappar bort vilka filter som är aktiva. När sökningar förfinas upprepade gånger blir beslutshistoriken otydlig, vilket undergräver reproducerbarheten. Kliniska data är tekniskt rika, men kognitivt sköra.

Resultaten översattes till krav för den medicinska forskningsmjukvaran. Vårddataplattformen behövde tydliga provenienssignaler, en synlig sökhistorik och en stabil vy över vilka patientdata som för närvarande ingick. Principer för EHR-gränssnittsdesign från litteraturen användes som begränsningar snarare än som dekoration. Plattformen skulle hjälpa användarna att förstå var de befann sig i datan och hur de hade kommit dit.

Genom Sandbox Experiments kombinerade en två veckor lång discovery-fas kvalitativ research och uppgiftsanalys med användare från tre miljöer. Fjorton individuella intervjuer och tre fokusgrupper samlade tjugofyra deltagare, inklusive NHS-analytiker, akademiska forskare och personal inom läkemedelsforskning. Varje grupp arbetade under olika institutionella ramar och godkännandeprocesser, men alla behövde utföra analys av patientdata på samma dataset för psykisk hälsa.

Akademiska team beskrev långa godkännanden för etik och dataåtkomst innan de ens kunde logga in i klinisk research-mjukvara som hanterade riktiga patientjournaler. Pharma-team hade större utrymme för tidig utforskning, men mötte senare i projektet strikta krav på rapportering och revision. NHS-analytiker använde liknande verktyg för tjänsteutvärdering och behövde tydliga gränser mellan forskning och operativ användning. Dessa realiteter påverkade designen mer än någon generisk personabeskrivning.

Uppgiftsanalysen kartlade sekvensen av handlingar genom hela studieprocessen, från den första idén till den slutliga extraktionen. Forskningen bekräftade att förvirring ofta uppstår vid överlämningar mellan personer eller mellan olika governance-steg. Denna insikt ledde till ett starkt fokus på kontinuitet i workflow och tydliga tillstånd, så att samma plattform för vårddata kunde stödja mycket olika godkännandevägar utan att fragmentera upplevelsen.

För att förstå grundnivån för klinisk research-mjukvara benchmarkades nio kommersiella Healthcare Analytics Tools på djupet. Det handlade inte om akademiska prototyper, utan om verkliga produkter som används på sjukhus, forskningsinstitut och inom industrin. Utvärderingen tittade på query builders, design av EHR-gränssnitt, workspace-modeller, audit trails och hur varje system exponerade logiken bakom urvalet av patientkohorter.

Flera återkommande problem framkom. Vissa verktyg visade bara det slutliga resultatet av en query, vilket gjorde användarna osäkra på vilka villkor som faktiskt hade tillämpats. Andra tvingade forskare in i fasta stegvisa processer som inte speglade hur studier inom psykisk hälsa utvecklas över tid. Proveniens var ofta dold i tekniska loggar i stället för att presenteras som en del av användarupplevelsen. Även när funktionaliteten var omfattande gjorde UX i medicinsk mjukvara det svårt att lita på resultaten.

Benchmarken handlade inte bara om att kritisera konkurrenter. Den klargjorde vilka mönster användarna redan kände igen, som till exempel välbekanta filterkontroller, och vilka strukturella problem som behövde undvikas. Akrivia-plattformen positionerades som en vårddataplattform som synliggör resonemanget bakom resultaten och respekterar de kognitiva och regulatoriska belastningarna inom forskning om psykisk hälsa, i stället för att följa generiska business analytics-konventioner.

Baserat på research och benchmarking föreslogs fem olika interaktionsmodeller för kohortbyggande genom option space mapping. En fungerade som en wizard och guidade användarna genom sekventiella steg. En annan presenterade queryn som nästlade logikblock. En tredje organiserade villkoren kring patientjournalens tidslinje. De återstående modellerna betonade återanvändning av kohortfragment eller jämförelse sida vid sida av varianter. Varje modell representerade en annan hypotes om hur kliniska forskare tänker.

Dessa modeller gick igenom sex designcykler med ökande fidelity, från wireframes till interaktiva prototyper. Åtta usability-sessioner med NHS-, akademiska och pharma-användare testade realistiska uppgifter, som att bygga en kohort för behandlingsresistent depression eller justera en befintlig kohort till nya inklusionskriterier. Deltagarna observerades när de försökte förstå tidigare beslut, ändra villkor och förklara sin logik för en kollega.

Den slutliga query buildern i den kliniska research-mjukvaran är en sammanslagning av dessa experiment. Den behåller läsbarheten från den nästlade modellen, hämtar tidsmässiga ledtrådar från timeline-modellen och integrerar fragment som kan återanvändas mellan projekt. I termer av healthcare UX design ger den frihet att utforska utan att offra spårbarhet, vilket är avgörande för governance och vetenskaplig granskning.

Utöver kohorturval behövde plattformen även stödja analys av kliniska data i samma miljö. Vårddataplattformen integrerar moduler för deskriptiv statistik, utforskning av korrelationer och jämförande vyer mellan kohorter. Forskare kan granska fördelningar av centrala mått, följa utfallsutveckling och jämföra behandlingssvar utan att exportera data i förtid till externa verktyg.

Visualiseringen följer en tydlig grammatik anpassad för medicinsk research-mjukvara. Tidsbaserade diagram hjälper team att se hur symtompoäng utvecklas före och efter behandlingsförändringar. Jämförande vyer visar skillnader i läkemedelsmönster eller serviceanvändning mellan kohorter. Dessa vyer är inte dekorativa dashboards, utan verktyg för kliniskt resonemang. De är utformade så att en statistiker, en psykiater och en data governance-ansvarig alla kan förstå vad som visas.

Genom att integrera dessa analytics-moduler minskar plattformen antalet verktyg som behövs för patientdata-analys. Den behåller också en större del av den analytiska resan inom en miljö som är utformad för datasäkerhet, proveniens och NHS-governance. För många team är detta lika viktigt som den visuella designen i sig.

Eftersom Akrivia betjänar flera institutioner behövde plattformen fungera som ett multi-team vårddatasystem snarare än ett verktyg för ett enskilt projekt. Workspaces, projekt och behörighetsnivåer definierades så att NHS-trusts, akademiska grupper och pharma-partners kunde dela samma kliniska research-mjukvara utan att sudda ut governance-gränser. Varje studie ligger i ett tydligt avgränsat sammanhang med egna regler för godkännande och dataåtkomst.

Data governance-ansvariga var involverade i att utforma modellen för åtkomstförfrågningar, godkännanden och granskning. Gränssnittet gör det tydligt vilka dataset en användare kan se, vilken roll de har och vilka åtgärder som är tillåtna vid varje tidpunkt. Detta är avgörande för GDPR-efterlevnad kring känsliga hälsodata. Healthcare UX design handlar här inte om bekvämlighet, utan om att förhindra olämplig åtkomst utan att användare behöver memorera komplexa policydokument.

Plattformen upprätthåller också en tydlig audit trail över analytiska åtgärder, så att governance-team kan granska hur en kohort har byggts och hur kliniska data har använts. Detta minskar bördan med compliance-rapportering och ger institutioner större trygghet när de öppnar sina dataset för bredare forskningsanvändning.

Det visuella systemet för Akrivia-plattformen behandlades som en egen del av healthcare UX design. De flesta skärmar erbjuder en neutral och lugn yta för koncentrerat arbete med kliniska data. Den typografiska hierarkin är tydlig och hjälper användare att skilja mellan struktur, innehåll och kontroller utan medveten ansträngning. Interaktionsmönstren är konsekventa mellan moduler, så att forskare kan överföra sin förståelse från kohortbyggande till analytics och workspace-hantering.

Färg används sparsamt och med en tydlig betydelse. I query buildern separerar den logiska grupper och markerar aktiva villkor. I analytics-vyer motsvarar den kohorter eller utfallstillstånd i stället för dekorativa paletter. Resultatet är en klinisk gränssnittsdesign som förblir läsbar under långa arbetspass, stödjer granskning och uppföljning och inte konkurrerar med innehållet.

För medicinsk programvaru-UX är denna återhållsamhet ett strategiskt val. Miljön måste kännas pålitlig för NHS-personal, akademiker och pharma-forskare som förlitar sig på applikationen för viktiga beslut. Designspråket stödjer detta förtroende genom att prioritera tydlighet, konsekvens och läsbarhet framför uttrycksfulla visuella effekter.

Från början behandlade designers och ingenjörer Akrivia-plattformen som långsiktig healthcare-mjukvara, inte som en kortsiktig prototyp. Produkten är en webbaserad klinisk research-plattform som måste integreras med befintliga datapipelines och operativa system. Tekniska workshops i början av projektet klargjorde begränsningar kring prestanda, säkerhet och driftsättning, så att interaktionsmodellerna inte kom i konflikt med de arkitektoniska realiteterna.

Parallellt skapades ett design system för att stödja implementationen och den framtida roadmapen. Det definierar komponenter för query blocks, vyer för patientjournaler, analytics-paneler, workspace-hantering och navigation, var och en med tydliga regler för beteende och tillstånd. För utvecklare fungerar detta bibliotek som ett kontrakt. Det kopplar healthcare UX design-beslut till konkreta implementationsdetaljer i en form som är stabil över tid.

Under build-fasen förblev designteamet involverat för att besvara frågor, justera mönster där engineering upptäckte edge cases och säkerställa att den kliniska research-mjukvaran fungerade som avsett i verkliga miljöer. Detta undvek det vanliga glappet mellan koncept och produktion och gav Akrivia en grund för flera års produktutveckling.