Før skjermene ble definert, gjennomgikk teamet den akademiske litteraturen om elektroniske pasientjournaler og helseanalyse. Blant trettito artikler, inkludert flere fra tidsskrifter som Journal of Biomedical Informatics, ble åtte studier identifisert som direkte relevante for grensesnittbeslutninger. De analyserte hvordan klinikere og forskere søker i EHR-systemer, hvor ofte de mister kontekst under lange arbeidsøkter, og hvor EHR-grensesnittdesign ikke gjør proveniens synlig.

Disse studiene beskrev konkrete bruksmønstre. Brukere beveger seg ofte frem og tilbake mellom strukturerte kliniske data og fritekstnotater. De er avhengige av tidsmønstre i pasientjournalen, men mister oversikten over hvilke filtre som er aktive. Når søk blir raffinert gjentatte ganger, blir beslutningshistorikken utydelig, noe som svekker reproduserbarheten. Kliniske data er teknisk rike, men kognitivt sårbare.

Funnene ble oversatt til krav for programvaren for medisinsk forskning. Helsedataplattformen trengte tydelige proveniensindikatorer, synlig søkehistorikk og en stabil oversikt over hvilke pasientdata som for øyeblikket var i omfang. Prinsipper for EHR-grensesnittdesign fra litteraturen ble brukt som rammer fremfor dekorasjon. Plattformen skulle hjelpe brukerne med å forstå hvor de befant seg i dataene og hvordan de hadde kommet dit.

Gjennom Sandbox Experiments kombinerte en to uker lang discovery-fase kvalitativ research og oppgaveanalyse med brukere fra tre miljøer. Fjorten individuelle intervjuer og tre fokusgrupper samlet tjuefire deltakere, inkludert NHS-analytikere, akademiske forskere og ansatte innen farmasøytisk forskning. Hver gruppe jobbet innenfor ulike institusjonelle rammer og godkjenningsprosesser, men alle måtte utføre pasientdata-analyse på de samme datasettene for psykisk helse.

Akademiske team beskrev lange godkjenninger for etikk og datatilgang før de i det hele tatt kunne logge inn i klinisk research-programvare som håndterte ekte pasientjournaler. Pharma-team hadde større rom for tidlig utforskning, men møtte senere i prosjektet strenge krav til rapportering og revisjon. NHS-analytikere brukte lignende verktøy til tjenesteevaluering og trengte tydelige grenser mellom research og operativ bruk. Disse realitetene formet designet mer enn noen generisk persona-beskrivelse.

Oppgaveanalyse kartla rekkefølgen av handlinger gjennom et fullstendig studieforløp, fra første idé til endelig uttrekk. Forskningen bekreftet at forvirring ofte oppstår ved overleveringer mellom personer eller mellom ulike governance-faser. Denne innsikten førte til et sterkt fokus på kontinuitet i workflow og tydelige tilstander, slik at den samme helsedataplattformen kunne støtte svært ulike godkjenningsløp uten å fragmentere opplevelsen.

For å forstå grunnlaget for klinisk research-programvare ble ni kommersielle Healthcare Analytics Tools benchmarked i dybden. Dette var ikke akademiske prototyper, men reelle produkter brukt i sykehus, forskningsinstitusjoner og industrien. Evalueringen så på query builders, design av EHR-grensesnitt, workspace-modeller, audit trails og hvordan hvert system viste logikken bak utvalg av pasientkohorter.

Flere tilbakevendende problemer kom frem. Noen verktøy viste bare det endelige resultatet av en query, slik at brukerne var usikre på hvilke betingelser som faktisk var brukt. Andre tvang forskere inn i faste trinnvise prosedyrer som ikke samsvarte med hvordan studier innen psykisk helse utvikler seg over tid. Proveniens var ofte skjult i tekniske logger i stedet for å være en del av brukeropplevelsen. Selv der funksjonaliteten var omfattende, gjorde UX-en i medisinsk programvare det vanskelig å stole på resultatene.

Benchmarken handlet ikke bare om å kritisere konkurrenter. Den tydeliggjorde hvilke mønstre brukerne allerede kjente, som for eksempel kjente filterkontroller, og hvilke strukturelle problemer som måtte unngås. Akrivia-plattformen ble posisjonert som en helsedataplattform som synliggjør resonnementet bak resultatene og respekterer de kognitive og regulatoriske belastningene i forskning på psykisk helse, i stedet for å følge generiske business analytics-konvensjoner.

Basert på research og benchmarking ble fem ulike interaksjonsmodeller for kohortbygging foreslått gjennom option space mapping. Én fungerte som en wizard og guidet brukerne gjennom sekvensielle steg. En annen presenterte queryen som nestede logikkblokker. En tredje organiserte betingelsene rundt tidslinjen i pasientjournalen. De resterende modellene la vekt på gjenbruk av kohortfragmenter eller side-ved-side-sammenligning av varianter. Hver modell representerte en forskjellig hypotese om hvordan kliniske forskere tenker.

Disse modellene gikk gjennom seks designsykluser med økende fidelity, fra wireframes til interaktive prototyper. Åtte usability-sesjoner med NHS-, akademiske og pharma-brukere testet realistiske oppgaver, som å bygge en kohort for behandlingsresistent depresjon eller justere en eksisterende kohort til nye inklusjonskriterier. Deltakerne ble observert mens de forsøkte å forstå tidligere beslutninger, endre betingelser og forklare logikken sin til en kollega.

Den endelige query builderen i den kliniske research-programvaren er en sammenslåing av disse eksperimentene. Den beholder lesbarheten fra den nestede modellen, låner tidsmessige signaler fra timeline-modellen og inkluderer fragmenter som kan gjenbrukes på tvers av prosjekter. I healthcare UX design-termer gir den frihet til å utforske uten å ofre sporbarhet, noe som er kritisk for governance og vitenskapelig vurdering.

Utover kohortutvalg måtte plattformen også støtte analyse av kliniske data i samme miljø. Helsedataplattformen integrerer moduler for deskriptiv statistikk, utforsking av korrelasjoner og sammenlignende visninger mellom kohorter. Forskere kan inspisere fordelinger av sentrale målinger, følge utfallsforløp og sammenligne behandlingsrespons uten å eksportere data for tidlig til eksterne verktøy.

Visualiseringen følger en tydelig grammatikk tilpasset medisinsk research-programvare. Tidsbaserte grafer hjelper team med å se hvordan symptomskårer utvikler seg før og etter behandlingsendringer. Sammenligningsvisninger viser forskjeller i medikasjonsmønstre eller tjenestebruk mellom kohorter. Disse visningene er ikke dekorative dashboards, men verktøy for klinisk resonnering. De er utformet slik at en statistiker, en psykiater og en data governance-ansvarlig alle kan forstå det som vises.

Ved å bygge inn disse analytics-modulene reduserer plattformen antallet verktøy som trengs for pasientdata-analyse. Den holder også mer av den analytiske reisen innenfor et miljø som er utformet for datasikkerhet, proveniens og NHS-governance. For mange team er dette like viktig som selve det visuelle designet.

Fordi Akrivia betjener flere institusjoner, måtte plattformen fungere som et multi-team helsedatasystem snarere enn et enkelt prosjektverktøy. Workspaces, prosjekter og tillatelsesnivåer ble definert slik at NHS-trusts, akademiske grupper og pharma-partnere kunne dele den samme kliniske research-programvaren uten å viske ut governance-grensene. Hver studie ligger innenfor en tydelig avgrenset kontekst med egne regler for godkjenning og datatilgang.

Data governance-ansvarlige var involvert i å utforme modellen for tilgangsforespørsler, godkjenninger og revisjon. Grensesnittet gjør det tydelig hvilke datasett en bruker kan se, hvilken rolle de har, og hvilke handlinger som er tillatt til enhver tid. Dette er avgjørende for GDPR-etterlevelse når det gjelder sensitive helsedata. Healthcare UX design handler her ikke om bekvemmelighet, men om å forhindre upassende tilgang uten at brukerne må memorere komplekse policydokumenter.

Plattformen opprettholder også en eksplisitt audit trail over analytiske handlinger, slik at governance-team kan gjennomgå hvordan en kohort er bygget og hvordan kliniske data er brukt. Dette reduserer belastningen med compliance-rapportering og gir institusjoner større trygghet når de åpner datasettene sine for bredere forskningsbruk.

Det visuelle systemet for Akrivia-plattformen ble behandlet som et selvstendig stykke healthcare UX design. De fleste skjermbilder presenterer en nøytral og rolig flate for konsentrert arbeid med kliniske data. Den typografiske hierarkien er tydelig og hjelper brukerne med å skille mellom struktur, innhold og kontroller uten bevisst anstrengelse. Interaksjonsmønstre er konsistente på tvers av moduler, slik at forskere kan overføre forståelsen sin fra kohortbygging til analytics og workspace-administrasjon.

Farger brukes sparsomt og med tydelig definert mening. I query builderen skiller de logiske grupper og fremhever aktive betingelser. I analytics-visninger tilsvarer de kohorter eller utfalls­tilstander, ikke dekorative paletter. Resultatet er et klinisk grensesnittdesign som forblir lesbart over lange økter, støtter supervisjon og gjennomgang, og ikke konkurrerer med innholdet.

For medisinsk programvare-UX er denne tilbakeholdenheten et strategisk valg. Miljøet må oppleves som pålitelig for NHS-ansatte, akademikere og pharma-forskere som er avhengige av applikasjonen for viktige beslutninger. Designspråket støtter denne tilliten ved å prioritere klarhet, konsistens og lesbarhet fremfor uttrykksfulle visuelle effekter.

Fra starten av behandlet designere og ingeniører Akrivia-plattformen som langvarig helsedata-programvare, ikke som en kortsiktig prototype. Produktet er en webbasert klinisk research-plattform som må integreres med eksisterende datapipelines og operative systemer. Tekniske workshops i begynnelsen av prosjektet avklarte begrensninger knyttet til ytelse, sikkerhet og utrulling, slik at interaksjonsmodellene ikke kom i konflikt med de arkitektoniske realitetene.

Parallelt ble det laget et design system for å støtte implementeringen og den fremtidige roadmapen. Det definerer komponenter for query blocks, visninger av pasientjournaler, analytics-paneler, workspace-administrasjon og navigasjon, hver med presise regler for oppførsel og tilstander. For utviklere fungerer dette biblioteket som en kontrakt. Det kobler healthcare UX design-beslutninger til konkrete implementeringsdetaljer i en form som er stabil over tid.

Under build-fasen forble designteamet involvert for å svare på spørsmål, justere mønstre der engineering avdekket edge cases, og sikre at den kliniske research-programvaren oppførte seg som tiltenkt i reelle miljøer. Dette unngikk det vanlige gapet mellom konsept og produksjon og ga Akrivia et grunnlag for flere års produktutvikling.