Objectives: To outline an evidence-based health policy, one is often interested in the profiles of persons who are at risk to obtain certain diseases or who do not respond to prevention programs as e.g. cervix cancer screening via smears. Methods: Statistical modelling can provide a tool to discover such profiles. In this paper the method of classification trees is described. The use of classification trees has advantages but also limitations with respect to their application in the survey domain. A closer look on the handling of missing data and weighting in this context will be given. Material: The Belgian Health Interview Survey (HIS) was conducted in 1997. The Belgian communities are responsible for cervix cancer screening as a part of the preventional health care. ; Om een gefundeerd gezondheidsbeleid uit te zetten, is men geïnteresseerd in de profielen van subgroepen van personen, bijvoorbeeld zij die vatbaar zijn voor bepaalde ziektes of diegenen die niet reageren op preventie-programma’s zoals baarmoederhalskanker-onderzoek via uitstrijkjes. Statistisch modelleren kan een oplossing bieden om zulke persoonsprofielen te zoeken. In deze tekst wordt de methode van classificatiebomen toegepast. Deze methode heeft vele voordelen in vergelijking met logistische regressie. Er zijn echter ook enkele beperkingen tot het gebruik in het survey domein. Hoe deze methode omgaat met missing data en gewichten wordt van naderbij bekeken. De eerste Belgische Gezondheidsenquête (HIS) werd uitgevoerd in 1997. De Belgische gemeenschappen zijn verantwoordelijk voor het onderzoek naar baarmoederhalskanker als onderdeel van de preventieve gezondheidszorg. De HIS laat ons toe om profielen van personen te onderzoeken die aan zo’n onderzoek deelnemen. Mensen die niet voldoen aan dit patroon zouden aangemoedigd moeten worden om toch aan deze onderzoeken deel te nemen.