Ga naar inhoud. | Ga naar navigatie

Persoonlijke hulpmiddelen

Navigatie

Model voorspelt effect voor individuele patiënt

‘Mensen eerder behandelen biedt veel ziektevrije jaren’

PW 15 - 11-04-2016
Om te kunnen voorspellen of een medische behandeling werkt voor een individuele patiënt heeft het UMC Utrecht een rekenmodel ontwikkeld. Hiermee kunnen de extra levensjaren zonder ziekte worden berekend, om zo te beslissen om wel of niet te behandelen.
Model voorspelt effect  voor individuele patiënt

Resultaten van grote klinische studies vertalen naar de individuele patiënt, dat is de essentie van het onderzoek van het UMC Utrecht, waarvan de resultaten eind maart zijn gepubliceerd [BMJ 2016;352:i1548].

Zorgverleners behandelen grote groepen patiënten met risicofactoren om bij één patiënt een ernstig probleem te voorkomen. Het nieuwe rekenmodel helpt deze overbehandeling te verminderen, vertelt onderzoeker professor Frank Visseren, internist-vasculair geneeskundige in het UMC Utrecht: “We geven dertig patiënten bloeddrukverlagers om bij één patiënt een infarct te voorkomen. Liefst zouden we dat aantal verminderen en patiënten kunnen aanwijzen die nu geen behandeling krijgen, zoals bloeddruk- of cholesterolverlaging, maar daarbij wel baat hebben.”

De effecten van een behandeling worden uitgedrukt in een levenslange voorspelling van de winst in gezonde jaren. Hiervoor hebben de onderzoekers statistische trucs ontwikkeld in samenwerking met Harvard University in Boston. “Op de x-as plaatsen we niet de looptijd van het onderzoek, maar de leeftijd van de deelnemer aan een trial. Eén observatie duurt dan bijvoorbeeld van het 42ste tot het 46ste levensjaar. Met overlappende observaties van alle deelnemers samen kunnen we vervolgens levenslange voorspellingen doen”, aldus Visseren.

Jonge mensen

Verder stellen de onderzoekers dat juist jonge mensen het meeste baat hebben bij een preventieve behandeling van bijvoorbeeld hart- en vaatziekten, omdat zij het grootste aantal ziektevrije levensjaren kunnen winnen. “Het is net als met pensioenopbouw: daar begin je ook niet aan een paar jaar voordat je pensioen nodig hebt. Hoe eerder je investeert, hoe meer gezondheidswinst”, aldus Visseren.

Met de nieuwe tool willen de onderzoekers zowel de zorgverlener als de patiënt helpen een goede keuze te maken voor een behandeling. Deze informatie is in het kader van shared decision making ook goed te begrijpen, benadrukt Visseren. “Vertel je patiënten dat ze gemiddeld 20% minder risico hebben op het krijgen van een hart- en vaatziekte in de komende vijf jaar, zegt ze dat niet veel. Terwijl patiënten wél weten wat hen een jaar langer leven zonder ziekte waard is.”

Vaatrisico-app

Artsen in het UMC Utrecht gaan de nieuwe methode in de loop van dit jaar gebruiken. Ze kunnen de tool combineren met de vaatrisico-app, die het ziekenhuis eerder ontwikkelde voor de berekening van het risico op hart- en vaatziekten bij patiënten met en zonder vaatziekte en bij diabetespatiënten. Visseren: “Maar in essentie kunnen we de methode toepassen voor alle domeinen van de geneeskunde.”

Visseren ziet ten slotte ook mogelijkheden om de nieuwe methode te gebruiken bij klinische trials. “Vooraf berekenen we welke personen veel effect zullen hebben van een behandeling, en die kunnen we includeren. Dat zal de effectiviteit en efficiëntie aanzienlijk verhogen.

Document acties

gearchiveerd onder: Farmacotherapie, Modellen

Reacties

12-04-2016 14:42
L. Emmer zegt:

"Visseren ziet ten slotte ook mogelijkheden om de nieuwe methode te gebruiken bij klinische trials. “Vooraf berekenen we welke personen veel effect zullen hebben van een behandeling, en die kunnen we includeren. Dat zal de effectiviteit en efficiëntie aanzienlijk verhogen."

Komt hiermee de betrouwbaarheid van de trial niet in het geding?

13-04-2016 12:39
E. Bos zegt:

Antwoord van Frank Visseren, internist-vasculair geneeskundige in het UMC Utrecht:
Door patiënten te selecteren op basis van verwachtte benefit, in plaats van op basis van allerlei arbitraire in/exclusie criteria, wordt de effectiviteit en efficiëntie van een trial juist groter. In de dagelijkse klinische praktijk kan je dan ook dat algoritme gebruiken wat gebaseerd is op eenvoudige metingen (leeftijd, geslacht, bloeddruk, cholesterol, etc). Nu zijn er vaak geneesmiddelen trials met een neutraal (nul) resultaat en dat komt omdat veel patiënten geen baat bij therapie hebben en die overstemmen het resultaat bij patiënten die wel effect van therapie hebben. Op basis van een neutrale trial wordt nu meestal geconcludeerd dat een therapie niet effectief is. Dat is jammer, want een (aanzienlijk) deel van patiënten heeft wel baat van therapie gehad. Die patiënten zou je willen identificeren, niet alleen na afloop van een trial, maar juist ook bij de start.
Groet, Frank Visseren

Back to top