Projectdetails

of


Klinische toepasbaarheid van medische predictiemodellen in de allergologie.

Keywords:
Allergologie Predictiemodellen Beslissingsondersteuning

Researchers:
R.G. Pleijhuis
J.N.G. Oude Elberink

Nature of the research:
Het onderhavige project is gericht op het inventariseren en valideren van predictiemodellen in de wetenschappelijke literatuur. Voorbeelden hiervan zijn: predictie van mastocytose bij insectenanafylaxie, de kans op botbreuken bij patiënten met mastocytose, of de kans op een onderliggende voedselallergie bij patiënten met voor voedselallergie verdachte klachten. Aansluitend zal de vertaalslag worden gemaakt naar de klinische praktijk. Hiervoor zullen we gebruik maken van het online platform ‘Evidencio’. Met dit predictieplatform kunnen gegevens uit wetenschappelijke publicaties eenvoudig worden omgezet naar gebruiksvriendelijke calculators. Deze calculators kunnen op hun beurt door artsen wereldwijd worden gebruikt ter ondersteuning van de medische besluitvorming.

Fields of study:
epidemiology and statistics allergology

Background / introduction
Klinische predictiemodellen zijn statistische tools waarmee individuele kansen of risico’s kunnen worden geschat aan de hand van patiënt-specifieke kenmerken. De afgelopen jaren is sprake geweest van een exponentiële toename van het aantal klinische predictiemodellen gepubliceerd in peer-reviewed tijdschriften. Naar verwachting zal deze groei in de komende jaren verder doorzetten. Desondanks blijft het gebruik van predictiemodellen in de praktijk nog altijd ver achter.

De belangrijkste oorzaken van het achterblijven van predictiemodellen zijn:

• Gebrek aan kwaliteitscontrole en transparantie:
Voor eenzelfde klinische vraagstelling zijn er vaak meerdere modellen in omloop. Dit leidt tot
verwarring bij medici ten aanzien van welk model moet worden toegepast. Een groot deel van
de predictiemodellen is bovendien niet beschikbaar als gebruiksvriendelijke calculator, wat
klinische implementatie verder bemoeilijkt.

• Gebrek aan (externe) model validatie:
Voordat een nieuw predictiemodel kan worden toegepast in de kliniek, dient deze eerst
(extern) te worden gevalideerd om de generaliseerbaarheid van het model te evalueren.
Desondanks blijkt slechts een klein deel (<40%) van de modellen extern te zijn gevalideerd.

• Gebrek aan integratie met EPD en digitale richtlijnen:
De beperkte integratie van predictiemodellen met het elektronisch patiënten dossier (EPD) en
digitale richtlijnen is een derde oorzaak van de beperkte klinische implementatie.
Research question / problem definition
Het onderhavige project is gericht op het inventariseren en valideren van predictiemodellen in de wetenschappelijke literatuur. Voorbeelden hiervan zijn: predictie van mastocytose bij insectenanafylaxie, de kans op botbreuken bij patiënten met mastocytose, of de kans op een onderliggende voedselallergie bij patiënten met voor voedselallergie verdachte klachten.

Aansluitend zal de vertaalslag worden gemaakt naar de klinische praktijk. Hiervoor zullen we gebruik maken van het online platform ‘Evidencio’. Met dit predictieplatform kunnen gegevens uit wetenschappelijke publicaties eenvoudig worden omgezet naar gebruiksvriendelijke calculators (zie Figuur). Deze calculators kunnen op hun beurt door artsen wereldwijd worden gebruikt ter
ondersteuning van de medische besluitvorming.
Workplan
1. Literatuuronderzoek:
Het project gaat van start met een inventarisatie van de reeds beschikbare predictiemodellen in de internationale literatuur gericht op de allergologie. Vervolgens wordt er een selectie gemaakt van predictiemodellen die relevant worden geacht voor de dagelijkse praktijk van de allergoloog.
2. Creatie van digitale calculators:
Wanneer de inventarisatie is afgerond, zet je de gevonden predictiemodellen om in digitale calculators. Je kunt hiervoor gebruik maken van het online platform Evidencio (www.evidencio.org), waarmee de gegevens uit gepubliceerde artikelen eenvoudig kunnen worden getransformeerd naar gebruiksvriendelijke calculators. Wanneer niet alle benodigde gegevens uit het artikel te halen zijn, probeer je contact te leggen met de auteurs om deze alsnog te achterhalen.
3. Externe validatie:
Voordat een nieuw predictiemodel in de medische praktijk kan worden gebruikt, moet het model eerst extern worden ‘gevalideerd’. Dit houdt in dat wordt nagegaan of het model goed blijft presteren (d.w.z. correcte voorspellingen blijft doen) wanneer het op een nieuwe populatie patiënten worden toegepast. Voor deze externe validatie kan je gebruik maken van een bestaande database, die door de vakgroep allergologie ter beschikking wordt gesteld. Zo nodig vul je de dataset aan met ontbrekende variabelen. Voor de externe validatie kan opnieuw gebruik worden gemaakt van het Evidencio platform, waarmee dit proces grotendeels geautomatiseerd kan worden verricht.
4. Publiceren van een wetenschappelijk artikel:
De resultaten van het literatuuronderzoek (model inventarisatie) evenals de resultaten van de externe validatie worden verwerkt in de vorm van een manuscript wat kan worden aangeboden aan een wetenschappelijk tijdschrift. De student zal hierbij als medeauteur op het artikel worden vermeld. Daarmee is dit project een uitstekende manier om alvast ervaring op te doen met het schrijven van een wetenschappelijk artikel en je CV een boost te geven. Ook kan het project dienen als voorbereiding op een toekomstig MD/PhD-traject binnen de allergologie.
References
Ebell M. AHRQ white paper: Use of clinical decision rules for point-of-care decision support. Med Decis Making 2010;30:712-21.

Verbeek AJ, Verbeek JF, van Dijk JA, Verbeek AL. Stand van zaken methodologie van onderzoek: ziektekansen voorspellen: rekenen met predictieregels. Ned Tijdschr Geneeskd. 2014;158:A7041.
back to toptop