Voorspellen behandeluitkomsten

Kunnen we met pre-interventie patiëntkarakteristieken beter voorspellen hoe de interventie-uitkomst zal zijn voor bijvoorbeeld:
- patiënten die in aanmerking komen voor behandeling met heup/knieprothese;
- patiënten met (diverse) degeneratieve wervelkolomaandoeningen.

Deze vraag is een samenvoeging van drie geprioriteerde innovatievragen:
  1. Kunnen we door gebruik te maken van big data beter voorspellen wat het behandeleffect is op pijn en functionaliteit, na het plaatsen van een knie of heupprothese?
    27 keer geprioriteerd (22 keer NOV-lid, 3 keer patiëntvertegenwoordiger, 2 keer stakeholder).
  2. Welke factoren zijn noodzakelijk voor triage en daarmee voorspellend voor de behandeluitkomst (operatief/non-operatief) bij patiënten met degeneratieve lage rugklachten?
    20 keer geprioriteerd (17 keer NOV-lid, 1 keer patiëntvertegenwoordiger, 2 keer stakeholder)
  3. Welke factoren zijn van belang voor de selectie van optimale operatieve interventies voor patiënten met degeneratieve deformiteiten van de wervelkolom?
    10 keer geprioriteerd (8 keer NOV-lid, 2 keer patiëntvertegenwoordiger)
De drie losse vragen zijn eigenlijk modules van de vraag Wat is de voorspelbaarheid van uitkomsten na orthopedische interventie? Voor het beantwoorden van zo’n breed geformuleerde vraag is samenwerking met andere initiatieven op dit gebied nodig. Gezamenlijk werken aan de opbouw van methodologische kennis is belangrijk: hoe kunnen we bijvoorbeeld efficiënt en verantwoord gebruikmaken van big data, machine learning of andere AI-achtige applicaties, gecombineerd met de bestaande kennis en algoritmes die al ontwikkeld zijn. Deze kennis kunnen we in de toekomst inzetten bij andere hoog geprioriteerde vragen. Zo ontstaat er een wetenschappelijk orthopedisch netwerk, gericht op predictieonderzoek. In de ideale situatie kunnen we in de toekomst nieuwe modules toevoegen.
Achtergrond
De voorbeelden van heup- en knieprothesen en degeneratieve lage wervelkolomaandoeningen zijn relevant omdat:
  1. Er jaarlijks in Nederland ongeveer 28.000 totale heupprothesen (THP) en 24.000 totale knieprothesen (TKP) worden geplaatst (1). De resultaten hiervan zijn over het algemeen goed. Toch is ongeveer 10-20% van de mensen ontevreden na een TKP/THP (2-5). Een groot gedeelte van de winst in tevredenheid zal echter niet meer worden behaald door innovaties in implantaten of technieken. Daarom is deze vraag gericht op het beter selecteren van patiënten die daadwerkelijk tevreden zijn met het postoperatieve resultaat. Het gaat dus om het voorspellen (predictie) van uitkomsten. Voorbeelden van mogelijke predictoren zijn bijvoorbeeld coping-stijl en verwachtingen (6).
  2. Degeneratieve lage rugklachten komen zeer vaak voor, hebben een grote sociaal-economische impact, en stellen zorgverleners voor dilemma’s aangaande het kiezen van de optimale behandelstrategie. Het karakter van degeneratieve lage rugklachten is vaak multifactorieel. Dit maakt dat behandeling die gericht is op een specifiek onderdeel van de klachten, weinig effect kan hebben omdat andere causale factoren onbehandeld blijven. Duidelijkheid over de factoren die van belang zijn voor succesvolle behandeling zouden kunnen helpen bij het beter voorspellen van uitkomsten na verschillende behandelstrategieën.
Vanuit de NOV lopen al initiatieven op dit gebied, waaronder LROI-onderzoek (Van Rens Fonds) (7,8). Verder lopen er nationale- en internationale studies die kunnen bijdragen aan het uitwerken van deze innovatievraag. De ontwikkelingen zullen binnen CORE gevolgd worden.
Literatuur
  1. www.lroi-rapportage.nl
  2. Nilsdotter AK, Toksvig-Larsen S, Roos EM. Knee arthroplasty: are patients’ expectations fulfilled? A prospective study of pain and function in 102 patients with 5-year follow-up. Acta Orthop. 2009;80(1):55–61.
  3. Anderson JG, Wixson RL, Tsai D, Stulberg SD, Chang RW. Functional outcome and patient satisfaction in total knee patients over the age of 75. JArthroplast. 1996;11(7):831–40.
  4. Baker PN, van der Meulen JH, Lewsey J, Gregg PJ. The role of pain and function in determining patient satisfaction after total knee replacement. Data from the National Joint Registry for England and Wales. J Bone Joint Surg Br. 2007;89(7):893–900.
  5. Gandhi R, Davey JR, Mahomed NN. Predicting patient dissatisfaction following joint replacement surgery. J Rheumatol. 2008;35(12):2415–8.
  6. Development of a preoperative prediction tool for pain and functional outcome after TKA using the Dutch Arthroplasty Register (LROI) data (lopend VRF onderzoek 2018)
  7. Influence of patient characteristics (case mix) on outcome of total hip and total knee arthroplasty; a dutch national joint registry study (lopend VRF onderzoek 2017)
Om u beter van dienst te zijn, maakt de website gebruik van cookies.