Beslisbomen faciliteren een “levende richtlijn” en datagedreven zorg op maat

Door richtlijnen weer te geven als datagedreven beslisbomen kunnen artsen het behandeladvies voor een individuele patiënt interpreteren voor behandeling op maat. Mathijs Hendriks, internist-oncoloog Noordwest Ziekenhuisgroep en collega’s beschrijven een methode om op basis van richtlijnaanbevelingen algoritmen in de vorm van beslisbomen te ontwikkelen. Ze pasten de methode toe op de richtlijn borstkanker en publiceerden hierover in het Journal of Clinical Oncology - Clinical Cancer Informatics.

Beslisbomen

Door de exponentieel groeiende kennis en mogelijkheden voor personalized medicine wordt het toepassen van richtlijnen een steeds grotere uitdaging. De beslisbomen volgen het zorgtraject wat de patiënt aflegt: bijvoorbeeld de initiële diagnostiek, initiële behandeling, aanvullende behandeling na operatie etc. De knooppunten van de beslisbomen representeren data-items die de eigenschappen van patiënt- en ziekte weergeven (bijv. tumorstadium). De takken staan voor de afkappunten (bijv. stadium II) en de bladeren van de beslisboomboom voor de zorgaanbevelingen. Op die manier leiden de beslisbomen voor combinaties van patiënt- en ziektegegevens tot het behandeladvies uit de richtlijn voor de specifieke patiënt. 

Subgroepen

De toepassing van de methode op de richtlijn borstkanker resulteerde in 60 beslisbomen opgebouwd uit 114 data-items, zoals leeftijd en tumor gradering. Deze beslisbomen beschrijven in totaal 376 unieke subgroepen patiënten waarvoor de richtlijn borstkanker een gericht behandeladvies geeft. Dit aantal neemt naar verwachting verder toe door de ontwikkeling van precision medicine. Hierbij gaan nieuwe diagnostische mogelijkheden, zoals biomarkers, een steeds groter rol spelen in de medische besluitvorming. De systematisch weergave in een beslisboom is daarbij behulpzaam en gemakkelijk up-to-date te houden. 

Voorkeur van de patiënt

Hendriks en collega’s benadrukken dat aanbevelingen waarvoor in de literatuur weinig bewijslast is in de richtlijn worden opgenomen op basis van consensus door zorgprofessionals. Deze overwegingen uit de richtlijnen staan evengoed in de beslisbomen. Een beslisboom maakt de richtlijn dus niet onbedoeld meer zwart-wit. Ook aan de status van de richtlijnadviezen verandert niets. De medisch specialist weegt het behandeladvies en er kunnen beweegredenen zijn om hiervan af te wijken. Beslisbomen zijn ter ondersteuning van het multidisciplinair overleg (mdo) en de gedeelde besluitvorming met de patiënt, waarin de context en voorkeuren van de patiënt worden meegewogen.

Eenheid van taal

De 114 data-items waarmee de richtlijn borstkanker is beschreven, zijn zoveel mogelijk gebaseerd op internationale classificaties (zoals ICD-O-3, TNM) en coderingssystemen (zoals SNOMED-CT). Hierdoor ontstaat eenheid van taal, een belangrijke randvoorwaarde voor elektronische gegevensuitwisseling en meervoudig gebruik van eenmalig vastgelegde data. Op deze manier kunnen medisch specialisten op basis van de richtlijn regie voeren over de inrichting van het dossier. 

“If medicine wishes to stay in control of its own future, physicians will not only have to embrace algorithms, they will also have to excel at developing them…” Ziad Obermeyer

De beslisbomen zijn gepubliceerd in Oncoguide (www.oncoguide.nl) en de bijbehorende informatiestandaard op Art-Decor van Nictiz.

Beslisondersteuning

Met eenheid van taal is aan een belangrijke randvoorwaarde voldaan om de beslisbomen via beslisondersteuning toegankelijk te maken voor medisch specialisten. Richtlijnaanbevelingen kunnen dan automatisch gegenereerd worden op basis van patiëntgegevens die zij invullen in het EPD. Bij weloverwogen afwijken van de richtlijn kan de reden worden vastgelegd. Zo worden richtlijnen een levend onderdeel van een snel lerend zorgsysteem. 

Publicatie

A transformation of the national breast cancer guideline into data driven clinical decision trees. Journal of Clinical Oncology Clinical Cancer Informatics. Mathijs P. Hendriks, MD, Xander A.A.M. Verbeek, PhD, Thijs van Vegchel, drs., Maurice J.C. van der Sangen, PhD, Luc J.A. Strobbe, PhD, Jos W.S. Merkus, PhD, Harmien M. Zonderland, PhD, Carolien H. Smorenburg, PhD, Agnes Jager, PhD, Sabine S. Siesling, PhD.

Meer informatie

Gerelateerd nieuws

Statistische voorspelmodellen kunnen kankerzorgkeuzes ondersteunen met informatie op maat

cover proefschrift Carolien Maas Er is een groeiende behoefte in de oncologie aan op maat gemaakte informatie over het ziekteverloop en welke behandeling het beste werkt voor een individuele patiënt. Carolien Maas (IKNL/Erasmus MC) biedt met haar promotieonderzoek belangrijke inzichten voor het voorspellen van prognoses en behandeleffecten bij patiënten met kanker. Deze inzichten ondersteunen clinici en patiënten bij het maken van beter geïnformeerde keuzes.  lees verder

European Cancer Information System geüpdatet voor beter inzicht in Europese kankertrends

European Cancer Information System Het European Cancer Information System (ECIS) is vernieuwd en bevat nu de meest actuele cijfers over kanker in Europa. Deze update is mogelijk gemaakt door gegevens van meer dan 125 kankerregistraties in 32 landen – waaronder IKNL. De coördinatie ligt bij het Joint Research Centre (JRC) van de Europese Commissie. lees verder