proefschrift-bayesiaanse-netwerken-oncologie

Betere schatting van behandeleffect in oncologische zorg met Bayesiaanse netwerken

Bayesiaanse netwerken vergroten toepassingsmogelijkheden van NKR-data

Om de oncologische zorg te verbeteren, is een betrouwbare vergelijking van behandeluitkomsten essentieel. Uit recent promotieonderzoek van Melle Sieswerda (Maastricht University) blijkt dat Bayesiaanse netwerken waardevolle inzichten kunnen verschaffen in relaties tussen variabelen en in sommige gevallen kunnen helpen bij het identificeren en corrigeren van confounders (verstorende variabelen) in observationele data, zoals de Nederlandse Kankerregistratie (NKR). Dit leidt tot een nauwkeurigere schatting van het behandeleffect.

Innovatieve analysemethoden voor optimaal gebruik van NKR-data

Het onderzoek heeft geleid tot drie belangrijke methodologische innovaties:

  1. Identificatie en correctie van confounders: Door het toepassen van Bayesiaanse netwerken kunnen verstorende variabelen in observationele data beter worden herkend en gecorrigeerd. Dit maakt een meer betrouwbare inschatting van het daadwerkelijke behandeleffect mogelijk.
  2. Langere bruikbaarheid van data ondanks trendbreuken: Een nieuwe methode voor het probabilistisch ‘vertalen’ van classificatiesystemen zorgt ervoor dat gegevens uit de NKR langer gebruikt kunnen worden, zelfs als de manier van classificeren verandert.
  3. Veilige internationale samenwerking zonder datadeling: Dankzij de ontwikkelde federated learning-infrastructuur kunnen inzichten internationaal gedeeld worden zonder dat patiëntendata daadwerkelijk de landsgrenzen over gaan. Dit draagt niet alleen bij aan dataveiligheid en bredere toepassing van onderzoeksresultaten, maar biedt ook nieuwe kansen voor samenwerking en benchmarking.

Registratie aan de bron zonder extra registratielast

Een ander belangrijk resultaat uit het onderzoek is dat (NKR-)registratie aan de bron technisch mogelijk is zonder extra registratielast voor zorgverleners. Dit betekent dat data efficiënter verzameld en benut kunnen worden, zonder dat dit leidt tot een hogere administratieve druk in de klinische praktijk. Dit biedt kansen voor verdere optimalisatie van dataverzameling en -gebruik binnen de oncologische zorg.

Toepassingen in de praktijk: data-gedreven besluitvorming in oncologie

Deze nieuwe methoden vergroten de toepassingsmogelijkheden van NKR-data en dragen bij aan de ontwikkeling van een meer data-gedreven oncologische zorgpraktijk.

Het nauwkeuriger kunnen schatten van behandeleffecten ondersteunt zorgprofessionals en beleidsmakers bij het maken van weloverwogen beslissingen, met als doel de uitkomsten voor patiënten te verbeteren. Dit sluit direct aan bij de principes van value-based healthcare, waarbij zorgbeslissingen worden onderbouwd met de best mogelijke data en methodologieën.

Bron: 
Predicting Lung Cancer Survival Using Probabilistic Reclassification of TNM Editions With a Bayesian Network. Melle Sieswerda, Inigi Bermejo, Gijs Geleijnse, Mieke Aarts, Valery Lemmens, Dirk de Ruysscher, André Dekker, Xander Verbeek.

Impact on Quality of Documentation and Workload of the Introduction of a National Information Standard for Tumor Board Reporting. Kees Ebben, Melle Sieswerda, Ernest Luiten, Joan Heijns, Carmen van der Pol, Maud Bessems, Aafke Honkoop, Mathijs Hendriks, Janneke Verloop, Xander Verbeek.

Prognostic factors analysis for oral cavity cancer survival in the Netherlands and Taiwan using a privacy-preserving federated infrastructure. Gijs Geleijnse, RuRu Chun-Ju Chiang, Melle Sieswerda, Melinda Schuurman, KC Lee, Johan van Soest, Andre Dekker, Wen-Chung Lee, Xander Verbeek.

Identifying Confounders Using Bayesian Networks and Estimating Treatment Effect in Prostate Cancer With Observational Data. Melle Sieswerda, Shixuan Xie, Ruby van Rossum, Inigo Bermejo, Gijs Geleijnse, Katja Aben, Felice van Erning, Valery Lemmens, André Dekker, Xander Verbeek.

Estimating Treatment Effect of Adjuvant Chemotherapy in Elderly Patients With Stage III Colon Cancer Using Bayesian Networks. Melle Sieswerda, Ruby van Rossum, Inigo Bermejo, Gijs Geleijnse, Katja Aben, Felice van Erning, Ignace de Hingh, Valery Lemmens, André Dekker, Xander Verbeek. 

Meer informatie
Meer weten over dit onderzoek? De volledige publicaties zijn op te vragen via bibliotheek@iknl.nl.

Medewerkers

Melle Sieswerda

melle sieswerda

chief medical information officer

lees verder
Gerelateerd nieuws

Waardevolle inzichten uit tweede pilot proactief gegevens delen in Almere

Barbara Boerlijst Barbara Boerlijst is projectleider van het project palliatieve zorg dichter bij huis in Almere. Een project binnen het programma Positief Gezond Almere, een regionale samenwerkingsstructuur waarin zorgorganisaties, sociaal domein, gemeente en inwoners samen werken aan toekomstbestendige zorg en welzijn in de stad. Binnen dit programma worden thema’s als passende zorg, samenwerking in de wijk en digitalisering actief opgepakt. Vanuit haar rol als projectleider was Boerlijst verantwoordelijk voor de uitvoering van de pilot Proactief gegevens delen in Almere lees verder

Infrastructuur voor geautomatiseerde gegevensuitwisseling R(H)ONDA gevalideerd

infrastructuur datastroom RHONDA gevalideerd De resultaten van een validatiestudie tonen aan dat automatische gegevensuitwisseling vanuit elektronische patiëntendossiers (epd's) naar de Nederlandse Kankerregistratie (NKR) betrouwbaar is. De validatiestudie bevestigt dat gestructureerde data over diagnose, laboratoriumwaarden en behandeling via de Datagateway van Performation correct uit de epd’s kunnen worden opgehaald en sneller beschikbaar zijn in de NKR. lees verder