Statistische voorspelmodellen kunnen kankerzorgkeuzes ondersteunen met informatie op maat
Prognose: verbeterde vooruitzichten
Maas’ proefschrift bestaat uit twee delen. In het eerste deel analyseerde Maas de levensverwachting van bijna twee miljoen Nederlandse kankerpatiënten, gediagnosticeerd tussen 1989 en 2019. Hieruit blijkt dat de levensverwachting bij de meeste kankersoorten is toegenomen, mede dankzij vroegtijdige detectie en effectievere behandelingen. Toch blijven de vooruitzichten voor sommige kankersoorten zorgwekkend, zoals voor alvleesklier- en longkanker en kanker van het centraal zenuwstelsel. Lees meer over deze studies:
- Nieuwe methode om levensverwachting te bepalen
- Levensverwachting patiënten CML toegenomen sinds 1989
Daarnaast ontwikkelde ze een voorspelmodel voor patiënten met melanoom die een schildwachtklierbiopsie ondergingen. Dit model voorspelt het risico op terugkeer van de ziekte of overlijden aan melanoom binnen vijf jaar en biedt daarmee waardevolle handvatten voor behandelbeslissingen.
Behandeleffecten: verder kijken dan het gemiddelde
In het tweede deel van haar proefschrift focust Maas op het voorspellen van behandeleffecten voor individuele patiënten. Maas laat zien dat de behandeluitkomst zoals gerapporteerd in klinische studies niet altijd representatief is. In een systematische review toont ze dat voorspelmodellen kunnen identificeren welke groepen patiënten meer baat hebben bij een andere behandeling dan een andere groep en welke modellen hier het beste in zijn.
‘Voor patiënten met diffuus grootcellig B-cellymfoom bleek bijvoorbeeld dat intensieve behandeling vooral zinvol is bij hoog-risicopatiënten [patiënten iemand met kenmerken die wijzen op een agressiever ziekteverloop, waardoor de kans op ongunstige uitkomsten groter is, red.],’ licht Maas toe op basis van een studie die zij uitvoerde. Met haar methodologische bijdragen aan het vakgebied geeft ze nieuwe inzichten in welke maten bruikbaar zijn voor het uitdrukken van behandeleffecten en het evalueren van modellen die individuele behandeleffecten voorspellen.
Praktische aanbevelingen voor artsen en onderzoekers
Het proefschrift bevat vijf concrete aanbevelingen voor professionals die werken met voorspelmodellen:
- Gebruik levensverwachting als maat voor zowel prognose als behandeleffect.
- Kies waar mogelijk voor eenvoudige modellen boven complexe varianten.
- Valideer modellen en verbeter bestaande voorspelmodellen voordat je nieuwe ontwikkelt.
- Streef naar zoveel mogelijk gepersonaliseerde voorspellingen.
- Evalueer de resultaten van data analyses kritisch om medische beslissingen te verbeteren.
Maas hoopt dat deze aanbevelingen artsen en onderzoekers beter in staat stellen om voorspelmodellen effectief en verantwoord toe te passen in de praktijk. 'Door statistische voorspelmodellen slim toe te passen, kunnen we niet alleen beter inschatten wat een patiënt te wachten staat, maar ook welke behandeling het meeste oplevert – voor díe patiënt.'
Meer informatie
Carolien Maas promoveert aan de Erasmus Universiteit Rotterdam. Haar promotieonderzoek werd begeleid door prof. dr. H.F. Lingsma, prof. dr. V.E.P.P. Lemmens, dr. ir. D. van Klaveren en dr. A.G. Dinmohamed. De promotieplechtigheid vindt plaats op 23 april 2025 om 13:00 uur. Bekijk het agenda-item op de website van de Erasmus Universiteit
- Lees de publicatie over de levensverwachting van patiënten met solide maligniteiten
- Lees de publicatie over de levensverwachting van patiënten met chronische myeloïde leukemie
- Lees de publicatie over de levensverwachting van patiënten met chronische lymfatische leukemie
- Lees de publicatie over het melanoomvoorspelmodel
- Lees de voorlopige versie van de systematische review over voorspelmodellen en behandeling
- Lees de publicatie over het onderzoek naar intensievere behandeling voor patiënten met geavanceerd stadium diffuus grootcellig B-cellymfoom
- Lees de publicatie over het evalueren van modellen die gepersonaliseerde behandeleffecten schatten
- Al deze publicaties zijn in hun volledigheid op te vragen via bibliotheek@iknl.nl
