Naar de content

Meteen behandelen of toch even wachten?

Photostockeditor via publiek domein

Wanneer wacht je als arts even af, en wanneer besluit je om de patiënt toch meteen een behandeling te geven? Best een lastig vraagstuk, maar met behulp van computermodellen en veel patiëntendata laten biostatistici zien dat een beetje geduld vaak wel goed kan zijn.

Een blauwe stethoscoop naast een laptop.

Met behulp van computermodellen kunnen artsen beter afgewogen beslissingen maken

Pixabay, StockSnap via publiek domein

Als een huisarts tegen je zegt dat je naar huis moet gaan om uit te zieken, voelt dat niet altijd even fijn. Je bent toch ziek, waarom krijg je dan geen medicijnen? Na een aantal dagen blijkt de arts meestal wel gelijk te hebben. Geduld is een schone zaak. Maar hoewel artsen zo’n besluit niet zomaar maken, is het ook voor hen niet altijd makkelijk. Elke patiënt is toch anders, dus hoe weet je dat je de juiste keuze maakt? Daar willen onderzoekers uit het vakgebied biostatistiek graag bij helpen.

Biostatistici analyseren patiëntendata en bouwen wiskundige modellen die de effecten van verschillende behandelingen in kaart brengen, vertelt biostatisticus Nan van Geloven van het Leids Universitair Medisch Centrum (LUMC): “Zo kunnen we aan de hand van de data laten zien welke strategie het meest effectief lijkt voor elke patiënt, ook bij vraagstukken die niet geschikt zijn voor traditioneel medisch onderzoek.”

Traditioneel medisch onderzoek gaat vaak via zogenoemde gerandomiseerde trials. Bij deze trials delen onderzoekers een zorgvuldig geselecteerde groep mensen in tweeën: de helft krijgt dan het medicijn, en de andere helft een placebo. “Dit soort onderzoek levert het beste bewijs op, maar kun je niet altijd doen. Het is namelijk is niet altijd haalbaar of ethisch verantwoord om mensen een behandeling te onthouden en te zien wat er gebeurt”, zegt Van Geloven. “Maar we verzamelen wel steeds meer data over patiënten in allerlei vormen en maten, en die informatie kunnen we gebruiken.”

Modellen bouwen

Om informatie uit de data te halen bouwen biostatistici wiskundige modellen op de computer. Hiervoor maken ze vaak gebruik van een al bestaand basismodel, dat ze aanpassen aan de kenmerken van de specifieke ziekte waar ze naar kijken. “In zo’n model stop je factoren als leeftijd, geslacht, medische voorgeschiedenis en nog veel meer. Iedere ziekte heeft kenmerken die belangrijker zijn dan de andere. Zo kunnen oudere mensen bijvoorbeeld meer risico lopen op bijwerkingen van bepaalde medicijnen, of kan iemand die meer beweegt sneller herstellen van een operatie. Dat nemen we allemaal mee.”

Als de onderzoekers denken dat hun model redelijk kan voorspellen wat er zal gebeuren, toetsen ze het door bestaande data in te voegen en te kijken of de resultaten kloppen. “Op basis van deze gegevens kun je gaan finetunen”, zegt Van Geloven. “Het is belangrijk dat je je model veel test met verschillende datasets, om de kans op fouten zo klein mogelijk te maken. En uiteindelijk is het model bruikbaar, en kun je de data van nieuwe patiënten invoeren om te voorspellen wat het effect van een bepaalde behandelstrategie is.”

Afwachtende houding

Een van de praktische uitkomsten van dit soort onderzoek is een tool binnen de oncologie. Daar kunnen artsen al gebruikmaken van een model dat aangeeft hoe verschillende behandelingen de overlevingskansen van een patiënt met borstkanker beïnvloeden. Modellen voor andere ziektes, zoals bijvoorbeeld infectieziektes, zijn nog in ontwikkeling. Wat veel van deze modellen echter nog missen, is volgens Van Geloven de optie om af te wachten. “Binnen bijvoorbeeld oncologie is snel behandelen meestal beter, maar er zijn ook veel ziektes waarbij het kan lonen om niet meteen te gaan behandelen.”

Zo werkte de biostatisticus zelf aan een model voor stellen die zwanger willen worden en een inseminatie-behandeling overwegen. “Inseminatie is zowel mentaal als lichamelijk best een ingrijpend proces, dus je wil vrouwen dit eigenlijk niet onnodig laten ondergaan. Daarom hebben wij data van 1800 vrouwen geanalyseerd en gekeken wat het effect is van het uitstellen van de behandeling.” Uit het model bleek dat een afwachtende houding best kon lonen: “Een kwart van de vrouwen was na een jaar wachten alsnog op een natuurlijke manier zwanger geworden.”

Andere onderzoeken laten een soortgelijk beeld zien. Zo bleek zestig procent van de kinderen met oorontsteking ook zonder antibiotica al na een dag te herstellen, en bleek een deel van de werknemers met rugklachten eigenlijk nauwelijks baat te hebben bij de grote reïntegratieprojecten van het UWV – ook zonder deze programma’s kregen ze het voor elkaar om weer gezond aan het werk te gaan.

In de behandelkamer

De vraag is natuurlijk of dit soort resultaten ook echt door artsen worden gebruikt. Volgens Anna Roukens, internist-infectioloog bij het LUMC, laten artsen dergelijke nieuwe bevindingen over het algemeen wel meewegen: “De meeste artsen houden alle ontwikkelingen in hun vakgebied scherp in de gaten, en nemen deze ook mee in hun beslissing.”

Toch kan het soms wel even duren voor zo’n nieuwe ontdekking verwerkt wordt in de officiële richtlijnen. “Binnen de medische wereld zijn er veel richtlijnen, algemene kaders waar artsen zich aan houden, bijvoorbeeld wanneer je welk medicijn voorschrijft. Die richtlijnen worden opgesteld door een commissie, en die moeten dit soort ontwikkelingen maar net op hun netvlies hebben.”

Maar zelfs met officiële richtlijnen die geduld voorschrijven, verwacht Roukens dat artsen niet zo snel afwachten. “Je wilt toch voorzichtig zijn en zeker weten dat je niets mist, en de patiënt verwacht ook wel iets van je. Het is soms heel lastig om dan te zeggen: wacht het nog maar even af.” In haar eigen vakgebied ziet ze hier veel voorbeelden van. “Als iemand met een luchtweginfectie op de eerste hulp belandt, geven we vaak meteen antibiotica voor vijf verschillende bacteriën, zelfs al zien we hier in eerste instantie geen bewijs voor. Het zou beter zijn als we op basis van de symptomen of nieuwe beeldvormingstechnieken gerichter kunnen behandelen. Want als je eenmaal antibiotica geeft, is het ook lastig om die behandeling weer te stoppen als je geen bacterie kan vinden – je wilt natuurlijk niet het risico lopen dat je iets hebt gemist en onterecht het medicijn stopt.”

Een roze spaarvarken in het verband met krukken.

Minder behandelen kan ook kostenbesparing opleveren. Niet alleen voor zorgverzekeraars, maar ook voor de patiënt.

Flickr, Ken Teegardin via CC BY-SA 2.0

Overbehandeling

Ook van Geloven ziet veel vormen van overbehandeling: “Uit onderzoek is gebleken dat we best veel behandelingen gebruiken waarvan nooit echt onomstreden is bewezen dat ze werken. Dit betekent niet dat het slecht voor je is, maar je had ook kunnen afwachten.” En daarom is het belangrijk dat biostatistisch onderzoek de artsen kan ondersteunen. “Ze moeten soms moeilijke gesprekken voeren, dan is het prettig als ze ondersteund worden door wetenschappelijk bewijs.” Daar is Roukens het mee eens: “Je zoekt toch naar bevestiging dat je de juiste keuzes maakt. Daarvoor maak je ook gebruik van je medische intuïtie, de zogenoemde klinische blik, maar die wordt aangevuld door ontwikkelingen in de wetenschap.”

Naast artsen zijn natuurlijk ook zorgverzekeraars gebaat bij het onderzoek. Minder behandelen betekent immers minder kosten. Van Geloven ziet zeker mogelijkheid voor zorgverzekeraars om voordeel te halen uit haar modellen, maar ze ontkracht het idee dat haar onderzoek gedreven wordt door financiële prikkels: “Natuurlijk kunnen onze bevindingen uiteindelijk kostenwinst opleveren, of invloed hebben op wat ze wel en niet vergoeden. Maar de grootste voordelen zijn altijd voor de patiënt, want de meeste medische behandelingen zijn echt geen pretje. Het is dus heel fijn als we beter weten hoe we elke patiënt moeten behandelen. En als wie iemand helemaal niet meer hoeven te behandelen is dat natuurlijk de grootste winst.”

Dus als het aan Van Geloven ligt blijven biostatistici de komende jaren veel onderzoek doen naar het moment waarop behandelingen gestart worden. Al is dat soms nog wel lastig. “Je moet wel beschikking hebben over goede data. Het model voor inseminatie willen we bijvoorbeeld nog testen met grotere datasets, om zeker te weten dat het klopt. Maar die moeten dan wel beschikbaar zijn. Gelukkig verzamelen we steeds meer data, dus dat gaat uiteindelijk wel goedkomen.”

ReactiesReageer