Epistel maart 2018: Verbinden

|   Epistels

Verbindingsketen - Onderzoek

Vorig jaar is in Epistel begonnen met verbindingsketens. De bedoeling is een trits van collega’s aan het woord te laten over een bepaald onderwerp. Een collega die aan het woord is geweest geeft de beurt door aan een andere collega en zo ontstaat een verbindingsketen.

In deze Epistel beantwoordt Patrick Bossuyt (Klinische epidemiologie, AMC) een vraag van Gerhard Zielhuis (Parelsnoer Instituut en Radboud Biobank, Radboud universiteit Nijmegen):

 

Klinisch Epidemiologisch Onderzoek wordt tegenwoordig steeds vaker gemotiveerd vanuit de behoefte aan Precision Medicine: “als we weten welke patiëntengroepen wel en welke niet reageren op bepaalde behandelingen, dan kunnen we daar onze behandelprotocollen op inrichten; epidemiologen kunnen de factoren identificeren waarmee we deze groepen kunnen onderscheiden”. Uiteindelijk is dit een vraag naar effect modificatie. Er zijn eigenlijk opvallend weinig praktijkvoorbeelden van effect-modifiers die zo’n gedifferentieerd behandelbeleid rechtvaardigen. Hoe zou dat komen? Is onze onderzoeksmethode te grof om deze effecten te detecteren, zijn onze onderzoeksgroepen te klein of komt dergelijke biologische interactie veel minder vaak voor dan we denken?

Antwoord:

Niemand kan de opkomst van personalized/stratified/precision medicine zijn ontgaan. Van die drie termen lijkt de laatste het beste aan te slaan (wie zit er te wachten op een onnauwkeurige geneeskunde? ) en in veel onderzoeksvoorstellen wordt tegenwoordig met die belofte van een preciezere preventie en zorg geschermd.

In de breedte gaat precision medicine gewoonweg om een beter begrip van het ontstaan, beloop en behandelen van ziekteprocessen. In meer engere zin gaat het om een zorg waarin een interventie alleen maar wordt gestart, of voortgezet, als de voordelen groter zijn dan de nadelen, waarbij markers (elk denkbaar gegeven) ons moeten vertellen hoe groot de voor- en nadelen voor een specifieke patiënt zijn.

Het is een misverstand, denk ik, om te stellen dat het hier om effectmodificatie gaat. Het effect kan variëren voor twee patiënten – de een marker-positief, de ander marker-negatief - terwijl voor beiden de voordelen toch nog steeds groter zijn dan de nadelen. Het gaat dus ook niet om interactie tussen marker en behandeleffect, ook dan kunnen de voordelen nog steeds tegen de nadelen opwegen, en dan heeft de marker dus geen waarde. Evenmin gaat het om het voorspellen van de uitkomst. Het voordeel van een interventie is juist een verschil tussen twee mogelijke uitkomsten (bij wel/niet doen). Het gaat dus bij precision medicine eigenlijk om een vorm van kwalitatieve interactie: in precision medicine  onderscheiden markers een groep bij wie de voordelen wel tegen de nadelen opwegen, en een groep bij wie dat niet het geval is.

Dan de terechte vraag van collega Zielhuis (Gerard): waarom horen we zo zelden over echte doorbraken, waarbij de klinische geneeskunde radicaal verandert? Aan de methoden ligt het niet, denk ik. Er is een enorme statistische en methodologische energie geïnvesteerd in het onderbouwd aanwijzen van subgroepen met een andere voor-/nadelenbalans in vergelijkend onderzoek. Het is zeker ook een onderwerp waar in de opleiding van (klinisch) epidemiologen meer aandacht aan kan worden besteed. Het gaat om meer dan “ouderwetse” subgroepenanalyse. Wat veel meer een probleem vormt is de omvang van de onderzoeksgroepen. Veel gerandomiseerd onderzoek is net groot genoeg om het marginaal effect van een interventie te schatten; veel nauwkeurigheid voor verdere analyses is er vaak niet. Van de grote observationele bestanden wordt veel te veel verwacht. En, ja, het zou ook best zo kunnen dat het niet zo vaak voorkomt: markers, geassocieerd met een groot verschil in voor- en nadelenbalans, die ook nog vaak genoeg positief zijn om gedetecteerd én efficiënt gebruikt te kunnen worden. Een meer precieze geneeskunde is vandaag de dag nog altijd meer belofte dan werkelijkheid.

Terug