Goede voorspelmodellen COVID-19 zijn hard nodig
Een internationale groep onderzoekers roept ontwikkelaars op om zoveel mogelijk gegevens met elkaar te delen.
Wereldwijd worden voorspelmodellen voor het coronavirus (COVID-19) ontwikkeld: welke mensen lopen meer risico om het te krijgen, welke patiënten met klachten hebben het en welke kenmerken en testuitslagen zijn bepalend voor het verloop van de ziekte? Een studie naar 31 modellen onderstreept de noodzaak om onderling meer gegevens te delen. “De meeste voorspelmodellen zijn nu nog wetenschappelijk onvoldoende betrouwbaar om medische beslissingen op te baseren.”
Onderzoekers Laure Wynants van de Universiteit Maastricht en Maarten van Smeden van het UMC Utrecht maken zich zorgen. Samen met een groep internationale onderzoekers hebben zij alle tot nu toe beschikbare voorspelmodellen voor de vroege opsporing en het ziekteverloop van COVID-19 beoordeeld. Zij concluderen dat sommige modellen belangrijke informatie bevatten voor zorgverleners, maar dat de meeste modellen vooralsnog gebaseerd zijn op te zwak wetenschappelijk bewijs. Hun publicatie is verschenen in het vooraanstaande medisch-wetenschappelijke tijdschrift British Medical Journal*.
Goede voorspelmodellen
“Goede voorspelmodellen zijn hard nodig”, stelt Maarten. “Huisartsen en specialisten in ziekenhuizen maken nu onder hoge druk gebruik van verschillende voorspelmodellen. Welke mensen lopen een groter risico om COVID-19 te krijgen? Welke patiënten met ziekteverschijnselen hebben daadwerkelijk een COVID-19 infectie? En wat is het te verwachten ziekteverloop bij patiënten met COVID-19? Concreet kun je bijvoorbeeld denken aan een model dat de kans schat dat een 35-jarige man met kortademigheid daadwerkelijk een COVID-19 infectie heeft. Soms duurt het te lang voordat je als arts een testuitslag krijgt en wil je eerder zekerheid hebben. In zo’n situatie komen voorspelmodellen in beeld maar die zijn nu nog onvoldoende accuraat om een medische beslissing op te baseren.”
Nationale zorgsystemen
Behalve voor de individuele patiënt zijn dit soort voorspelmodellen ook van belang voor de zorg als geheel. Laure: “COVID-19 is een acute bedreiging voor de wereldwijde volksgezondheid, met aantallen infecties en sterftegevallen die dagelijks stijgen. Sinds de uitbraak eind vorig jaar bedreigt de pandemie vrijwel alle nationale zorgsystemen met overbelasting.” Daarom zijn een vroege opsporing en voorspellingen over het ziekteverloop essentieel om de juiste preventie, diagnostiek en therapie in te zetten bij patiënten. Hoe gerichter die inzet, hoe efficiënter de zorg als geheel. Laure: “Je wil bijvoorbeeld voorkomen dat patiënten onnodig in het ziekenhuis belanden maar ook dat patiënten onterecht naar huis worden gestuurd en later alsnog opgenomen moeten worden.”
Diverse tekortkomingen
De onderzoekers namen 31 voorspelmodellen uit 27 internationale studies onder de loep, waarvan de meeste (25) uit China. De data voor deze studies werden verzameld tussen 8 december 2019 en 15 maart 2020. Veel van deze studies vertonen serieuze tekortkomingen. “Niet-representatieve controlepatiënten bijvoorbeeld”, vertelt Maarten, “en te kleine datasets.” Dat laatste is mogelijk een gevolg van de haast om met een voorspelmodel te komen. Gezien de noodsituatie is die haast wel begrijpelijk, vindt hij, maar dit laat onverlet dat het resultaat wetenschappelijk onverantwoord is. “Er was een studie waarin onderzocht werd hoe lang patiënten in het ziekenhuis lagen. Toen de studie na veertien dagen werd afgesloten, werden de patiënten die nog steeds waren opgenomen, uit de studie gehaald.” Logisch gevolg: het model, dat op deze studie gebaseerd is, onderschat hoe lang COVID-19 patiënten in het ziekenhuis kunnen liggen.
Oproep aan ontwikkelaars
Uit het onderzoek van Maarten en collega’s is wel een aantal voorspellende factoren naar voren gekomen, die van belang zijn voor de zorg en het zorgbeleid. Laure: “Leeftijd is zo’n factor en bijvoorbeeld geslacht, maar ook bepaalde lab-waarden als C-reactief proteïne en lactaatdehydrogenase.” Toch zijn de voorspelmodellen – over het geheel genomen – gebaseerd op te zwak wetenschappelijk bewijs. Om snel tot een verbetering te komen, zijn er in eerste instantie meer data nodig. Daarom roepen de onderzoekers de ontwikkelaars van voorspelmodellen op om onmiddellijk gegevens openbaar te delen: “Deel COVID-19 patiëntendata, want alleen dan kunnen we betrouwbare en breed inzetbare voorspelmodellen ontwikkelen, testen en toepassen in de dagelijkse praktijk. Een online plek gecoördineerd door een organisatie zoals de WHO is hard nodig, vinden de onderzoekers.
Tweewekelijkse update
De onderzoekers zetten het huidige onderzoek voort als een zogenoemde living review, met een tweewekelijkse update in British Medical Journal. Doel is om zorgverleners en beleidsmakers voortdurend van actuele informatie te voorzien over de kwaliteit van COVID-19 gerelateerde voorspelmodellen. Zij zullen bij de updates steeds nieuw beschikbare modellen aan hun studie toevoegen en deze kritisch beoordelen. Zij houden daarbij niet alleen de officiële publicaties van voorspelmodellen in wetenschappelijke tijdschriften tegen het licht, maar vooral ook studies die enkel op het internet staan in zogeheten ‘pre-print’ archieven. De modellen uit deze ‘pre-prints’ zijn namelijk vaak al beschikbaar voor gebruik door zorgverleners.
* De publicatie in British Medical Journal is verzorgd door een consortium van internationale onderzoekers, geleid door Laure Wynants van het Care and Public Health Research Institute van de Universiteit van Maastricht en Maarten van Smeden van het Julius Centrum van het UMC Utrecht.