Slim rekenmodel handig voor écht individueel advies

Wat is de aanleiding?

“Resultaten van grote klinische trials zijn vaak moeilijk te vertalen naar individuele patiënten in de dagelijkse praktijk. Deze studies rapporteren een gemiddeld effect, bijvoorbeeld in de vorm van een relatief risico. Maar dit gemiddelde effect wordt niet door elke patiënt uit de studie gehaald. Een deel heeft meer baat dan het gemiddelde, een ander deel heeft daar minder baat bij. Er zijn zelfs patiënten die zelfs nadelen ondervinden. Een arts weet van tevoren niet hoe ‘zijn’ patiënt reageert op de behandeling.”

Wat heeft u ontwikkeld?

“We hebben een methode ontwikkeld waarmee een soort formule, een voorspelregel, gemaakt kan worden van de klinische data. In die voorspelregel kunnen artsen diverse parameters van individuele patiënten invullen, zoals geslacht, gewicht, wel of niet diabetes, wel of niet roken en bloeddruk. Uiteindelijk vloeit er een voorspelling van het therapeutisch effect voor die individuele patiënt uit. We hebben dit getest in een groot cholesterolonderzoek, en het werkt.”

Wat moet er gebeuren?

“Het zou heel mooi zijn als onderzoekers naast dat ene gemiddelde getal als resultaat van een trial, ook de voorspelregel voor hun data publiceren. In ons artikel [BMJ 2011;343:d5888] beschrijven we stap voor stap hoe onderzoekers zo’n voorspelregel af kunnen leiden. De methode is een stap op weg naar personalized medicine.”