Inferring Chronic Treatment Onset from ePrescription Data: A Renewal Process Approach

Deze studie introduceert een probabilisch kader dat e-receptgegevens modelleert als een hernieuwingsproces om het begin van chronische behandelingen nauwkeuriger te bepalen dan traditionele regelgebaseerde methoden, vooral in situaties met onvolledige diagnosegeschiedenissen.

De kern

🏥 Het Spoor van de Medicijnen: Een Nieuwe Manier om Ziektes te Vinden

Stel je voor dat je wilt weten wanneer iemand een chronische ziekte (zoals diabetes of hoge bloeddruk) heeft gekregen. Normaal gesproken kijken artsen en computers naar het medische dossier: de momenten waarop een arts de diagnose heeft opgeschreven.

Maar hier zit een groot probleem, vooral in landen waar digitale systemen pas recent zijn ingevoerd (zoals Slovenië in dit onderzoek). Het is alsof je een boek probeert te lezen, maar de eerste hoofdstukken zijn weggereten of nog niet geschreven. Veel oude ziektes staan er niet in, of ze staan er pas laat in. Dit noemen onderzoekers "links gecensureerd": je mist het begin van het verhaal.

🚦 De Vergelijking: De Postbode vs. De Abonnement

In plaats van te kijken naar de momenten waarop de diagnose werd geschreven, kijken deze onderzoekers naar de recepten die mensen ophalen bij de apotheek.

• De Diagnose (Het oude systeem): Dit is als een postbode die soms een brief brengt, maar vaak vergeet. Als de postbode een brief brengt, weet je dat er iets is. Maar als hij niets brengt, betekent dat niet dat er niets is; hij heeft het misschien gewoon vergeten.
• De Recepten (Het nieuwe systeem): Dit is als een abonnement op een krant. Als iemand een chronische ziekte heeft, moet ze elke maand of elk kwartaal haar medicijnen ophalen. Ze kunnen dit niet zomaar vergeten. Het patroon van het ophalen is een continu signaal.

🔍 Het Probleem: Willekeur vs. Gewoonte

De onderzoekers wilden weten: Wanneer begint die "abonnementsdienst" echt?
Soms haalt iemand een pilletje op voor een kortdurend probleem (zoals een verkoudheid). Dat is willekeurig, net als een postbode die af en toe een brief brengt.
Maar bij een chronische ziekte wordt het een gewoonte. Iemand haalt elke 3 maanden zijn medicijnen op. Dit patroon is heel regelmatig.

Het oude, simpele systeem (de "naïeve methode") dacht: "Zodra ik één recept zie met het label 'chronisch', is de ziekte begonnen!"
Dit werkt niet goed. Soms haalt iemand een pil op voor een test, of is het label fout. Het systeem denkt dan dat de ziekte al jaren bestaat, terwijl de persoon net pas ziek is geworden. Het is alsof je denkt dat iemand al 10 jaar lid is van de sportschool omdat hij één keer een kaartje heeft gekocht.

🧠 De Oplossing: De "Veranderings-Detecteur"

De onderzoekers (Pavlin, Dalibor en Blaž) hebben een slimme wiskundige methode bedacht, gebaseerd op hernieuwingsprocessen.

Stel je voor dat je een verkeerslicht hebt dat de overgang meet van "willekeurige ritjes" naar "dagelijkse pendel".

1. Fase 1 (Willekeurig): De patiënt haalt af en toe medicijnen op. De tijdsintervallen zijn onregelmatig. Dit is als een Poisson-proces (een wiskundige term voor willekeurige gebeurtenissen, zoals regenbuien).
2. Fase 2 (Geregeld): Plotseling haalt de patiënt elke 3 maanden precies op tijd medicijnen op. De intervallen worden voorspelbaar. Dit is een Weibull-proces (een patroon dat past bij vaste herhaling).

De computer kijkt naar de hele geschiedenis van de patiënt en vraagt zich af: "Op welk exacte moment is het patroon veranderd van 'willekeurig' naar 'regelmatig'?"
Dat moment noemen ze het startpunt van de behandeling.

📉 Wat Vonden Ze?

Ze keken naar data van 2,4 miljoen mensen in Slovenië.

1. Geen valse alarmen: Het oude systeem dacht vaak dat mensen ziek waren in 2016, terwijl ze pas in 2020 ziek werden. Het nieuwe systeem zag dit patroon niet en gaf een veel realistischer startdatum.
2. Het hangt af van de drukte: De methode werkt fantastisch bij ziektes waarbij mensen veel en regelmatig medicijnen nodig hebben (zoals hoge bloeddruk). Maar bij ziektes waar mensen maar af en toe iets ophalen, werkt het minder goed. Het is alsof je een spoorzoeker bent: als er veel voetstappen zijn, vind je de route makkelijk. Als er maar één voetstap is, is het lastig om te weten waar de wandeling begon.

💡 De Conclusie in Eén Zin

Door niet te kijken naar wanneer de arts het opschreef, maar naar wanneer het patroon van medicijnophalen echt regelmaat kreeg, kunnen we veel beter inschatten wanneer een chronische ziekte echt begon, zelfs als het medische dossier onvolledig is.

Het is alsof je niet kijkt naar het moment waarop iemand een huis koopt (de officiële datum), maar naar het moment waarop ze beginnen met het betalen van de hypotheek (het echte, dagelijkse bewijs van het leven daar).

Technische samenvatting

Probleemstelling

Langeitudinale elektronische gezondheidsdossiers (EHR) zijn vaak linksgecensureerd (left-censored). Dit betekent dat historische ziektegegevens onvolledig of onbetrouwbaar zijn, voornamelijk door de geleidelijke invoering van digitale zorgsystemen en de onvolledige migratie van oude papieren dossiers.

• Diagnosedata: In Slovenië nam het aantal geregistreerde diagnoses pas sterk toe na 2016 (van 350.000 naar 10 miljoen in 2020). Eerdere lage aantallen reflecteren dus niet de echte ziekte-incidentie, maar systemadoptie. Daarnaast zijn diagnoses vaak slechts één keer geregistreerd, niet systematisch bijgewerkt, en bevatten ze coderingsfouten (tot 20% misclassificatie).
• Het gevolg: Het bepalen van het exacte beginmoment (onset) van een ziekte op basis van diagnosecodes leidt tot onbetrouwbare cohorten en data-lekkage in machine learning-modellen (bijvoorbeeld als behandelingssignalen eerder voorkomen dan de diagnose).
• De oplossing: De auteurs stellen voor om receptgegevens (e-prescriptions) te gebruiken. In tegenstelling tot diagnoses zijn recepten "hernieuwingsgebaseerd" (renewal-based); ze moeten periodiek worden herhaald, wat een continu en betrouwbaarder signaal biedt voor het beheer van chronische aandoeningen.

Methodologie

De auteurs ontwikkelen een probabilistisch raamwerk om het begin van een "behandeld fenotype" (een ziekte die wordt afgeleid uit aanhoudende behandeling) te infereren. De kern van de methode is het modelleren van receptdynamiek als een hernieuwingsproces (renewal process) en het detecteren van een overgang van sporadisch naar aanhoudend voorschrijven.

1. Temporele Puntenprocessen (Temporal Point Processes)
Recepttijdstippen worden gemodelleerd via inter-aankomsttijden ($\tau$). Er worden twee regimes onderscheiden:

• Sporadisch voorschrijven (Null-model): Gemodelleerd als een homogeen Poisson-proces. Hier zijn de inter-aankomsttijden exponentieel verdeeld ($p(\tau) = \lambda e^{-\lambda\tau}$). Dit dekt acute behandelingen, incidentele voorschriften of administratief ruis.
• Aanhoudende therapie (Chronic-model): Gemodelleerd als een Weibull-hernieuwingsproces. De inter-aankomsttijden volgen een Weibull-verdeling met vormparameter $k$ en schaalparameter $\lambda$.
  • $k \approx 1$: Poisson-achtig (sporadisch).
  • $k > 1$: Regelmatig herhaalgedrag (karakteristiek voor chronische therapie).
  • $k < 1$: Geclusterde patronen (kortdurende behandelingen).
  • De parameters worden geschat per medicijn en per regime (hernieuwbaar vs. niet-hernieuwbaar) om verschillen in voorschrijfbeleid te compenseren.

2. Change-point Detectie
Het doel is het vinden van het tijdstip $c$ waarop een patiënt overgaat van sporadisch naar aanhoudend voorschrijven.

• De methode maximaliseert de log-likelihood van een reeks inter-aankomsttijden, waarbij een deel van de reeks wordt gemodelleerd als Poisson (voor $c$) en het restant als Weibull (na $c$).
• Een change-point wordt alleen geaccepteerd als de verbetering in log-likelihood een bepaalde drempelwaarde ($\epsilon$) overschrijdt. Dit voorkomt valse positieven door ruis.
• Het geselecteerde tijdstip $c$ wordt geïnterpreteerd als het begin van de behandeling.

3. Constructie van Ziekte-Fenotypes
Om van medicijn-niveau naar ziekte-niveau (ICD-10 codes) te gaan:

• Medicijnen worden gekoppeld aan ziektes op basis van empirische temporale co-occurrence (voorkomen binnen een venster van -3 maanden tot +12 maanden rondom het geïnfereerde begin).
• Voor elke ICD-code wordt een lijst van de top-30 meest specifieke medicijnen (gebaseerd op een "alignment rate") geselecteerd.
• Het begin van de ziekte voor een patiënt is het vroegste beginmoment van een van de bijbehorende medicijnen.

4. Evaluatieprotocol
De dataset bevat 2,4 miljoen patiënten (2016-2022). Het model wordt getraind op 1 miljoen patiënten en getest op 1,4 miljoen. Alle parameters (Weibull-parameters en medicijn-ziekte koppelingen) worden strikt op de trainingsset geschat om data-lekkage te voorkomen.

Kernresultaten

1. Hernieuwingsdynamiek is herkenbaar

• De schattingen van de Weibull-vormparameter $k$ tonen een sterke correlatie ($r=0.86$) tussen alle recepten en alleen de als "chronisch" gelabelde recepten. Dit bewijst dat de hernieuwingsstructuur betrouwbaar kan worden hersteld, zelfs als de administratieve labels onvolledig of ruisachtig zijn.
• Hernieuwbare recepten tonen een hogere regelmaat ($k > 2$) en langere intervallen ($\lambda \approx 350$ dagen) dan niet-hernieuwbare recepten ($\lambda \approx 100$ dagen), wat de noodzaak van regime-gescheiden modellering onderstreept.

2. Vermindering van onrealistische vroege detecties

• In vergelijking met een naïeve regel-methode (waarbij het eerste recept met een "chronisch" label direct als ziektebegin wordt genomen), produceert de change-point-methode veel plausiblere tijdschatten.
• De naïeve methode leidt tot veel "valse vroege detecties" (bijvoorbeeld het voorspellen van COVID-19 behandelingen in 2016, voordat de ziekte bestond). De change-point-methode filtert deze ruis effectief door eisen te stellen aan de continuïteit van de therapie.
• De verdeling van het verschil tussen diagnose-datum en geïnfereerde startdatum is bij de nieuwe methode dichter bij nul en minder scheef.

3. Beperkingen door voorschrijfdichtheid

• De recall (het vermogen om echte gevallen te vinden) is lager dan bij de naïeve methode, omdat de nieuwe methode conservatiever is en meer bewijs vereist.
• Er is een sterke correlatie ($r \approx 0.67$) tussen de dichtheid van recepten per patiënt en de detectieprestaties. Ziektes met dichte, gestructureerde chronische therapie (zoals diabetes of hypertensie) worden goed gedetecteerd. Ziektes met sporadisch of episodisch voorschrijven zijn moeilijker te detecteren.
• De methode is dus beperkt door de beschikbaarheid van longitudinale signalen, niet door het model zelf.

Belang en Bijdragen

1. Robuuste Fenotypering: De studie biedt een wiskundig onderbouwde methode om het begin van chronische ziektes te bepalen in EHR-data die lijden onder linksgecensureering en onvolledige diagnoseregistratie.
2. Overbrugging van Data-Kwaliteit: Door gebruik te maken van receptdynamiek in plaats van alleen diagnosecodes, wordt de kwaliteit van cohortconstructie voor AI/ML-toepassingen aanzienlijk verbeterd, wat data-lekkage voorkomt.
3. Inzicht in Voorschrijfgedrag: De studie kwantificeert hoe administratieve regels (hernieuwbaar vs. niet-hernieuwbaar) de tijdsdynamiek van medicatie beïnvloeden, wat essentieel is voor het interpreteren van real-world data.
4. Praktische Toepasbaarheid: De methode reduceert onrealistische vroege detecties drastisch, wat cruciaal is voor het bouwen van betrouwbare voorspellende modellen in de gezondheidszorg.

Conclusie: Hoewel de methode minder "overzichtelijk" is dan simpele heuristieken (lagere recall), levert ze veel temporaal plausiblere en betrouwbaardere schattingen op voor ziektebegin, mits er voldoende longitudinale receptdata beschikbaar is. Dit benadrukt het belang van het modelleren van behandelingsdynamiek in plaats van het negeren ervan in EHR-analyses.