Integrating stakeholder perspectives in modeling routine data for therapeutic decision-making

Dit artikel introduceert een raamwerk dat de verschillende perspectieven van belanghebbenden integreert bij het modelleren van routinegezondheidsdata voor therapeutische besluitvorming, waarbij multistate-modellen worden gepresenteerd als een flexibel instrument om analyses klinisch relevant, wetenschappelijk rigoureus en maatschappelijk acceptabel te maken.

De kern

Stel je voor dat gezondheidszorg een gigantisch, levend orkest is. In dit orkest spelen verschillende muzikanten: artsen, de farmaceutische industrie, patiënten en statistici. Elk van hen heeft een ander instrument en speelt een ander soort muziek.

Het probleem is dat ze vaak zonder naar elkaar te luisteren spelen. De artsen willen een heldere melodie die ze direct kunnen gebruiken, de industrie wil dat de muziek voldoet aan strenge regels van de concertzaal, patiënten willen dat hun eigen verhaal (hun gevoelens en privacy) in de compositie terugkomt, en de statistici zorgen dat de muziek technisch perfect en foutloos is. Als ze niet samenwerken, krijg je een luidruchtig, chaotisch geluid in plaats van een mooi symfonie.

Dit artikel is als een nieuwe partituur (een muziekplan) die ervoor zorgt dat iedereen samen speelt.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het probleem: Iedereen kijkt door een andere bril
De auteurs zeggen dat we steeds vaker gebruikmaken van "dagelijkse" gezondheidsgegevens (zoals medische dossiers) om te beslissen welke medicijnen werken. Maar als je deze gegevens analyseert, kijkt elke groep door een andere bril:

• De artsen willen weten: "Is dit begrijpelijk en helpt het mijn patiënt?"
• De medicijnfabrikanten willen weten: "Voldoet dit aan de regels en bewijst het dat ons product werkt?"
• De patiënten willen weten: "Wordt mijn privacy beschermd en wordt er naar mijn eigen ervaring geluisterd?"
• De statistici willen weten: "Is de berekening foutloos en eerlijk?"

Als je dit niet regelt, krijg je een analyse die voor de één waardevol is, maar voor de ander nutteloos of zelfs verdacht.

2. De oplossing: Een gezamenlijk bouwplan
De onderzoekers hebben een nieuw bouwplan gemaakt. In plaats van dat de architect (de onderzoeker) alleen beslist, nodigt hij alle bewoners (de belanghebbenden) uit om mee te denken over hoe het huis eruit moet zien.

• Ze hebben een workshop gehouden en gekeken naar bestaande voorbeelden.
• Het resultaat is een raamwerk (een blauwdruk) dat laat zien hoe je de wensen van iedereen in één analyse kunt verwerken.

3. Het gereedschap: De "Meerkleuren-kaart"
Als voorbeeld van een gereedschap noemen ze multistate-modellen.
Stel je voor dat je een ziekte niet ziet als een statische foto, maar als een bewegende film of een reis.

• Een patiënt is niet alleen "ziek" of "gezond". Ze kunnen tussendoor terugvallen, beter worden, of andere symptomen ontwikkelen.
• Een gewone analyse is als een foto: die toont alleen het moment.
• De "multistate-model" is als een GPS-app die de hele reis laat zien. Hij laat zien hoe de patiënt van punt A naar B gaat, welke omwegen ze nemen, en hoe lang ze erover doen.
• Dit is perfect omdat het voor artsen visueel duidelijk is (een kaart), voor statistici nauwkeurig is (de route berekenen), en voor patiënten eerlijk is (het toont hun echte reis, inclusief de hobbels).

4. De rol van de statistici: De regisseurs
Het artikel benadrukt dat statistici niet alleen "rekenmachines" zijn. Ze zijn meer als regisseurs of chef-koks.

• Soms is een simpele salade (standaard analyse) genoeg.
• Maar soms heb je een complexe maaltijd nodig die een nieuw recept vereist. De statistici zijn degenen die dat nieuwe recept bedenken en koken, zodat het gerecht precies smaakt zoals de gasten (artsen, patiënten, industrie) het willen.

Conclusie: Een betere maaltijd voor iedereen
De boodschap is simpel: Als je vanaf het begin vraagt wat iedereen belangrijk vindt, krijg je een analyse die niet alleen wetenschappelijk klopt, maar ook echt nuttig is voor de dokter, eerlijk voor de patiënt en bruikbaar voor de industrie. Het is alsof je niet alleen een gerecht kookt dat er goed uitziet, maar dat ook smaakt voor iedereen aan tafel.

Technische samenvatting

Probleemstelling

Routinematig verzamelde gezondheidsdata worden steeds vaker gebruikt om real-world evidence (RWE) te genereren voor therapeutische besluitvorming. Een fundamenteel probleem is echter dat de diverse belanghebbenden (stakeholders) – waaronder clinici, vertegenwoordigers van de farmaceutische industrie, patiëntenorganisaties en statistici – vaak verschillende prioriteiten stellen wat betreft datakwaliteit, analyse en interpretatie.

• Zonder expliciete aandacht voor deze perspectieven lopen analyses het risico gefragmenteerd te zijn.
• De resultaten kunnen misaligneren met de behoeften van de eindgebruikers.
• Er kan een gebrek aan transparantie ontstaan, wat de bruikbaarheid van het bewijsmateriaal beperkt.

Methodologie

De auteurs hebben een conceptueel raamwerk ontwikkeld dat inclusief is voor alle belanghebbenden. De aanpak omvatte:

1. Interdisciplinaire workshop: Een gezamenlijke sessie met vertegenwoordigers van de verschillende stakeholdergroepen om hun specifieke behoeften en prioriteiten in kaart te brengen.
2. Literatuurstudie: Ondersteuning van de inzichten uit de workshop door middel van gerichte voorbeelden uit de bestaande literatuur.
3. Koppeling van prioriteiten: Het raamwerk koppelt de prioriteiten van elke stakeholdergroep direct aan methodologische vereisten en identificeert analytische strategieën die deze diverse perspectieven kunnen integreren.

Belangrijkste Bijdragen en Resultaten

Het artikel identificeert de specifieke prioriteiten van de vier kernstrollen en laat zien hoe deze in modellering kunnen worden vertaald:

• Clinici: Prioriteren interpretatieerbaarheid en klinische relevantie. Analyses moeten direct toepasbaar zijn in de dagelijkse praktijk.
• Farmaceutische industrie: Legt de nadruk op reguliere compliance en de generatie van robuuste real-world evidence voor toelatingen en registraties.
• Patiëntenorganisaties: Benadrukken transparantie, de integratie van patiëntgerapporteerde uitkomsten (PRO's) en strikte privacybescherming.
• Statistici: Focusseren op controle van bias en methodologische rigore.

Methodologische Oplossing: Multistate-modellen
Als concrete technische oplossing wordt multistate-modellering geïntroduceerd als een veelbelovende aanpak om deze eisen te operationaliseren. Deze modellen bieden:

• Het vastleggen van dynamische ziekteverlooptrajecten (in plaats van statische eindpunten).
• Integratie van intermediaire uitkomsten.
• Grafische interpretatieerbaarheid, wat cruciaal is voor clinici en patiënten om de complexiteit van de ziekte te begrijpen.

Daarnaast wordt de rol van de statisticus benadrukt als fundamenteel voor klinisch onderzoek. Afhankelijk van het onderzoeksdoel varieert deze rol van het leveren van consultatie voor standaardanalyses tot het toepassen of aanpassen van geavanceerde methoden, en zelfs het ontwikkelen van volledig nieuwe methoden voor unieke onderzoeksvragen.

Betekenis en Conclusie

Het ontwikkelde stakeholder-inclusieve raamwerk biedt methodologische richtlijnen voor het ontwerpen van analyses van routinedata die tegelijkertijd:

1. Klinisch betekenisvol zijn.
2. Wetenschappelijk rigoureus zijn.
3. Sociaal aanvaardbaar zijn.

De kernboodschap is dat door de onderzoeksvraag vanaf het begin af te stemmen op de beoogde perspectieven, er robuuster en transparanter bewijsmateriaal kan worden gegenereerd. Multistate-modellen fungeren hierbij als een flexibel instrument om deze integratie in de praktijk te brengen, waardoor de kloof tussen data-analyse en therapeutische besluitvorming wordt overbrugd.