Mortality outcomes after removal from end-of-life registers: A prospective cohort-controlled study

Deze prospectieve cohortstudie toont aan dat het veilig en zinvol is om patiënten met een betere prognose systematisch door huisartsen te verwijderen uit het eind-levensregister, aangezien hun overleving vergelijkbaar is met die van de algemene bevolking en aanzienlijk beter dan die van patiënten die op het register blijven staan.

De kern

Titel: Het "Eind van het Leven"-Lijstje: Wanneer is het tijd om iemand er weer af te halen?

Stel je voor dat je huisarts een speciale, rode lijst bijhoudt. Op deze lijst staan mensen die naar verwachting binnen het jaar zullen overlijden. Dit is geen somber lijstje, maar juist een veiligheidsnet. Als iemand hierop staat, krijgen ze extra aandacht, betere zorgcoördinatie en een plan voor als het misgaat. Het doel is om de laatste tijd zo comfortabel mogelijk te maken.

Maar hier zit een probleem: Het leven is onvoorspelbaar.

Soms krijgt iemand een nieuwe behandeling, herstelt ze zich onverwachts, of blijkt de arts zich toch te hebben vergist in de voorspelling. Deze mensen "stabiliseren". Ze zijn nog steeds oud en ziek, maar ze zijn niet meer op de rand van de afgrond. Het probleem is: ze staan nog steeds op die rode lijst.

De vraag van het onderzoek
De artsen in Wolverhampton (Engeland) vroegen zich af: "Wat gebeurt er als we iemand van die lijst halen? Is dat veilig? Of sterven ze plotseling omdat we ze niet meer in de gaten houden?"

Om dit uit te zoeken, deden ze iets heel slims met hun digitale systeem.

De "Robot-Controle" (De BOT)
Stel je voor dat de huisartsen een robot hebben die als een detective door alle medische dossiers loopt. Deze robot (die ze "BOT" noemen) zoekt naar specifieke signalen:

• Heeft de patiënt een plan voor noodgevallen?
• Is er een gesprek geweest met een specialist?
• Is er een "Verras me niet"-vraag gesteld (een vraag die artsen zichzelf stellen: "Zou ik verrast zijn als deze patiënt binnen een jaar doodgaat?").

Als de robot deze signalen ziet, zegt hij: "Deze persoon hoort echt op de lijst."
Maar wat als de robot geen signalen ziet? Dan is het tijd voor de menselijke arts om te kijken.

Het Experiment
De artsen namen alle 422 mensen op de lijst en keken ze één voor één na. Ze gebruikten de robot als hulpmiddel, maar de uiteindelijke beslissing lag bij de mens.
Het resultaat was verrassend: 33 mensen (ongeveer 8%) mochten van de lijst af.

De artsen dachten: "Deze mensen zijn stabiel. Ze hebben geen acute signalen meer. Laten we ze van de lijst halen, maar wel in de gaten houden."

De Vergelijking: De "Dubbele Check"
Om te weten of dit veilig was, vergeleken ze deze 33 mensen met twee andere groepen:

1. De "Vaste" Lijst: Mensen die op de lijst bleven staan.
2. De "Matchende" Controle: Mensen die niet op de lijst stonden, maar die precies even oud, even ziek en even arm/rijk waren als de mensen die er af werden gehaald.

Wat bleek er?

• De mensen die op de lijst bleven: Hadden een veel hogere sterftecijfer (bijna 40% overleed binnen een jaar). Dit was te verwachten, want ze waren echt aan het eind van hun leven.
• De mensen die van de lijst werden gehaald: Hun sterftecijfer was niet anders dan de mensen die nooit op de lijst stonden. Ze leefden net zo lang als de "controle-groep".
• De veiligheid: Het was dus veilig! Het verwijderen van deze mensen betekende niet dat ze de zorg misten die ze nodig hadden. Integendeel, het bleek dat ze minder zwaar ziek waren dan gedacht.

De "Veiligheidsnet"-Analogie
Stel je voor dat je een paraplu hebt voor als het regent.

• Als het stormt (de patiënt is heel ziek), houd je de paraplu boven je hoofd.
• Maar als de regen stopt en de zon komt (de patiënt stabiliseert), houd je de paraplu niet meer boven je hoofd. Je doet hem dicht, maar je houdt hem wel in je hand voor als het weer verandert.

In dit onderzoek hielden de artsen de "paraplu" (het digitale systeem) in de gaten. Zelfs als iemand van de lijst werd gehaald, bleven ze in een digitale bewakingslijst staan. Na 6 maanden keek de robot weer: "Is het nog steeds droog? Of begint het weer te regenen?" Zo konden ze snel ingrijpen als dat nodig was.

Wat leren we hieruit?

1. Lijsten zijn dynamisch: Een lijst voor het einde van het leven is geen statisch document. Het moet bewegen mee met de patiënt. Mensen kunnen erop komen, maar ook weer af.
2. Technologie helpt de mens: De robot (BOT) helpt de arts om te zien wie er echt extra aandacht nodig heeft. Maar de menselijke arts maakt de definitieve beslissing.
3. Veiligheid: Het is veilig om mensen van de lijst te halen als ze stabiel zijn, zolang er een goed systeem is om ze in de gaten te houden.

Conclusie
Dit onderzoek laat zien dat we niet bang hoeven te zijn om mensen van de "eind-lijst" te halen als ze beter gaan. Het is juist een teken van goede zorg: de zorg aanpassen aan de werkelijkheid. Door slimme digitale hulpmiddelen te gebruiken, kunnen artsen de juiste balans vinden tussen extra zorg en het niet onnodig labelen van mensen als "doodziek".

Het is alsof je een kaart volgt: soms moet je een afslag nemen, soms moet je terugrijden. Het doel is om de patiënt altijd op de juiste route te houden, zonder vast te zitten in een verkeerd traject.

Technische samenvatting

Titel: Sterfte-uitkomsten na verwijdering van eind-levensregisters: Een prospectieve cohort-gecontroleerde studie.

1. Het Probleem

Het vroegtijdig identificeren en registreren van patiënten in het laatste levensjaar (op het "End-of-Life Register" of EOL_R) is essentieel voor een betere zorgcoördinatie en uitkomsten in de huisartsenpraktijk. Echter, er is weinig bekend over patiënten die na een klinische beoordeling stabiliseren en mogelijk niet langer op het register moeten staan.

• Gaten in de kennis: Er is weinig bewijs over de veiligheid en prognostische validiteit van het verwijderen (de-escalatie) van patiënten van het register.
• Risico: Zonder gestructureerd beleid kunnen patiënten onterecht op het register blijven staan, wat leidt tot onnodige zorgintensiteit, of juist worden verwijderd zonder adequate opvolging, wat risico's met zich meebrengt.
• Doel: Onderzoeken of een systematische, door huisartsen geleide beoordeling, ondersteund door digitale systemen, veilig kan leiden tot verwijdering van het register en welke de gevolgen zijn voor de sterfte.

2. Methodologie

• Onderzoeksdesign: Prospectieve cohort-gecontroleerde studie uitgevoerd in acht huisartsenpraktijken in Wolverhampton, VK.
• Populatie: Alle volwassenen (≥18 jaar) in de geïntegreerde dataset (n=39.079), specifiek gefocust op de 422 patiënten die op dat moment op het EOL_R stonden.
• Interventie (PRADA-systeem):
  • Gebruik van een digitaal pad genaamd PRADA (Proactive Risk-Based and Data-Driven Assessment of Patients at the End of Life).
  • Een "Robotic Process Assessment" (BOT) analyseerde vijf processmarkers voor eind-levenszorg (o.a. de "Surprise Question", EPaCCS-documentatie, ReSPECT-plannen, geavanceerde zorgplannen en contact met palliatieve teams).
  • Huisartsen kregen een overzicht van deze data en moesten een binair besluit nemen: behouden of verwijderen van het register.
  • Veiligheidsnet: Patiënten die werden verwijderd, kwamen automatisch op een "digitale tracker" met een verplichte herbeoordeling na 6 maanden (of eerder indien nodig).
• Vergelijkingsgroepen:
  1. Patiënten verwijderd van het EOL_R (n=33).
  2. Patiënten behouden op het EOL_R (n=389).
  3. Een strakke propensiteit-gematchte controlegroep (n=354) van patiënten die niet op het register stonden, maar wel matchten op leeftijd, geslacht, etniciteit, sociaaleconomische status (IMD) en multimorbiditeit (≥3 chronische aandoeningen).
  4. De resterende algemene populatie.
• Follow-up: 15 maanden, met een minimum van 6 maanden na de laatste beoordeling.
• Outcome: All-cause mortaliteit (overlijden om welke reden dan ook).

3. Belangrijkste Bijdragen

• Dynamisch Register: Het paper bevestigt dat het EOL_R een dynamisch proces moet zijn, waarbij regelmatige herbeoordeling essentieel is, in plaats van een statische lijst.
• Digitale Governance: Het introduceert een "end-to-end" digitale aanpak die niet alleen patiënten identificeert, maar ook systematisch de verwijdering ondersteunt met gedocumenteerde beslissingen en verplichte follow-up.
• Klinisch Oordeel gecombineerd met Data: Het model integreert robuuste data-analyse (BOT) met het klinische oordeel van de huisarts, wat de prognostische nauwkeurigheid verbetert in de "grijze zone" van patiënten.
• Veiligheid van Verwijdering: Het biedt empirisch bewijs dat verwijdering veilig kan zijn als dit gebeurt binnen een gestructureerd kader.

4. Resultaten

• Verwijderingspercentage: Van de 422 geregistreerde patiënten werden 33 patiënten (7,8%) verwijderd na klinische beoordeling.
• Overleving:
  • De eenjarige overleving van de verwijderde groep was statistisch niet te onderscheiden van de strakke propensiteit-gematchte controlegroep (die niet op het register stond).
  • De overleving was significant hoger dan bij de groep die op het register bleef (60,4% overleving vs. 39,6% sterfte in de behouden groep; p<0.001).
• Voorspellende Waarde:
  • Verwijdering had een negatief voorspellende waarde (NPV) voor sterfte van 90,9% (30 van de 33 verwijderde patiënten leefden nog na 15 maanden).
  • Zelfs binnen de groep die geen formele eind-levensprocessmarkers had (BOT-negatief), hadden de verwijderde patiënten een significant lagere sterfte (9,1%) dan degenen die toch op het register bleven (35,6%).
• Sensitiviteit: Het behoud op het register had een hoge sensitiviteit (98,1%) voor het vangen van overlijdens, wat aangeeft dat het systeem goed werkt om patiënten die wel sterven, op het register te houden.

5. Betekenis en Implicaties

• Klinische Praktijk: Huisartsen moeten het EOL_R zien als een levend document. Systematische herbeoordeling voorkomt dat patiënten onnodig in de "eind-levensfase" worden gelabeld, wat de zorg kan de-escaleren naar een meer passend niveau.
• Digitale Implementatie: Digitale systemen moeten niet alleen dienen voor case-finding, maar ook voor het faciliteren van governance rondom verwijdering. Het "tracker"-mechanisme (verplichte follow-up) is cruciaal voor de veiligheid.
• Beleid en Richtlijnen: Nationale richtlijnen en incentives (zoals het QOF in het VK) moeten expliciet ruimte maken voor en belonen van systematische herbeoordeling en verwijdering, niet alleen voor het toevoegen van patiënten.
• Toekomstig Onderzoek: Er is behoefte aan onderzoek naar patiënt- en mantelzorger-gerelateerde uitkomsten (niet alleen sterfte) en de specifieke klinische redenen voor verwijdering (stabilisatie, diagnosewijziging, voorkeursverandering).

Conclusie: Een door huisartsen geleide, digitaal ondersteunde systematische review van het eind-levensregister is veilig en identificeert een groep patiënten met een aanzienlijk betere prognose. Dit onderstreept de noodzaak van een dynamisch beheer van deze registers om zorg te optimaliseren en onnodige labeling te voorkomen.