The Case Against the 'S': Is Functional Neurological Disorder(s) One Condition or Many?

Deze studie concludeert dat Functioneel Neurologisch Stoornis (FNS) waarschijnlijk één aandoening is met een gevarieerd symptoomprofiel, in plaats van een verzameling van verschillende discrete aandoeningen.

De kern

De 'S' in FND: Één ziekte of een heleboel verschillende?

Stel je voor dat je een grote doos met Lego-blokken hebt. Iedereen die de doos opent, bouwt iets anders: de één maakt een kasteel, de ander een ruimtevaartuig, en weer een ander een dier. De vraag die wetenschappers zich al lang stellen, is: Is dit één soort Lego-doos waar iedereen uit bouwt, of zijn er eigenlijk meerdere, heel verschillende dozen die we per ongeluk in één grote doos hebben gegooid?

Dit is precies het probleem met Functioneel Neurologisch Stoornis (FND). Mensen met FND hebben allemaal last van neurologische klachten (zoals verlamming, trillen of duizeligheid), maar de symptomen lijken heel verschillend. Is FND één ziekte die zich op duizend manieren kan uiten, of is het eigenlijk een verzamelnaam voor tien verschillende ziektes die toevallig op elkaar lijken?

De auteurs van dit onderzoek (David Palmer en zijn team) wilden dit niet alleen gissen, maar het wiskundig bewijzen.

De Twee Theorieën: Een Spectrum of Losse Vakken?

Ze stelden twee scenario's tegenover elkaar:

1. Het Spectrum (Één ziekte): Stel je FND voor als een verfdoos. Je hebt één basisverf, maar je kunt er zoveel water bijdoen of andere kleuren mee mengen dat je een heel spectrum van tinten krijgt. Iedereen heeft een unieke 'tint' van de ziekte, maar het is allemaal dezelfde verf.
2. De Losse Vakken (Veel ziektes): Stel je FND voor als een fruitmand. Er zitten appels, peren en sinaasappels door elkaar. Ze lijken misschien op elkaar (allemaal rond, allemaal fruit), maar het zijn fundamenteel verschillende soorten fruit. Als je ze in één mand doet, is dat verwarrend.

Hoe hebben ze het onderzocht?

Ze keken naar de symptomen van 697 mensen met FND. Ze gebruikten geavanceerde computermodellen om te kijken welke theorie het beste paste bij de data.

• Ze probeerden de data te passen in het "Verfdoos-model" (één ziekte met variatie).
• Ze probeerden de data te passen in het "Fruitmand-model" (meerdere aparte ziektes).

Wat vonden ze?

Het resultaat was heel duidelijk: Het "Verfdoos-model" won het.

De computer zag dat de symptomen van de mensen niet in scherpe, losse groepen zaten (zoals appels en peren die niet door elkaar lopen). In plaats daarvan leek het meer op een glijdende schaal.

• De "Glijdende Schaal": Als je kijkt naar de symptomen, zie je geen duidelijke lijnen waar één groep stopt en de volgende begint. Het is meer als een regenboog: je kunt niet precies zeggen waar het geel ophoudt en het groen begint.
• De "Vage Groepen": Toen ze probeerden om de mensen in aparte groepen te verdelen (zoals in het fruitmand-model), bleek dat de grenzen erg vaag waren. Veel mensen pasten maar half in een groep, of zaten precies op de grens. Dit suggereert dat de groepen die we denken te zien, eigenlijk maar een kunstmatige indeling zijn van een continue stroom.

Wat betekent dit voor de patiënt?

Dit is een belangrijk nieuws voor iedereen die met FND te maken heeft:

• Geen "Type A" of "Type B": Het lijkt erop dat FND één grote, complexe ziekte is die zich op verschillende manieren kan uiten, afhankelijk van de persoon. Het is niet zo dat er een "trillende FND" en een "verlamde FND" zijn die twee totaal verschillende ziektes zijn.
• Eén gemeenschappelijke weg: Zelfs als er verschillende oorzaken zijn die de ziekte veroorzaken (bijvoorbeeld stress, een blessure, of een trauma), lijken ze allemaal te leiden naar één en hetzelfde mechanisme in het lichaam. Het is alsof verschillende wegen (de oorzaken) allemaal uitkomen op dezelfde snelweg (de ziekte). De snelweg zelf bepaalt hoe de auto (de symptomen) eruitziet, niet de weg waar hij vandaan kwam.

De conclusie in het kort

De auteurs zeggen: "Stop met proberen FND op te splitsen in kleine, aparte ziektes op basis van symptomen. Het is waarschijnlijk één ziekte met een heel breed palet aan symptomen."

In plaats van te zoeken naar "soorten" FND, moeten artsen en onderzoekers zich richten op de variatie binnen die ene ziekte. Net zoals je niet zegt dat een donkere tint blauw een andere verf is dan een lichte tint blauw, moeten we FND zien als één ziekte die voor iedereen net even anders voelt.

Kortom: FND is geen fruitmand met losse vruchten, maar één grote, kleurrijke verfdoos waar iedereen een unieke kleur uit kan halen.

Technische samenvatting

Titel

Het geval tegen de 'S': Is Functioneel Neurologisch Storing (FND) één aandoening of velen?

Probleemstelling

Functioneel Neurologisch Storing (FND) is een van de meest voorkomende, maar minst onderzochte aandoeningen in de neurologie. Er bestaat een fundamenteel debat over de nosologische structuur van FND:

1. Is FND een enkele aandoening met een heterogene fenotypische expressie (verschillende symptoomcombinaties)?
2. Is FND een verzameling van meerdere discrete entiteiten die ten onrechte onder één diagnostische label zijn gegroepeerd?

Deze vraag is niet louter semantisch; de aanname dat FND uit meerdere entiteiten bestaat, impliceert verschillende oorzakelijke mechanismen, prognoses en behandelbenaderingen. Als FND echter één pathofysiologisch proces is, moet elke verklaring de schijnbare heterogeniteit kunnen uitleggen. Het artikel stelt dat mechanistische argumenten alleen niet voldoende zijn om deze structuur op te lossen, en dat empirische bewijsvoering via symptoomverdeling noodzakelijk is.

Methodologie

De auteurs benaderen het probleem als een kwestie van modelvergelijking (model comparison) aan de hand van epidemiologische data.

• Data: Gebruik werd gemaakt van data van 697 patiënten met FND uit de FND Research Connect database. Er werden gegevens verzameld over het voorkomen van 19 specifieke FND-symptomen in de voorgaande twee maanden.
• Statistische Modellen: Twee concurrerende hypothese werden getest:
  1. Latente Trait-modellen (Continu): Vertegenwoordigen FND als een enkele entiteit waarbij het fenotype varieert langs continue dimensies (latent traits). Er werden modellen getest met 1 tot 5 latent traits.
  2. Latente Class Analyse (LCA) (Discreet): Vertegenwoordigen FND als meerdere discrete categorieën (ziekte-entiteiten). Er werden modellen getest met 1 tot 8 klassen.
• Analyse:
  • De modellen werden gefit met Python (pakketten Stepmix voor LCA en PyMC voor latent trait modellen).
  • Modelselectie: Vergelijking op basis van de K-fold cross-validated mean log predictive density (MLPD). Dit meet hoe goed een model nieuwe data kan voorspellen.
  • Secundaire analyse: Om te bepalen of de gevonden klassen in LCA echte subgroepen zijn of slechts een discretisatie van continue variatie, werden extra parameters geanalyseerd:
    • Effectief aantal klassen ($K_{eff}$).
    • Posterior lidmaatschapsonzekerheid (grensmassa).
    • Laag-dimensionale embeddings van symptoomgelijkenis (Jaccard-afstand).

Belangrijkste Resultaten

1. Superioriteit van Continue Modellen: Met uitzondering van het 1-dimensionale latent trait model, pasten alle latent trait-modellen (die FND als één entiteit zien) de data beter aan dan het best passende LCA-model (dat FND als meerdere entiteiten ziet).
   • Het verschil in log predictive density tussen het beste continue model en het beste discrete model was 0,12, wat overeenkomt met een ongeveer 13% toename in voorspellende waarschijnlijkheid voor het continue model.
2. Analyse van de LCA-modellen: De secundaire analyse van het best passende LCA-model (5 klassen) toonde aan dat de gevonden klassen geen scherpe subgroepen vertegenwoordigen:
   • Het effectieve aantal klassen ($K_{eff}$) was slechts 1,38, wat suggereert dat patiëntdata zich over slechts ~1,4 klassen verspreidt in plaats van over 5 duidelijke groepen.
   • Er was aanzienlijke grensmassa (22,4% van de patiënten had een posterior kans op lidmaatschap < 0,8), wat wijst op onzekerheid over de classificatie.
   • De 2D-embeddings toonden aanzienlijke overlap tussen de klassen zonder duidelijke gaten, wat consistent is met continue variatie in plaats van discrete scheiding.
3. Symptoomdimensies: Het best passende latent trait model had vier dimensies. Na varimax-rotatie werden deze beschreven als:
   • (1) Zwakte, loopstoornis en somatosensorische symptomen.
   • (2) Spraakstoornissen.
   • (3) Depersonalisatie/derealisatie en dystonie.
   • (4) Tinnitus, eliminatieproblemen en visuele symptomen.

Bijdragen en Conclusies

• Eén Entiteit: De symptoomstructuur van FND is het meest consistent met het idee dat FND een enkele, heterogene aandoening is die varieert langs continue dimensies, in plaats van een verzameling van discrete ziekte-entiteiten.
• Pathofysiologische Implicatie: De resultaten sluiten aan bij het scenario waarbij FND een enkel pathofysiologisch proces is, of een gemeenschappelijk pad dat wordt geactiveerd door meerdere oorzakelijke processen. Als er meerdere oorzaken zijn, lijkt het gemeenschappelijke pad de dominante factor te zijn in het fenotype, terwijl de onderliggende verschillen slechts risicofactoren of inleidende factoren zijn.
• Psychologische Subgroepen: Bestaande studies die psychologische subgroepen identificeren, worden niet tegengesproken. Deze worden gezien als risicofactoren of modificatoren die leiden tot hetzelfde gemeenschappelijke pathofysiologische pad, en niet als bewijs voor verschillende ziekte-entiteiten.
• Beperkingen: De data waren zelfgerapporteerd en binair (aanwezig/afwezig), wat de ernst van symptomen kan maskeren. Echter, de auteurs betogen dat dit de analyse eerder zou moeten laten neigen naar het vinden van categorische subgroepen dan continue variatie; het feit dat continue modellen toch beter passen, versterkt hun conclusie.

Significantie

De studie levert empirisch bewijs dat de huidige discussie over FND als "meerdere aandoeningen" (meervoud) waarschijnlijk onjuist is.

• Klinische Impact: Het stratificeren van patiënten op basis van categorische symptoomclusters is waarschijnlijk minder productief.
• Toekomstig Onderzoek: In plaats van te zoeken naar discrete subtypen, zou toekomstig onderzoek zich moeten richten op:
  • Dimensionele variatie in symptomen.
  • Risico- en oorzakelijke factoren.
  • Longitudinale beloop en respons op behandeling.
• Theoretisch Kader: De bevindingen dwingen de wetenschappelijke gemeenschap om FND te modelleren als een enkel ziekteproces met variabele expressie, wat de zoektocht naar biomarkers en behandelingsstrategieën kan stroomlijnen.