📄 medicine

External validation and comparison of PREVENT and SCORE2 atherosclerotic cardiovascular risk scores in the MASHAD cohort study

Deze studie heeft de PREVENT- en SCORE2-cardiovasculaire risicomodellen extern gevalideerd in de Iraanse MASHAD-cohort, waarbij werd vastgesteld dat hoewel beide modellen een aanvaardbare discriminatie vertoonden, zij het absolute risico significant onderschatten en lokale herkalibratie vereisten om nauwkeurige voorspellingen te bieden voor deze populatie uit het Midden-Oosten.

Oorspronkelijke auteurs: Ali Tajik, Hamidreza Rahimi, Sara Saffar Soflaei, Mohsen Moohebati, Ashkan Bahrami, Gordon A. Ferns, Habibollah Esmaily, Majid Ghayour-Mobarhan, Hedieh Alimi

Gepubliceerd 2026-06-28

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Ali Tajik, Hamidreza Rahimi, Sara Saffar Soflaei, Mohsen Moohebati, Ashkan Bahrami, Gordon A. Ferns, Habibollah Esmaily, Majid Ghayour-Mobarhan, Hedieh Alimi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je twee zeer populaire weersvoorspellers hebt, PREVENT en SCORE2. Deze voorspellers zijn beroemd in Europa en de Verenigde Staten vanwege het voorspellen van de kans op een "storm" (een hartaanval of beroerte) bij een persoon over de komende 10 jaar. Ze gebruiken een standaard recept: ze kijken naar je leeftijd, bloeddruk, cholesterol en of je rookt om je een percentage kans te geven dat je door de storm wordt getroffen.

De onderzoekers in deze studie wilden zien of deze beroemde voorspellers correct zouden werken in Mashhad, Iran. Ze behandelden de lokale bevolking als een nieuwe, ongeteste weerzone.

Hier is wat ze vonden, eenvoudig uitgelegd:

1. Het Probleem: De "Buitenlandse" Voorspellers Waren Te Optimistisch

Wanneer de onderzoekers de originele Europese en Amerikaanse formules op de Iraanse bevolking gebruikten, maakten de voorspellers een grote fout: ze waren te optimistisch.

De Analogie: Stel je een weerman in Londen voor die tegen een boer in de woestijn zegt: "Er is 1% kans op regen vandaag." Maar in de woestijn regent het eigenlijk 30% van de tijd. De boer zou doorweekt raken omdat de voorspelling fout was voor zijn specifieke locatie.
De Realiteit: Zowel PREVENT als SCORE2 vertelden de Iraanse mensen dat hun risico op een hartgebeurtenis zeer laag was. Echter, wanneer de onderzoekers naar de werkelijke gegevens over 10 jaar keken, hadden veel meer mensen hartgebeurtenissen dan de modellen voorspelden. De modellen onderschatten het gevaar.

2. De Oplossing: "Lokale Afstemming" (Recalibratie)

De onderzoekers gooiden de modellen niet weg. In plaats daarvan voerden ze een "lokale afstemming" uit.

De Analogie: Denk aan de modellen als een radiostation. De muziek (de manier waarop ze mensen rangschikken van laag naar hoog risico) was goed, maar het volume was te zacht. Ze hoefden het liedje niet te veranderen; ze hoefden alleen de volumeknop omhoog te draaien om aan te sluiten bij het lokale publiek.
De Actie: Ze pasten de wiskunde licht aan om te passen bij het werkelijke aantal hartgebeurtenissen dat in Mashhad plaatsvond. Ze hielden het "rangschikkingssysteem" hetzelfde, maar verschoven de cijfers zodat de percentages de realiteit weerspiegelden.

3. De Resultaten: Wie Was Beter?

Na de "afstemming" werkten beide modellen veel beter, maar één model had een lichte voorsprong.

Het Vermogen om te Rangschikken (Discriminatie): Beide modellen waren goed in het sorteren van mensen. Ze konden aangeven wie grotere kans had op een gebeurtenis dan iemand anders. PREVENT was iets beter in dit sorteren dan SCORE2, zoals een iets scherpere bril.
De Nauwkeurigheid (Kalibratie): Vóór de afstemming waren de modellen fout over de hoeveelheid risico. Na de afstemming kwam het voorspelde risico bijna perfect overeen met het werkelijke risico.
- PREVENT was in totaal iets nauwkeuriger. Dit komt waarschijnlijk omdat PREVENT naar meer details kijkt, zoals nierfunctie en diabetes, die zeer veel voorkomen in deze specifieke groep mensen.
- SCORE2 is een eenvoudiger model (het kijkt niet naar diabetes), maar het werkte ook goed zodra het werd afgestemd op het lokale "volume".

4. Waarom Dit Belangrijk Is (De "Netto Voordelen")

De studie gebruikte een concept genaamd "Netto Voordeel" om te zien of de afgestemde modellen artsen hielpen bij het nemen van betere beslissingen.

De Analogie: Stel je een beveiliger voor die tassen controleert.
- Origineel Model: De bewaker was te ontspannen, waardoor veel gevaarlijke tassen doorlieten (het missen van hoog-risico mensen).
- Afgestemd Model: De bewaker werd alerter. Hij stopte meer gevaarlijke tassen (het vangen van meer hoog-risico mensen), maar hij stopte ook een paar onschuldige tassen per ongeluk (het verlagen van de "specificiteit").
De Bevinding: De onderzoekers kwamen tot de conclusie dat de "afgestemde" modellen het waard waren. Hoewel ze een paar extra mensen markeerden die eigenlijk veilig waren, vingen ze succesvol veel meer mensen die daadwerkelijk een risico liepen. In een gezondheidscontext is het beter om een potentiële hartaanval vroegtijdig te ontdekken dan om hem te missen.

Samenvatting

De studie concludeert dat je niet simpelweg een risicocalculator uit Europa of Amerika kunt kopiëren en plakken en verwachten dat deze perfect werkt in Iran. Het "recept" voor risico is verschillend in verschillende plaatsen.

Er is echter goed nieuws: deze instrumenten kunnen werken als je ze "kalibreert" voor de lokale populatie. Zodra de onderzoekers de cijfers aanpasten om aan te sluiten bij de realiteit van Mashhad, werden zowel PREVENT als SCORE2 betrouwbare instrumenten voor het voorspellen van hartrisico's, waarbij PREVENT een licht voordeel had omdat het meer gezondheidsfactoren overweegt.

Technische Samenvatting: Externe Validatie en Vergelijking van PREVENT en SCORE2 in de MASHAD-cohort

Probleemstelling
Hedendaagse voorspellingsmodellen voor atherosclerotische cardiovasculaire ziekten (ASCVD), zoals de PREVENT-methode van de American Heart Association en de SCORE2-methode van de European Society of Cardiology, vereisen externe validatie voordat ze kunnen worden geïmplementeerd in populaties die verschillen van hun oorspronkelijke ontwikkelingscohorten. Voorspellingsmodellen vertonen vaak een slechte kalibratie wanneer ze worden toegepast op populaties met afwijkende basale incidentiecijfers, risicofactorenverdelingen of toegang tot zorg, zelfs als ze een aanvaardbare discriminatie behouden. Hoewel eerdere studies deze instrumenten in andere regio's hebben gevalideerd (bijv. de Tehran Lipid and Glucose Study), is er een kritiek gebrek aan bewijs met betrekking tot hun prestaties in het noordoosten van Iran. In het bijzonder blijft het onduidelijk of PREVENT en SCORE2 betrouwbare absolute risico-inschattingen bieden voor de MASHAD-cohort, waar de metabole last, rookpatronen en toegang tot de gezondheidszorg verschillen van westerse cohorten. Ongekalibreerde instrumenten riskeren het onderidentificeren van hoogrisicopatiënten of het blootstellen van laagrisicopatiënten aan onnodige behandeling.

Methodologie
Deze prospectieve externe validatiestudie maakte gebruik van gegevens uit de Mashhad Stroke and Heart Atherosclerotic Disorder (MASHAD) cohort, waarbij 9.069 volwassenen (leeftijd 30–65 jaar) gedurende een periode van 10 jaar (2010–2020) werden gevolgd.

Cohortselectie: De volledige in aanmerking komende cohort ( $n=9.069$ ) werd gebruikt voor de PREVENT-validatie. Voor SCORE2, dat is ontworpen voor niet-diabetische volwassenen, werden deelnemers met diabetes bij de nulmeting ( $n=1.233$ ) uitgesloten, wat resulteerde in een analytische steekproef van 7.836 niet-diabetische deelnemers.
Definitie van uitkomst: De primaire uitkomst was een composiet van fatale of niet-fatale myocardinfarct en fatale of niet-fatale beroerte, beoordeeld door een onafhankelijke commissie met behulp van ICD-10-codes.
Toepassing van modellen: Beide modellen werden toegepast met behulp van hun gepubliceerde vergelijkingen en coëfficiënten zonder heraanpassing (refitting). PREVENT maakte gebruik van zijn logistische benadering van het concurrerende risicomodel, terwijl SCORE2 zijn standaard 10-jaars risicovergelijkingen gebruikte.
Recalibratiestrategie: Om de miskalibratie te corrigeren terwijl de oorspronkelijke modelstructuur behouden bleef, werd lokale recalibratie uitgevoerd:
- PREVENT: Geslachts-specifieke intercept-actualisering (logistische recalibratie met de oorspronkelijke lineaire voorspeller als offset).
- SCORE2: Geslachts-specifieke baseline-hazard actualisering (Cox proportional hazards regressie met de oorspronkelijke lineaire voorspeller als offset).
Prestatie-indicatoren: Modellen werden geëvalueerd op basis van discriminatie (C-statistiek), kalibratie (kalibratiehellingen, geobserveerde-tot-verwachte [O/E] ratio's, Brier-scores), klinische prestaties bij vooraf bepaalde drempelwaarden (sensitiviteit, specificiteit, netto voordeel), categorische netto reclassificatieverbetering (NRI), Kaplan–Meier overlevingsanalyse en decision curve analyse (DCA).

Belangrijkste Resultaten

Incidentiecijfers: Binnen de horizon van 10 jaar traden 678 ASCVD-gebeurtenissen op in de PREVENT-steekproef en 470 in de SCORE2-steekproef.
Discriminatie: Beide modellen vertoonden een aanvaardbaar vermogen om individuen naar risico te rangschikken. PREVENT toonde een licht superieure discriminatie vergeleken met SCORE2.
- Mannen: PREVENT C-statistiek = 0,714 vs. SCORE2 = 0,687.
- Vrouwen: PREMENT C-statistiek = 0,731 vs. SCORE2 = 0,704.
- Recalibratie veranderde de C-statistieken niet, aangezien de oorspronkelijke voorspellende coëfficiënten behouden bleven.
Kalibratie: Beide oorspronkelijke modellen onderschatten het absolute risico aanzienlijk.
- Oorspronkelijke O/E Ratio's: PREVENT (2,904 totaal; 3,004 mannen, 2,817 vrouwen) en SCORE2 (4,002 totaal; 3,393 mannen, 4,902 vrouwen).
- Impact van Recalibratie: Geslachts-specifieke recalibratie corrigeerde de 'calibration-in-the-large', waardoor de O/E ratio's voor beide modellen ongeveer 1,00 benaderden. De kalibratiehellingen bleven onder de 1,0, wat wijst op een imperfecte spreiding van de voorspelde risico's, maar de Brier-scores verbeterden aanzienlijk na recalibratie.
Klinische Prestaties en Reclassificatie:
- Recalibratie verhoogde de sensitiviteit en het aandeel deelnemers dat in hogere risicocategorieën werd ingedeeld aanzienlijk, zij het ten koste van de specificiteit.
- Voorbeeld (PREVENT, Mannen, 5% drempelwaarde): Sensitiviteit steeg van 46,2% naar 90,1%; het aandeel dat als hoogrisico werd geclassificeerd steeg van 21,3% naar 67,0%. Het netto voordeel steeg van 0,0340 naar 0,0529.
- Netto Reclassificatieverbetering (NRI): Er werd een positieve totale NRI waargenomen voor beide modellen (PREVENT: 0,296; SCORE2: 0,236), grotendeels gedreven door de opwaartse reclassificatie van event-gevallen (Event NRI > 0,80).
Decision Curve Analysis: Gerecalibreerde modellen boden een groter netto voordeel dan de oorspronkelijke modellen bij lagere en intermediaire drempelwaarschijnlijkheden, wat beter aansluit bij klinische besluitvormingsscenario's.

Betekenis en Claims
De studie concludeert dat hoewel PREVENT en SCORE2 een aanvaardbaar vermogen behouden om ASCVD-risico's in deze Iraanse cohort te rangschikken, hun oorspronkelijke absolute risico-inschattingen onnauwkeurig zijn vanwege significante onderschatting. De auteurs beweren dat lokale recalibratie essentieel is voor een nauwkeurige absolute risico-inschatting in deze populatie.

Vergelijkende Prestaties: PREVENT vertoonde een licht betere discriminatie en kalibratiehelling dan SCORE2, waarschijnlijk door de inclusie van cardiometabole en niergerelateerde voorspellers (bijv. diabetes, eGFR, medicatiegebruik) die zeer relevant zijn in de MASHAD-populatie.
Klinische Nut: De primaire bijdrage van dit werk is het aantonen dat recalibratie klinisch relevante prestatie-indicatoren verbetert—met name sensitiviteit, risicostratificatie en besluitvormings-analytisch netto voordeel—zonder het onderliggende prognostische signaal te wijzigen.
Implementatie-richtlijnen: De auteurs stellen dat lokaal gerecalibreerde risicotools noodzakelijk zijn voor ASCVD-preventie in ondervertegenwoordigde regionale populaties. Zij adviseren dat PREVENT de voorkeur verdient wanneer uitgebreide gegevens beschikbaar zijn, terwijl SCORE2 een levensvatbare, eenvoudigere optie blijft voor niet-diabetische volwassenen indien het lokaal gerecalibreerd is.
Kanttekeningen: De auteurs benadrukken dat deze gerecalibreerde vergelijkingen niet direct kunnen worden overgenomen voor nationale implementatie zonder verdere onafhankelijke validatie in andere Iraanse en Midden-Oosterse populaties, waarbij zij opmerken dat de studie beperkt is tot een regionale stedelijke cohort en dat recalibratie de specificiteit inruilt voor sensitiviteit.