📄 medicine

Clinical Phenotypes and Prognosis in Patients with Venous Thromboembolism and Cancer: A Cluster Analysis

Deze retrospectieve cohortstudie van 654 Colombiaanse patiënten met veneuze tromboembolie en kanker toont aan dat clustering op basis van niet-oncologische klinische kenmerken onderscheidende prognostische subgroepen identificeert met variërende overlevingsuitkomsten, onafhankelijk van traditionele tumorgerelateerde trombotische risicofactoren.

Oorspronkelijke auteurs: Arturo D. Mora, Juan Pablo Gómez-Arellano, David Fernando Narvaez-De Los Rios, Manuela Estrada-Schweineberg, Andrés Domínguez-Durán, Valeria Azcarate-Rodríguez, Juan Andres Muñoz, Diana C. Carrillo-Gó

Gepubliceerd 2026-07-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Arturo D. Mora, Juan Pablo Gómez-Arellano, David Fernando Narvaez-De Los Rios, Manuela Estrada-Schweineberg, Andrés Domínguez-Durán, Valeria Azcarate-Rodríguez, Juan Andres Muñoz, Diana C. Carrillo-Gómez, Julián David Yara, Hoover León-Giraldo, Frank Douglas Cañón-Estrada, Mario Miguel Barbosa-Rengifo, Jessica Largo-Ocampo, Juan Esteban Gómez-Mesa

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 het menselijk lichaam voor als een bruisende, hoogtechnologische stad. In deze stad zijn de bloedvaten de snelwegen en de bloedcellen de bezorgwagens die zuurstof en voedingsstoffen naar elke buurt brengen. Normaal gesproken verloopt het verkeer soepel. Maar soms komt een bezorgwagen vast te zitten, waardoor er een verkeersopstopping ontstaat die de weg blokkeert. In medische termen is dit een bloedstolsel. Wanneer deze stolsels naar de longen reizen of vast komen te zitten in diepe aderen, wordt dit veneuze trombo-embolie (VTE) genoemd. Het is een ernstige gebeurtenis die het elektriciteitsnet van de stad kan stilleggen.

Stel je nu voor dat deze stad ook onder constructie staat vanwege een massaal, chaotisch project genaamd "Kanker". Kanker is als een dolle bouwploeg die niet alleen de lay-out van de stad verpest, maar de wegen ook plakkerig en gevoelig voor opstoppingen maakt. Artsen weten al lang dat mensen met kanker veel meer kans hebben op deze bloedstolsels. Lange tijd probeerden artsen te voorspellen hoe ziek een patiënt zou worden door alleen naar de bouwploeg te kijken: Wat voor soort kanker is het? Hoe groot is de bouwplaats? Hoe agressief is de ploeg? Ze gebruikten een "kaart" die volledig gebaseerd was op de tumor om de toekomst te voorspellen. Maar net zoals twee steden met hetzelfde bouwproject heel verschillende uitkomsten kunnen hebben afhankelijk van het weer, de ouderdom van de gebouwen of de gezondheid van de lokale bevolking, kunnen twee kankerpatiënten ook heel verschillende trajecten hebben, zelfs als ze hetzelfde type tumor hebben. Deze studie stelt een eenvoudige maar revolutionaire vraag: Wat als we niet alleen naar de bouwploeg kijken, maar naar de stad zelf beginnen te kijken?

De Studie: De Stad in Kaart Brengen, Niet Alleen de Constructie

Een team onderzoekers uit Colombia besloot een frisse blik te werpen op 654 patiënten die zowel kanker als een bloedstolsel hadden. In plaats van alleen te vragen: "Welk soort kanker heeft u?", vroegen ze: "Wie bent u als persoon?". Ze verzamelden een enorme lijst met details over het leven van de patiënten: hun leeftijd, of ze andere gezondheidsproblemen hadden zoals een hoge bloeddruk of diabetes, of ze onlangs een operatie hadden ondergaan, en hoe hun algehele gezondheid eruitzag. Ze negeerden de specifieke soort kanker en de kankerbehandelingen bewust tijdens het eerste deel van hun analyse. Ze wilden zien of de "persoon" achter de ziekte een verhaal te vertellen had dat de "ziekte" alleen niet kon vertellen.

Ze gebruikten een geavanceerde computermethode genaamd "clusteranalyse" (denk aan een super slimme sorteermachine die dingen groepeert die op elkaar lijken) om deze 654 mensen in drie duidelijke groepen, of "fenotypes", te verdelen. Het is alsof je een gemengde zak knikkers sorteert, niet op kleur, maar op hoe zwaar ze zijn en waar ze van gemaakt zijn.

De Drie Ontdekte Groepen

De "Jonge en Strijdende" Groep: Deze groep bestond uit 367 mensen. Ze waren over het algemeen jonger (gemiddelde leeftijd rond de 59) en vochten actief tegen kanker. Ze hadden niet veel andere gezondheidsproblemen, maar zaten midden in de strijd.
De "Oudere, Recent Geopereerde" Groep: Deze groep bestond uit 211 mensen. Ze waren ouder (gemiddelde leeftijd rond de 76) en hadden onlangs een operatie ondergaan. Ze hadden enkele andere gezondheidsproblemen, maar niet veel.
De "Oudere met Veel Gezondheidsproblemen" Groep: Dit was de kleinste groep met 76 mensen. Zij waren de oudsten (gemiddelde leeftijd rond de 78) en droegen een zware last van andere gezondheidsproblemen, zoals hartziekten, diabetes en een hoge bloeddruk.

De Grote Verrassing: Wie Overleefde Langer?

Hier wordt het verhaal spannend. Je zou kunnen vermoeden dat de "Jonge en Strijdende" groep het langst zou leven omdat ze jonger en gezonder zijn. Maar de gegevens vertelden een ander verhaal.

De onderzoekers volgden hoe lang elke groep leefde nadat het bloedstolsel werd ontdekt.

De Jonge en Strijdende groep had een mediane overleving van 2,4 jaar.
De Oudere, Recent Geopereerde groep had een mediane overleving van 6,2 jaar.
De Oudere met Veel Gezondheidsproblemen groep had een mediane overleving van 3,8 jaar.

Wacht, de oudere groep die net een operatie had gehad, leefde het langst? Ja! De studie suggereert dat jong zijn en actief vechten tegen kanker eigenlijk een teken kan zijn van een agressievere ziekte of een complexere situatie, wat leidt tot een kortere overlevingstijd in deze specifieke context. Ondertussen leek de oudere groep die een operatie had ondergaan een stabieler pad te hebben, met een veel langere overleving.

Waarom Dit Belangrijk Is

De onderzoekers hebben de cijfers opnieuw gecontroleerd om er zeker van te zijn dat dit geen toeval was veroorzaakt door het type kanker. Ze hebben gecorrigeerd voor de "Khorana-score", wat de standaardmanier is waarop artsen momenteel het risico inschatten op basis van de tumor. Zelfs na rekening te houden voor hoe gevaarlijk de kanker was, bleef de "persoon" belangrijk. De drie groepen hadden verschillende overlevingspercentages, ongeacht hun type tumor.

Dit suggereert dat de oude manier van kijken naar alleen de kanker niet het volledige plaatje is. Het lichaam van de patiënt, hun leeftijd en hun andere gezondheidsproblemen fungeren als een tweede kaart die de bestemming verandert. De studie zegt niet dat we moeten stoppen met het behandelen van de kanker, maar suggereert wel dat artsen naar de hele patiënt moeten kijken, en niet alleen naar de tumor, om te begrijpen wie het grootste risico loopt.

De Kern van het Verhaal

De studie vond dat er onder mensen met kanker en bloedstolsels drie duidelijke "persoonlijkheidstypen" van patiënten zijn, en dat deze types beter voorspellen hoe lang ze zullen leven dan alleen naar de kanker kijken. De "Jonge en Strijdende" groep kreeg te maken met een zwaarder pad, terwijl de "Oudere, Recent Geopereerde" groep een langere reis voor zich had. De onderzoekers benadrukken dat dit een suggestie is op basis van hun gegevens, en geen definitieve regel, maar het opent een nieuwe deur. Het vertelt ons dat om de toekomst van een patiënt echt te begrijpen, we het verhaal van hun hele lichaam moeten beluisteren, en niet alleen het verhaal van hun tumor.

Technische Samenvatting: Klinische Fenotypes en Prognose bij Patiënten met Veneuze Tromboembolie en Kanker

Probleemstelling
De huidige risicostratificatie voor patiënten met veneuze tromboembolie (VTE) en kanker is voornamelijk tumorgestuurd en vertrouwt op modellen zoals de Khorana-score, die zich richten op het type en stadium van de tumor. Echter, klinische uitkomsten bij deze populatie zijn heterogeen en worden beïnvloed door patiëntgebonden kenmerken die onafhankelijk zijn van de tumorbiologie, waaronder de comorbiditeitslast, recente klinische blootstellingen en de algehele klinische status. Bestaande modellen kunnen er niet in slagen deze niet-oncologische heterogeniteit te vatten, wat leidt tot variabiliteit in de prognostische beoordeling die niet louter door de tumorgerelateerde trombotische risico's wordt verklaard.

Methodologie
De auteurs voerden een retrospectieve observationele cohortstudie uit in een tertiair verwijscentrum in Colombia, waarbij 654 patiënten met objectief bevestigde VTE en huidige of eerdere maligniteit (uitgesloten zijn niet-melanoom huidkankers) werden geanalyseerd tussen januari 2011 en januari 2025.

Gegevensverzameling: Klinische en demografische gegevens werden geëxtraheerd uit elektronische medische dossiers, inclusend oncologische kenmerken, niet-oncologische comorbiditeiten, VTE-presentatie en anticoagulatiebeheer.
Fenotype-identificatie: Om klinische fenotypes te identificeren op basis van niet-oncologische kenmerken, gebruikten de auteurs een ongesuperviseerde machine learning-benadering. Zestien variabelen die de klinische kenmerken van de patiënt, comorbiditeiten en recente klinische blootstellingen weerspiegelen, werden geselecteerd. Cruciaal is dat tumorlocatie en oncologische behandelingen opzettelijk werden uitgesloten van de clustering-variabelen om te voorkomen dat de groepen primair door het type tumor zouden worden gedreven.
- Techniek: Multiple Correspondence Analysis (MCA) werd uitgevoerd, gevolgd door hiërarchische agglomeratieve clustering met de Ward's minimum-variance methode.
- Clusterselectie: Hoewel een oplossing met twee clusters de hoogste silhouette-breedte opleverde, werd een oplossing met drie clusters gekozen op basis van grotere klinische resolutie en interpreteerbaarheid.
Statistische Analyse: De algehele overleving (OS) werd geschat met behulp van de Kaplan–Meier-analyse. Multivariabele Cox proportional hazards-modellen werden gebruikt om de associatie tussen de geïdentificeerde klinische fenotypes en mortaliteit te evalueren, waarbij werd gecorrigeerd voor tumorgerelateerde trombotische risicocategorieën (standaard, hoog en zeer hoog risico volgens de Khorana-criteria).

Belangrijkste Bijdragen
De studie introduceert een datagestuurd kader voor het karakteriseren van patiënten met kanker-geassocieerde VTE dat verder gaat dan tumorgestuurde modellen. Door niet-oncologische variabelen te isoleren, laten de auteurs zien dat de klinische profielen van patiënten onderscheidende prognostische subgroepen vormen. De studie biedt een gedetailleerd beeld van hoe de comorbiditeitslast, leeftijd en recente klinische blootstellingen (zoals chirurgie) interageren om de overlevingsuitkomsten te beïnvloeden, onafhankelijk van het onderliggende trombotische risicoprofiel van de maligniteit.

Resultaten
De analyse identificeerde drie afzonderlijke klinische fenotypes:

Cluster 1 (Jongere patiënten met actieve kanker): $n=367$ . Gekenmerkt door een mediane leeftijd van 59,3 jaar, een hoge prevalentie van actieve kanker (81,7%) en een lage comorbiditeitslast.
Cluster 2 (Oudere patiënten met recente chirurgische blootstelling): $n=211$ . Gekenmerkt door een mediane leeftijd van 75,9 jaar, recente chirurgische blootstelling en een gemiddelde comorbiditeitslast.
Cluster 3 (Oudere patiënten met multimorbiditeit): $n=76$ . Gekenmerkt door een mediane leeftijd van 78,5 jaar, opvallende cardiovasculaire multimorbiditeit en het hoogste HAS-BLED-risicoprofiel.

Overlevingsuitkomsten:

De mediane algehele overleving (OS) voor de gehele cohort was 3,7 jaar (9 95% CI 2,8–5,4).
De overleving verschilde significant tussen de fenotypes (log-rank $p=0,044$ $p = 0, 044$ ):
- Cluster 1: Mediane OS van 2,4 jaar.
- Cluster 2: Mediane OS van 6,2 jaar.
- Cluster 3: Mediane OS van 3,8 jaar.
Multivariabele Analyse: Na correctie voor tumorgerelateerd trombotisch risico bleef het klinische fenotype onafhankelijk geassocieerd met mortaliteit. Vergeleken met Cluster 2 (de referentiegroep) was Cluster 1 geassocieerd met een hoger mortaliteitsrisico (HR 1,30; 95% CI 1,02–1,65; $p=0,032$ ). Cluster 3 vertoonde geen statistisch significant verschil in mortaliteitsrisico ten opzichte van Cluster 2 (HR 1,07; 95% CI 0,74–1,54; $p=0,731$ ).
Secundaire uitkomsten (ernstige bloedingen en recidiverende VTE) kwamen bij 3,8% van de patiënten voor in beide gevallen, zonder significante verschillen tussen de clusters, hoewel de bloedingspercentages numeriek hoger waren in Cluster 3.

Betekenis en Claims
De auteurs stellen dat klinische fenotypes, gedefinieerd door niet-oncologische kenmerken, prognostische groepen identificeren die verder gaan dan het tumorgerelateerde trombotische risico. De bevindingen suggereren dat patiëntgebonden factoren een significante bijdrage leveren aan de heterogeniteit in uitkomsten. In het bijzonder benadrukt de studie dat jongere patiënten met actieve kanker maar een lage comorbiditeit (Cluster 1) mogelijk te maken hebben met een slechtere overleving vergeleken met oudere patiënten met recente chirurgische blootstelling (Cluster 2), wat de aanname uitdaagt dat chronologische leeftijd of actieve kankerstatus alleen de prognose dicteert.

Het artikel stelt dat het integreren van klinische fenotypering met tumorgerelateerde risicostratificatie een genuanceerder begrip van de prognose biedt. Het suggereert dat het herkennen van deze fenotypische profielen kan bijdragen aan een meer geïndividualiseerde evaluatie van het anticoagulatiebeheer en de intensiteit van de follow-up, met name voor patiënten met complexe comorbiditeiten of een hoog bloedingsrisico. De auteurs benadrukken dat deze bevindingen zijn afgeleid van real-world data en ondersteunen de relevantie van het klinische profiel van de patiënt voor de variabiliteit in uitkomsten, hoewel zij opmerken dat prospectieve validatie vereist is om de reproduceerbaarheid te bevestigen en te bepalen of fenotype-geïnformeerde strategieën de risicobeoordeling kunnen verfijnen.

Meer zoals dit