A Cox-based multistate model for disease progression using large-scale population-based registry data: Application to COVID-19
Deze studie demonstreert de effectiviteit van een op Cox gebaseerd multistate-model toegepast op grootschalige populatieregistergegevens bij het analyseren van het verloop van COVID-19, waarbij wordt onthuld hoe sociodemografische factoren en vaccinatie de transitierisico's beïnvloedden, terwijl tegelijkertijd de evoluerende dynamiek van het gezondheidszorgsysteem tijdens de pandemie werd benadrukt.
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
Om te begrijpen hoe een ziekte zich door een populatie beweegt, kijken wetenschappers vaak naar meer dan alleen het moment waarop iemand ziek wordt of het moment waarop iemand overlijdt. Ze zijn geïnteresseerd in de reis daartussenin: de tijd doorgebracht in een ziekenhuis, de overplaatsing naar een intensive care-afdeling, het herstel, of de tragische afloop. Deze benadering, bekend als een multistate-model, beschouwt een ziekte niet als een enkele gebeurtenis, maar als een reeks stappen of toestanden waar een persoon doorheen kan bewegen gedurende de tijd. Het stelt onderzoekers in staat om te zien hoe verschillende factoren, zoals leeftijd, medische geschiedenis of sociale omstandigheden, de waarschijnlijkheid beïnvloeden om van de ene stap naar de volgende te gaan. Tijdens de wereldwijde pandemie veroorzaakt door het SARS-CoV-2-virus, werd het begrijpen van deze trajecten cruciaal voor ziekenhuizen en overheden die probeerden middelen te beheren en levens te redden. Hoewel er veel modellen bestonden om de verspreiding van het virus te voorspellen, waren er minder ontworpen om de complexe, individuele reizen van patiënten te volgen met behulp van real-world data uit hele populaties.
Een team van onderzoekers in Spanje zette zich in om deze reizen in kaart te brengen met behulp van een enorme collectie medische dossiers uit de Baskenland. Ze analyseerden gegevens van 377.285 volwassenen die tussen maart 2020 en januari 2022 waren gediagnosticeerd met het virus. Deze periode besloeg de gehele vroege fase van de pandemie, inclusief de strikte lockdowns, de komst van vaccins en de opkomst van nieuwe virusvarianten. In plaats van de patiënten als één groep te beschouwen, bouwden de onderzoekers een gedetailleerde kaart met acht verschillende toestanden. Iemand begon op het moment van diagnose. Vandaaruit kon diegene naar een ziekenhuisafdeling gaan, worden overgeplaatst naar een intensive care-afdeling, worden overgeplaatst naar een reguliere afdeling, of direct naar huis worden ontslagen. De kaart bevatte ook twee eindbestemmingen: overlijden terwijl men nog in het ziekenhuis verblijft of overlijden nadat men het ziekenhuis heeft verlaten. Door 377.000 individuen door deze elf mogelijke overgangen te volgen, kon het team de exacte waarschijnlijkheid berekenen dat een patiënt van de ene naar de andere toestand overging en zien hoe die waarschijnlijkheid veranderde op basis van wie de patiënt was en wanneer zij ziek werden.
De resultaten gaven een duidelijk beeld van wie het meest kwetsbaar was en hoe het gezondheidszorgsysteem evolueerde. De gegevens toonden aan dat mannen, oudere volwassenen, mensen die in verzorgingstehuizen wonen en mensen met aanzienlijke sociale deprivatie een veel groter risico liepen op ziekenhuisopname en overlijden. Het aantal chronische aandoeningen dat een persoon had, speelde ook een grote rol; mensen met meer onderliggende ziekten waren veel vaker geneigd in het ziekenhuis terecht te komen of te overlijden. Interessant genoeg toonde de studie aan dat mensen die aan het begin van de pandemie veel verschillende medicijnen gebruikten, een grotere kans hadden op ziekenhuisopname, maar minder waarschijnlijk stierven zodra ze daar waren, wat suggerectioneert dat hun medische teams hen al nauwlettend in de gaten hielden. Daartegenover stond dat vaccinatie fungeerde als een krachtig schild. Naarmate de vaccinatiecampagne uitrolde, daalde het risico op ziekenhuisopname aanzienlijk, en gevaccineerde patiënten die toch ziek werden, waren veel vaker in staat om te herstellen en naar huis te gaan zonder intensieve zorg nodig te hebben.
De onderzoekers observeerden ook dat de aard van de pandemie in de loop van de tijd veranderde. In de allereerste periode, toen het virus nieuw was en ziekenhuizen overbelast waren, was het risico op overlijden hoog voor iedereen. Echter, naarmate de tijd verstreek en het gezondheidszorgsysteem zich aanpaste, verschoof het patroon. Minder mensen werden in totaal opgenomen in het ziekenhuis, maar degenen die wel werden opgenomen, hadden een grotere kans om intensieve zorg nodig te hebben. Dit sugggeert dat het systeem beter werd in het buiten de deur houden van milde gevallen, waardoor de meest kritieke middelen werden gereserveerd voor de ziekste patiënten, die vervolgens ook vaker overleefden. De studie benadrukte ook dat het risico op overlijden na het verlaten van het ziekenhuis in de begindagen van de pandemie hoger was dan in latere perioden, wat aangeeft dat de zorg en monitoring na ontslag verbeterden naarmate de crisis voortduurde.
Door gebruik te maken van deze dynamische kaart van patiënttrajecten, lieten de onderzoekers zien dat het mogelijk is om een enorme, complexe database van real-world records om te zetten in een helder verhaal over ziekteprogressie. Ze toonden aan dat factoren zoals sociale ongelijkheid en het wonen in een verzorgingstehuis even belangrijk waren als leeftijd of medische geschiedenis bij het bepalen van het lot van een patiënt. De studie telde niet alleen sterfgevallen; het legde de weg uit die tot hen leidde. Deze benadering biedt een manier voor publieke gezondheidsinstanties om het volledige beeld van een epidemie te zien, wat hen helpt te beslissen waar ze middelen naartoe moeten sturen en hoe ze de meest kwetsbaren kunnen beschermen. De methoden die in dit onderzoek zijn gebruikt, zijn niet beperkt tot de pandemie; ze kunnen worden toegepast op andere ziekten die door verschillende stadia bewegen, waardoor ze een robuust instrument vormen voor het begrijpen van hoe ziekten populaties beïnvloeden en hoe gezondheidszorgsystemen daarop reageren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.