Development and temporal evaluation of a multivariable prediction model to screen for late-diagnosed cystic fibrosis
Deze studie ontwikkelde en evalueerde temporeel een multivariabel voorspellingsmodel met behulp van zeven klinische kenmerken dat erin slaagde alle volwassen patiënten met waarschijnlijke of onopgeloste cystische fibrose voor diagnostische tests te identificeren, terwijl het aantal fout-positieven onder onwaarschijnlijke gevallen minimaliseerde, hoewel verdere prospectieve multicenter validatie vereist is.
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
Decennialang was de diagnose van cystische fibrose een verhaal van vroege detectie. Dankzij programma's voor pasgeborenen worden de meeste kinderen met de aandoening kort na de geboorte geïdentificeerd, waardoor gezinnen direct kunnen beginnen met levensreddende behandelingen. Echter, een aanzienlijk aantal mensen glipt erdoorheen. Dit zijn volwassenen die de genetische veranderingen voor de ziekte dragen, maar bij wie de symptomen subtiel, ongebruikelijk of gemakkelijk aan te zien zijn voor andere veelvoorkomende respiratoire of spijsverteringsproblemen. Omdat de tekenen zo gevarieerd zijn en vaak pas op latere leeftijd verschijnen, denken artsen er mogelijk niet aan om op cystische fibrose te testen totdat jaren van ziekte zijn verstreken. Deze vertraging is cruciaal; zonder een bevestigde diagnose missen patiënten moderne therapieën die hun gezondheid en levensduur drastisch kunnen verbeteren. De uitdaging voor clinici is om te weten welke volwassen patiënt, die zich presenteert met vage symptomen zoals een chronische hoest of spijsverteringsproblemen, daadwerkelijk een specifieke zweettest nodig heeft om de ziekte te bevestigen.
Om dit gat te dichten, hebben onderzoekers van het Santa Barbara Cottage Hospital en het Cedars-Sinai Medical Center een nieuwe tool ontwikkeld die artsen helpt beslissen wanneer zij deze tests moeten aanvragen. Ze hebben een screeningsmodel ontwikkeld dat naar de medische geschiedenis en de huidige symptomen van een patiënt kijkt om de waarschijnlijkheid van cystische fibrose te berekenen. Het team verzamelde gegevens van 256 volwassenen die tussen 2005 en 2023 waren geëvalueerd op deze aandoening. Ze verdeelden deze patiënten in twee groepen: een grotere groep die werd gebruikt om het model te bouwen en een kleinere, latere groep die werd gebruikt om te testen of het model in de loop van de tijd nog steeds werkte. De onderzoekers concentreerden zich op zeven specifieke klinische aanwijzingen die vaak voorkomen bij volwassenen met de ziekte: pancreasinsufficiëntie (waarbij het lichaam voedsel niet goed kan verteren), acute of chronische pancreatitis, infecties met specifieke soorten bacteriën, de aanwezigheid van een familielid met een genetische variant van cystische fibrose, en specifieke patronen op longscans zoals bronchiectasie of "tree-in-bud" opaciteiten.
De onderzoekers bouwden een systeem dat deze zeven factoren samen weegt. Als een patiënt een voldoende hoge score heeft op basis van deze factoren, raadt het model een zweetchloride-test aan. Daarnaast bevat het model een vangnet: als een patiënt de eerder genoemde specifieke longpatronen heeft, raadt het model zelfs als de andere zes factoren ontbreken, nog steeds een test aan. Toen de onderzoekers deze tweeledige regel toepasten op hun eerste groep patiënten, identificeerde het model succesvol elk persoon die later werd bevestigd met cystische fibrose te hebben. Het ving ook elke patiënt met een onopgeloste vorm van de ziekte, wat betekent dat het niemand heeft gemist die verdere investigatie nodig had. In de tweede, latere groep patiënten presteerde het model even goed, waarbij alle bevestigde gevallen en alle onopgeloste gevallen werden geïdentificeerd.
De studie keek ook naar hoe vaak het model zou suggereren een test uit te voeren voor iemand die de ziekte niet heeft. In de groep patiënten waarbij artsen aanvankelijk dachten dat cystische fibrose onwaarschijnlijk was, besloot het model correct om de overgrote meerderheid van hen niet te testen. Sterker nog, onder de patiënten die de artsen al hadden afgeschreven, markeerde het model slechts twee personen uit 126 als zijnde in aanmerking komend voor een test. Dit suggereert dat de tool nauwkeurig genoeg is om onnodige testen te vermijden, terwijl het gevoelig genoeg blijft om elk echt geval te vangen. De onderzoekers merkten op dat het model het beste werkt wanneer het wordt gebruikt door clinici die in staat zijn om deze specifieke medische condities bij hun patiënten accuraat te identificeren. Hoewel de studie werd uitgevoerd in een enkel centrum en betrokken was bij een relatief klein aantal mensen, bieden de resultaten een veelbelovende, praktische manier om alledaagse medische informatie te gebruiken om volwassenen te vinden die te lang met een ongediagnosticeerde aandoening hebben geleefd. De auteurs benadrukken dat dit een voorlopige stap is en dat het model getest moet worden in grotere, meer diverse populaties voordat het breed kan worden toegepast, maar het vertegenwoordigt een belangrijke stap richting het oplossen van de puzzel van laat gediagnosticeerde cystische fibrose.
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.