ľ¹Ï¸£ÀûÓ°ÊÓ

Het onderzoek van Tabea Kaul richt zich op hoe we medisch onderzoek beter kunnen combineren en evalueren ter ondersteuning van evidence-based medicine. Systematische reviews zijn belangrijke tools in de geneeskunde: ze helpen artsen en onderzoekers te begrijpen wat alle bestaande studies zeggen over een bepaald onderwerp. Toch stuiten deze reviews vaak op problemen, zoals ontbrekende of bevooroordeelde gegevens.

Deze thesis onderzoekt hoe medische studies beter gevonden, beoordeeld en gerapporteerd kunnen worden. Zo blijkt dat het doorzoeken van klinische trialregisters meer relevante studies kan opleveren dan traditionele databanken, al blijven beide nodig. Veel trialrecords rapporteren echter hun resultaten niet volledig, wat het gebruik ervan in reviews bemoeilijkt. De thesis doet praktische aanbevelingen om transparantie en bruikbaarheid te verbeteren. Daarnaast brengt het onderzoek tools in kaart die de kwaliteit van predictiestudies beoordelen, en geeft het advies over hoe men de juiste tool kiest. Een bestaande tool wordt geëvalueerd en verbeterd, en er is een nieuwe tool ontwikkeld: PROBAST+AI, specifiek voor studies die gebruik maken van moderne technieken zoals artificial intelligence (AI). Ook is een tool aangepast om te monitoren in hoeverre studies voldoen aan de nieuwe rapportagerichtlijn TRIPOD+AI. Samengevat biedt deze thesis concrete tools en richtlijnen om medisch onderzoek beter te verzamelen, beoordelen en rapporteren, wat leidt tot betrouwbaardere en transparantere beslissingen in de gezondheidszorg.