ľ¹Ï¸£ÀûÓ°ÊÓ

Een huisarts weegt voortdurend risico’s af bij elke individuele patiënt om medische beslissingen te kunnen nemen: hoe zullen klachten zich waarschijnlijk ontwikkelen, is behandeling nodig, en wat is de kans op ernstige complicaties of een onderliggende aandoening? Zo maakt een huisarts continu medische voorspellingen.

Klinische predictiemodellen, ontwikkeld op basis van medisch wetenschappelijk onderzoek, kunnen helpen bij het onderbouwen van deze beslissingen. Dit onderzoeksgebied heet 'predictie onderzoek', en het aantal predictiemodellen dat wordt gepubliceerd in de medische literatuur groeit snel. Toch wordt slechts een klein deel van deze modellen daadwerkelijk toegepast in de dagelijkse medische praktijk. Dit proefschrift onderzoekt hoe predictie onderzoek de klinische praktijk kan verbeteren, met specifieke aandacht voor de huisartsenpraktijk.
Predictie onderzoek binnen de huisartsgeneeskunde kent unieke uitdagingen. De meeste patiënten die bij de huisarts komen hebben een lage kans op ziekte, omdat de prevalentie van veel aandoeningen in de gehele populatie relatief laag is. Toch kunnen we met predictieonderzoek patiëntengroepen identificeren bij de huisarts met een verhoogd risico op bepaalde aandoeningen of uitkomsten. Juist daarom zijn predictiemodellen van grote waarde in de huisartsenpraktijk.
In dit proefschrift worden verschillende casestudies beschreven waarin predictiemodellen worden ontwikkeld voor de huisartsenpraktijk. Het gaat onder meer om modellen die trombotische complicaties voorspellen bij patiënten met een tromboflebitis (aderontsteking), ziekenhuisopname bij COVID-19 patiënten, en beroerte of TIA op de huisartsenpost.
Door klinische inzichten te combineren met statistische methoden, wil dit proefschrift predictie onderzoek toegankelijker en relevanter maken voor huisartsen, klinisch onderzoekers en andere zorgprofessionals. Het uiteindelijke doel is het ontwikkelen van klinisch bruikbare modellen die de huisartsenzorg verbeteren.