Innovatie
Bij een groot deel van de patiënten na een CVA treedt er uitval op van de arm en hand. In welke mate de arm- en handfunctie herstelt, verschilt per patiënt. Om meer inzicht te krijgen in het herstel is een voorspelmodel ontwikkeld. Dit model geeft patiënten, maar ook zorgprofessionals, inzicht in het mogelijk herstel van arm-handfunctie gedurende het revalidatietraject en kan helpen de optimale behandeling voor een patiënt al zo vroeg mogelijk in het zorgtraject te kiezen.
Auteurs
DR. J. ( JORRIT) SLAMAN
Beleidsadviseur Rijndam Zorgdata, Rijndam Revalidatie, Rotterdam
PROF. DR. R.W. (RUUD) SELLES
Hoogleraar afdeling Revalidatiegeneeskunde & afdeling Plastische Chirurgie, Erasmus MC, Rotterdam
Digitale beslisondersteuning is geen nieuw concept. Reeds in 1959 werd gepubliceerd over het gebruik van computers om medische informatie te verzamelen, verwerken en een arts op basis van deze gegevens te ondersteunen bij de diagnosestelling.1 Sindsdien zijn er talloze modellen ontwikkeld die een voorspelling geven van bijvoorbeeld de mate van herstel of de lengte van een opnameduur. Desondanks zijn er maar weinig succesvolle implementaties van dergelijke voorspelmodellen in de revalidatiesector te benoemen. Het betreft dan ook vaak complexe formules die voortvloeien uit de wetenschap, waarbij de benodigde inputvariabelen in het medisch dossier moeten worden opgezocht en vervolgens handmatig in deze formule moeten worden ingevuld om tot een voorspelling te komen. De praktijk leert dat dit proces tijdrovend en foutgevoelig is. Daarnaast geven klassieke voorspelmodellen een voorspelling van een vast moment in de toekomst en niet over het beloop over de tijd, terwijl dit beloop over de tijd in veel gevallen een minstens zo interessant gegeven kan zijn. Om de praktische bruikbaarheid te maximaliseren lijkt het zinvol modellen te ontwikkelen maar ook in de klinische praktijk te implementeren waarbij:
- de input voor het model automatisch vanuit de bronsystemen wordt ingeladen;
- het beloop van herstel wordt voorspeld, niet een enkel punt in de toekomst;
- het resultaat van de voorspelling makkelijk en snel oproepbaar is, bij voorkeur in het medisch dossier/EPD;
- de visuele presentatie van de voorspelling makkelijk te interpreteren is voor zowel zorgprofessional als patiënt.
Samen met het Erasmus MC en het Amsterdam UMC heeft Rijndam Revalidatie een dergelijk model ontwikkeld en in de zorg geïmplementeerd. Het model voorspelt het beloop van arm-handfunctie (totaalscore van de Action Research Arm Test [ARAT]) van een revalidant over een periode van ruim zes maanden.2 De benodigde input voor dit model betreft een ARAT-totaalscore, aangevuld met de mate van aanwezige vingerextensie en schouderabductie (geregistreerd met respectievelijk de Fugl Meyer Assessment en Motricity Index). Elke herhaalde meting van deze set uitkomsten dient als input voor het voorspelmodel. Hoe meer herhaalde metingen over de tijd, hoe beter de voorspelling.
Waar veel eerdere voorspelmodellen eindigen als formule in een wetenschappelijke publicatie, is binnen Rijndam dit model geïntegreerd in het EPD. Onze zorguitkomsten worden gestructureerd uitgezet en opgeslagen in GemsTracker, een applicatie die geïntegreerd is in ons EPD. Voor de voorspelling haalt het voorspelmodel de gegevens van een specifieke patiënt uit GemsTracker, past ze toe in het model, en toont de grafische output (figuur 1) in ons CVA-dashboard in het EPD. Samen met Santeon Ziekenhuizen is veel aandacht besteed aan deze grafische representatie. Het betreft een grafiek waarin de voorgaande ARAT-metingen als input worden getoond (blauwe stippen links van de stippellijn) en de voorspelling van de arm-handfunctie als grafiek (rechts van de stippellijn). De lichtgroene en donkergroene wolk geven de 68% en 95% betrouwbaarheidsintervallen van de voorspelling weer.
Dit voorspelmodel kan een zorgprofessional cijfermatig steunen in het vroegtijdig stellen van de prognose van het herstel van arm-handfunctie. Als herstel over de tijd waarschijnlijk is kan de nadruk van de behandeling liggen op restitutie van de aangedane armfunctie; als herstel van de aangedane arm niet aannemelijk is, kan de balans al in een vroeg stadium van de revalidatie doorslaan naar het aanleren van compensatiestrategieën.
Ons voorspelmodel voor arm-handfunctie na CVA is tijdens een gezamenlijke focusgroep samen met de Santeon-Ziekenhuizen voorgelegd aan (oud-)patiënten om inzicht te krijgen in het patiëntperspectief. Hieruit bleek dat patiënten het fijn vinden dat de klinische blik en ervaring van zorgprofessionals wordt verrijkt met de cijfermatige onderbouwing uit het voorspelmodel. Opvallend was dat terwijl onderzoekers de wolk rondom de voorspelling, die de onzekerheid van de voorspelling weergeeft, het liefst zo smal mogelijk willen hebben; de patiënten aangaven deze ‘speelruimte’ juist fijn te vinden. Het geeft ze het gevoel hoog in deze wolk en dus boven de verwachtte voorspelling te kunnen uitkomen als ze zich goed inzetten gedurende de revalidatiebehandeling. Wat hen betreft wordt dan ook enkel de ‘wolk’ getoond zonder de lijn van de meest waarschijnlijke voorspelling bij een terugkoppeling van dit model aan de patiënt. In een recente studie bij patiënten van Rijndam, Xpert Clinics en Santeon bleek dat het gebruik van dit soort patiënt- en uitkomstinformatie leidt tot betere patiëntervaringen, betere beslissingen en positievere verwachtingen van het behandelresultaat.3
‘Patiënten vinden het fijn dat
de klinische blik en ervaring van
zorgprofessionals wordt verrijkt
met de cijfermatige onderbouwing
uit het voorspelmodel’
Rijndam Revalidatie gaat momenteel een pilotfase in met de toepassing van dit type voorspelmodellen. Naast het model voor arm-handfunctie hebben we ook een voorspelmodel voor zelfstandigheid van ADL-taken (Barthel Index) in ontwikkeling. In eerste instantie zullen de modellen worden getoond bij de teambesprekingen van onze klinische neurologie afdeling. Voelt de zorgprofessional zich gesteund door de modellen, of trappen we enkel open deuren in? Op deze vraag hopen we gedurende de pilotfase antwoord te krijgen. Als de klinische meerwaarde bevestigd is zal een volgende stap van de pilotfase het terugkoppelen van de voorspellingen aan de patiënt zijn. De insteek hierbij is dat dit altijd in de aanwezigheid van een zorgprofessional wordt teruggekoppeld om te voorkomen dat patiënten de voorspelling, of de onzekerheid rondom de voorspelling, verkeerd interpreteren. Op deze wijze kunnen we patiënten een zo reëel mogelijk beeld schetsen over hun verwachte herstel van arm-handfunctie.
Ben je enthousiast geworden over de toepassing van dit voorspelmodel? De achterliggende code is vrij beschikbaar, zie hiervoor de publicatie van Selles et al.2 Als standalone optie is er een Shiny-app beschikbaar via: https://emcbiostatistics.shinyapps.io/DynamicPredictionARATapp/
In deze app kun je fictieve data inladen als ‘vingeroefening’ of je laadt data in van een patiënt om een voorspelling over de tijd te krijgen van het herstel van arm-handfunctie.
Dankwoord
Veel werk is voorafgegaan aan het kunnen toepassen van dit voorspelmodel. Voor de statistische ontwikkeling, grafische uitwerking en technische implementatie hiervan hebben we dankbaar samengewerkt met het Amsterdam UMC, Santeon Ziekenhuizen en de afdeling Biostatistiek van het Erasmus MC.
Referenties
- Ledley RS, Lusted LB. Reasoning Foundations of Medical Diagnosis: symbolic logic, probability, and value theory aid our understanding of how physicians reason. Science 1959;130(3366):9-21. doi:10.1126/science.130.3366.9.
- Selles RW, Andrinopoulou ER, Nijland RH, van der Vliet R, Slaman J, van Wegen EE, Rizopoulos D, Ribbers GM, Meskers CG, Kwakkel G. Computerised patient-specific prediction of the recovery profile of upper limb capacity within stroke services: the next step. J Neurol Neurosurg Psychiatry. 2021;92(6):574-81. doi:10.1136/jnnp-2020-324637. Epub ahead of print. PMID: 33479046; PMCID: PMC8142441.
- https://publicaties.zonmw.nl/fileadmin/zonmw/documenten/Kwaliteit_van_zorg/Uitkomstgerichte_zorg/Producten_van_projecten/05160472110006_Rapport_Uitkomstinformatie_in_de_dagelijkse_zorg_van_verzamelen_naar_gebruiken_voor_beleidsmakers.pdf