Mobiele menu

Patients' and general practitioners' preferences for osteoporosis treatment ancillary study of 'Case finding in Osteoporosis: how to implement current guidelines?'

Projectomschrijving

Met name bij oudere vrouwen kan de botdichtheid zo sterk afnemen dat er gemakkelijk botbreuken ontstaan. Meer bewegen en medicijnen kunnen de botdichtheid iets vergroten en daarmee het risico op botbreuken verminderen. In Rotterdam is nagegaan welke kenmerken van de behandeling met medicijnen belangrijk zijn voor vrouwen om te beslissen deze medicijnen wel of niet te gaan gebruiken. Onderzoek bij 120 vrouwen (60 veel, 60 weinig risico op botbreuken) laat zien dat met name de bijwerking misselijkheid een belangrijke rol speelt, maar dat deze bijwerking geaccepteerd wordt als de behandeling het risico op een botbreuk met minstens 40% vermindert. Vrouwen met een hoog botbreukrisico accepteren een behandeling eerder dan vrouwen met een laag botbreukrisico. Huisartsen hechten vooral belang aan de effectiviteit en duur van de behandeling. Dit verschil tussen patiënt en huisarts kan van belang zijn voor de arts-patiëntrelatie.

Producten

Titel: Patients' preferences for osteoporosis drug treatment: a discrete choice experiment
Auteur: E.W. de Bekker-Grob, M.L. Essink-Bot, W.J. Meerding, H.A.P. Pols, B.W. Koes, E.W. Steyerberg Epub ahead of print.
Magazine: Osteoporosis International

Verslagen


Eindverslag

Osteoporose is een volksgezondheidsprobleem. In Nederland zijn ongeveer 75.000 fracturen per jaar toe te schrijven aan osteoporose. Osteoporotische fracturen hebben een economische impact op de maatschappij en op de levenskwaliteit van patiënten. Preventieve geneesmiddelen, zoals bisfosfonaten, reduceren de kans op osteoporotische fracturen. Verschillende richtlijnen raden een ‘case-finding’ benadering aan om personen met een verhoogd risico op osteoporotische fracturen op te sporen. Vrouwen met een verhoogd risico kunnen dan een preventieve behandeling (geneesmiddelen) voorgeschreven krijgen. Echter, het is onbekend welke invloed de kenmerken van zo’n behandeling hebben op voorkeuren (preferenties) van patiënten en huisartsen voor behandeling, en wat de relatieve rol van elk behandelingskenmerk is op die voorkeuren. Het doel van de studie was het meten van patiënten- en huisartsenvoorkeuren voor de behandeling van osteoporose. In de praktijk moeten patiënten met een verhoogd fractuurrisico de belasting (behandelingsduur, bijwerkingen) en (eventuele) eigen bijdrage in de kosten van de behandeling afwegen tegen het individuele fractuurrisico en de werkzaamheid van de behandeling. De preferenties van patiënten voor behandeling en hun afwegingen tussen attributen (waaronder de belasting van de behandeling) worden niet meegenomen in de kosten per QALY op macroniveau, maar zijn zeer belangrijk voor de motivatie en de therapietrouw van de patiënt, arts-patiënt interactie, en osteoporose case-finding beleid. Het onderzoek bestond uit een preferentiestudie (discrete choice experiment of DCE). De onderzoeksvragen waren: 1) Wat zijn de relevante kenmerken (of attributen) van osteoporosebehandeling? 2) Wat zijn de preferenties voor preventieve behandeling van osteoporose van vrouwen die deelnemen aan osteoporose case-finding en hun huisartsen? Wat is het relatieve belang van de attributen in deze preferenties? Zijn er verschillen in preferenties en de gemaakte afwegingen tussen attributen tussen patiënten en huisartsen; en tussen patiënten met een hoog resp. een lager fractuurrisico? 3) Wat is de toegevoegde waarde van de methode van DCE? Voor het discrete keuze experiment zijn eenmalig data verzameld bij 120 vrouwen van 60 jaar of ouder (waarvan 60 vrouwen met een lage kans op osteoporotische fracturen en 60 vrouwen met een hoge kans op osteoporotische fracturen) en bij 40 huisartsen. Deze respondenten werden gerekruteerd van 34 huisartsenpraktijken (Rotterdam e.o.), die deelnamen aan de hoofdstudie 'Case finding in Osteoporosis: how to implement current guidelines?'. Keuzescenario’s werden geconstrueerd op basis van 5 kenmerken: effectiviteit (reductie van het risico op heupfractuur), bijwerking van de behandeling (misselijkheid), behandelingsduur, wijze van toediening en eigen bijdrage voor de patiënt. Respondenten kregen 16 keuzesets voorgelegd in een vragenlijst. Een getrainde medische student verzamelde de antwoorden van de patiënt door middel van een telefonisch interview. De huisartsen retourneerden de ingevulde vragenlijst per post. Analyse: conditionele logit regressiemodellen. Respons: 120/181 (66%) voor patiënten en 40/59 (68%) voor huisartsen. Alle vijf de behandelingskenmerken (effectiviteit, bijwerking van de behandeling, behandelingsduur, wijze van toediening en eigen bijdrage voor de patiënt) hadden een statistisch significante invloed op de voorkeuren van patiënten en huisartsen voor preventieve osteoporosebehandeling. De bijwerking misselijkheid had een grote invloed op de keuzes van patiënten, maar patiënten accepteerden deze bijwerking als de behandeling tot een reductie van meer dan 40% van het risico op een heupfractuur zou leiden. Patiënten met een verhoogde kans op osteoporotische fracturen waren bereidwilliger om een minder effectieve preventieve behandeling te ondergaan dan patiënten met een lage kans op osteoporotische fracturen. Huisartsen vonden de behandelingskenmerken ‘effectiviteit’ en ‘behandelingsd
Zie samenvatting Subsidie-aanvraag. Deze is ongewijzigd gebleven.

Samenvatting van de aanvraag

The aim of the study is to measure preferences for osteoporosis management, and to raise further evidence on the use of discrete choice experimentation (DCE) for decision making in health care. In actual medical practice, patients with high fracture risks have to tradeoff the burden of medication (intensity, duration, side effects) and (possible) costs against individual fracture risk, the burden of perceived fracture risk, and treatment efficacy. These intervention attributes, particularly the individual uncertainty regarding fracture risk and treatment benefit, and the burden of treatment, are not accounted for in costs per QALY at macrolevel, but are of great importance for patients' motivation, doctor-patient decisions, and osteoporosis case finding policy. We will 1) identify relevant characteristics (or attributes) of osteoporosis management, 2) investigate how elderly females and general practitioners value these attributes, and 3) raise further evidence on the validity of DCE for decision making in health care. We will measure preferences for osteoporosis management by DCE in personal interviews with 120 community dwelling elderly females (60-80 years) with an overrepresentation of females with high fracture risk (n=60), and with 40 general practitioners. DCE is a technique by which respondents make choices between hypothetical scenarios (i.c. of osteoporosis management) with multiple attributes. The relative weighing of the attributes indicates the willingness to substitute among attributes, for instance respondents' willingness to accept intensive treatment for a change in fracture risk. We will also collect health status valuations of hip fracture, (perceived) individual fracture risk, relevant background variables, and information on therapy adherence to determine any relationship with elicited preferences. The respondents will be recruited from the implementation trial on osteoporosis case finding. A formal power analysis is not possible, but based on a literature review the sample size is expected to be sufficient for meaningful preference patterns. Data will be analysed with simple or random effects probit modelling. Questionnaire design and pilot testing will take place in the first year, and the interviews (month 13-18), data analysis (month 19-21) and reporting (22-24) will be conducted in the second year. Nederlandse samenvatting: Het doel van de studie is het meten van patiëntenvoorkeuren voor de behandeling van osteoporose, en het vaststellen van het nut van discrete keuze experimenten (DCE) for beslissingen in de gezondheidszorg. In de behandelpraktijk moeten patiënten met een hoog fractuurrisico de belasting (intensiteit, duur, bijwerkingen) en (eventuele) kosten van de behandeling afwegen tegen het individuele fractuurrisico, ervaring van risico, en de werkzaamheid van de behandeling. Deze kenmerken of attributen van de interventie, vooral het omgaan met onzekerheid over het oplopen van een fractuur en het slagen van de behandeling, en de belasting van de behandeling, worden niet meegenomen in de kosten per QALY op macroniveau, maar zijn zeer belangrijk voor de motivatie van de patiënt, dokter-patiënt beslissingen, en osteoporose case finding beleid. We willen 1) relevante kenmerken (of attributen) van osteoporosebehandeling identificeren, 2) onderzoeken hoe oudere vrouwen en huisartsen deze attributen waarderen, en 3) aanvullend bewijs verzamelen over de validiteit van DCE voor beslissingsondersteuning in de gezondheidszorg. De voorkeuren voor de behandeling van osteoporose worden met een DCE gemeten in persoonlijke interviews met 120 zelfstandig wonende oudere vrouwen (60-80 jaar) met een oververtegenwoordiging van vrouwen met een hoog fractuurrisico (n=60), en met huisartsen (n=40). DCE is een techniek waarbij respondenten keuzes maken tussen hypothetische scenario's (i.c. osteoporosebehandelingen) met meerdere kenmerken. Het uit de keuzes afgeleide relatieve gewicht van de kenmerken geeft aan de bereidheid om kenmerken tegen elkaar uit te ruilen, zoals de bereidheid om een intensievere behandeling te accepteren voor een verdere vermindering van fractuurrisico. Verder worden de volgende data verzameld: de waardering van een gezondheidstoestand overeenkomend met een heupfractuur, (gepercipieerd) individueel fractuurrisico, relevante achtergrondvariabelen, en informatie over therapietrouw. Er zal worden vastgesteld of deze variabelen een relatie hebben met de gemeten voorkeuren. De respondenten zullen worden geworven uit de implementatietrial van het osteoporose case finding instrument. Een formele poweranalyse is niet mogelijk, maar op basis van een literatuurreview is de steekproefomvang naar verwachting genoeg om significante preferentieverdelingen te meten. De data zullen worden geanalyseerd met eenvoudige of random effects probit modellering. Het ontwerp van de vragenlijst en de pilot test zullen plaatsvinden in het eerste jaar, en de interviews (maand 13-18), data analyse (maand 19-21), en de rapportage (maand 22-24) in het tweede jaar.

Kenmerken

Projectnummer:
945140109
Looptijd: 100%
Looptijd: 100 %
2005
2007
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Prof. dr. M.L. Essink-Bot
Verantwoordelijke organisatie:
Erasmus MC