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
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
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.