Mobiele menu

Clinical prediction models for COVID-19: development, international validation and use

Projectomschrijving

Voor goede zorg voor COVID-19-patiënten is het cruciaal om het verwachte beloop van hun ziekte te kunnen inschatten. Bijvoorbeeld: Wat is de kans dat een patiënt intensive care (IC) nodig heeft?
Wat is de kans op overlijden?

Onderzoek

In dit onderzoek is een voorspelmodel (https://mdmerasmusmc.shinyapps.io/COPE/) ontwikkeld dat bij opname in het ziekenhuis een antwoord geeft op deze vragen. Hiervoor zijn gegevens gebruikt van bijna 6000 patiënten uit vier Nederlandse ziekenhuizen. In de modellen zijn zes makkelijk meetbare voorspellende factoren gebruikt, zodat het model eenvoudig te gebruiken is. Het model gaf nauwkeurige voorspellingen voor ruim 3000 Nederlandse en 2000 Amerikaanse patiënten in de tweede golf van de pandemie.

Resultaten

Uit interviews met zorgverleners, patiënten en naasten bleek dat zij de waarde van dit soort modellen zien bij het nemen van beslissingen over de optimale zorg voor de patiënt. De modellen moeten dan elektronisch beschikbaar zijn en de voorspellingen moeten helder gecommuniceerd worden. Bekijk de wetenschappelijke publicatie met de resultaten van dit onderzoek.

Producten

Titel: COVID Outcome Prediction in the Emergency Department
Auteur: David van Klaveren, Alexandros Rekkas, Jelmer Alsma, Rob J C G Verdonschot, Dick T J J Koning, Marlijn J A Kamps, Tom Dormans, Robert Stassen, Sebastiaan Weijer, Klaas-Sierk Arnold, Benjamin Tomlow, Hilde R H de Geus, Rozemarijn L van Bruchem-Visser, Jelle R Miedema, Annelies Verbon, Els van Nood, David M Kent, Stephanie C E Schuit, Hester Lingsma
Link: https://mdmerasmusmc.shinyapps.io/COPE/
Titel: Clinician, patient, and surrogate caregiver perspectives about the use of Clinical Prediction Models for COVID-19 inpatient treatment decision making
Auteur: Melissa Basile, Isabel Retel Helmrich, Judith Rietjens, Hester Lingsma, Jennifer Polo, Jinny Park, David van Klaveren, Theodoros Zanos, Jason Nelson, David Kent, Negin Hajizadeh
Titel: Generalizability of prognostic models for patient-centered decisions in COVID-19: Transportability over time and space
Auteur: David van Klaveren, Theodoros Zanos, Jason Nelson, Jinny Park, Isabel Retel Helmrich, Judith Rietjens, Melissa Basile, Negin Hajizadeh, Hester Lingsma, David Kent
Titel: COVID outcome prediction in the emergency department (COPE)
Auteur: David van Klaveren, Alexandros Rekkas, Jelmer Alsma, Rob J C G Verdonschot, Dick T J J Koning, Marlijn J A Kamps, Tom Dormans, Robert Stassen, Sebastiaan Weijer, Klaas-Sierk Arnold, Benjamin Tomlow, Hilde R H de Geus, Rozemarijn L van Bruchem-Visser, Jelle R Miedema, Annelies Verbon, Els van Nood, David M Kent, Stephanie C E Schuit, Hester Lingsma
Magazine: BMJ Open
Link: https://bmjopen.bmj.com/content/11/9/e051468

Verslagen


Eindverslag

Voor goede zorg voor COVID-19-patiënten is het cruciaal om het verwachte beloop van hun ziekte te kunnen inschatten. Bijvoorbeeld: Wat is de kans dat een patiënt intensive care (IC) nodig heeft? Wat is de kans op overlijden?

In dit onderzoek is een voorspelmodel (https://mdmerasmusmc.shinyapps.io/COPE/) ontwikkeld dat bij opname in het ziekenhuis een antwoord geeft op deze vragen. Hiervoor zijn gegevens gebruikt van bijna 6000 patiënten uit vier Nederlandse ziekenhuizen. In de modellen zijn zes makkelijk meetbare voorspellende factoren gebruikt, zodat het model eenvoudig te gebruiken is. Het model gaf nauwkeurige voorspellingen voor ruim 3000 Nederlandse en 2000 Amerikaanse patiënten in de tweede golf van de pandemie.

Uit interviews met zorgverleners, patiënten en naasten bleek dat zij de waarde van dit soort modellen zien bij het nemen van beslissingen over de optimale zorg voor de patiënt. De modellen moeten dan elektronisch beschikbaar zijn en de voorspellingen moeten helder gecommuniceerd worden.

Doelstelling 1 – Modelontwikkeling:
We hebben een model ontwikkeld dat sterfte en de kans op een IC opname voorspelt voor patiënten die zich op de SEH presenteren met een COVID-19 verdenking. Het voorspelmodel – COVID Outcome Prediction in the Emergency Department (COPE) – is gebaseerd op de snel en objectief meetbare variabelen leeftijd, ademfrequentie, C-reactieve proteïne, lactaat dehydrogenase, albumine en ureum. Het voorspellend vermogen (kalibratie en discriminatie) van COPE was zeer goed in patiënten in de tweede golf van de COVID-19 pandemie. COPE identificeerde ook heel goed patiënten die met een grote kans IC opname nodig hadden in de tweede golf van de pandemie. De ontwikkeling van COPE is Open Access gepubliceerd op medRxiv (doi: https://doi.org/10.1101/2020.12.30.20249023). COPE is geïmplementeerd in een webapplicatie (https://mdmerasmusmc.shinyapps.io/COPE/).

Doelstelling 2 – Modelvalidatie:
COPE wordt gevalideerd in 12 vestigingen van Northwell Health in New York. De eerste resultaten van deze validatie zijn veelbelovend.

Doelstelling 3 – Participatie van belanghebbenden:
Wij bereiden interviews voor met focusgroepen die bestaan uit enerzijds zorgprofessionals en anderzijds COVID-19 patiënten en hun naasten. Deze interviews staan gepland voor april 2021. Kernvraag is hoe COPE gezamenlijke behandel beslissingen van patiënten en artsen kan ondersteunen.

Samenvatting van de aanvraag

Approximately 20% of patients hospitalized with covid-19 require intensive care (ICU). Guiding clinicians and patients facing decisions on ICU admission requires an accurate forecast based on individual characteristics. Clinical prediction models provide such forecasts of ICU admission or mortality. A number of clinical prediction models appeared in the literature, but none were developed using high methodological rigor or were externally validated. The aim of this study is to: 1) develop clinical prediction models that impact clinical care through guiding treatment decisions by predicting: i) need for ICU admission in patients hospitalized with covid-19; ii) mortality in hospitalized patients; iii) mortality in ICU patients; 2) assess the validity and generalizability of these models across different international datasets; 3) engage stakeholders to develop guidance for best use of these clinical prediction models in the care of covid-19 patients. We will retrospectively include over 4000 consecutive covid-19 patients presenting to the emergency departments of 10 Dutch hospitals. We will consider a broad set of predictors based on literature and expert knowledge that are routinely measured in the emergency department and use a competing risk framework with cox proportional hazards regression. For validation we have access to USA databases including over 10.000 patients. We will convene a multi-stakeholder panel including patients; relatives; hospitals physicians; GPs; nurses; and ethicists to create a cycle of continual stakeholder feedback that results in clinical decision support tools that are more useful when implemented in clinical care. The results of this project will improve care for covid patients since i)we develop transparent models with predictors that are available in clinical practice, ii)use state of the art methods, iii)perform multicenter international validation, iv)engage stakeholders, and v)the first models will be available within 3 months.

Onderwerpen

Kenmerken

Projectnummer:
10430012010019
Looptijd: 100%
Looptijd: 100 %
2020
2021
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Dr. ir. D. van Klaveren
Verantwoordelijke organisatie:
Erasmus MC