Samenvatting
Wanneer we de kans dat een patiënt binnen de komende tien jaar klachten van hart- en vaatziekten krijgt kunnen schatten, om daar vervolgens beleidsconsequenties aan te verbinden, wordt het mogelijk om gericht preventief te handelen. Er zijn veel verschillende CVRM-voorspelregels bedacht, die variëren in het aantal en soort voorspellende factoren. Slechts enkele daarvan zijn gevalideerd. Hoewel de roep om verbetering van de CVRM-voorspelregels al geruime tijd klinkt, is de bewijsvoering nog steeds beperkt. Nieuwe mogelijkheden dienen zich echter aan.
Literatuur
Harskamp RE, Van Peet PG, Peters MJ, Van Weert HC. Cardiovasculair risico-inschatting: een toekomstverkenning. Huisarts Wet 2018;61(5):https://doi.org/10.1007/s12445-018-0121-4.
NHG-Standaard Cardiovasculair risicomanagement (tweede herziening). Huisarts Wet 2012;55:14-28.
Damen JA, Hooft L, Schuit E, Debray TP, Collins GS, Tzoulaki I, et al. Prediction models for cardiovascular disease risk in the general population: systematic review. BMJ 2016;353:i2416.
Piepoli MF, Hoes AW, Agewall S, Albus C, Brotons C, Catapano AL, et al. 2016 European Guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J 2016;37:2315-81.
Vonder M, Van der Aalst CM, Vliegenthart R, Van Ooijen PMA, Kuijpers D, Gratama JW, et al. Coronary artery calcium imaging in the ROBINSCA trial: rationale, design, and technical background. Acad Radiol 2018;25:118-128.
Den Ruijter HM, Peters SA, Anderson TJ, Britton AR, Dekker JM, Eijkemans MJ, et al. Common carotid intima-media thickness measurements in cardiovascular risk prediction: a meta-analysis. JAMA 2012;308:796-803.
Rumsfeld JS, Joynt KE, Maddox TM. Big data analytics to improve cardiovascular care: promise and challenges. Nat Rev Cardiol 2016;13:350-9.
Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One 2017;12:e0174944.
Obermeyer Z, Emanuel EJ. Predicting the future – big data, machine learning, and clinical medicine. N Engl J Med 2016;375:1216-9.
Neff G. Why big data won’t cure us. Big Data 2013;1:117-123.
https://www.rivm.nl/Onderwerpen/M/Medische_Stralingstoepassingen/Trends_en_stand_van_zaken/Diagnostiek/Computer_Tomografie/Trends_in_het_aantal_CT_onderzoeken. Geraadpleegd op 19 maart 2018.
Riley RD, Ensor J, Snell KI, Debray TP, Altman DG, Moons KG, et al. External validation of clinical prediction models using big datasets from e-health records or IPD meta-analysis: opportunities and challenges. BMJ 2016;353:i3140.
Collins GS, Reitsma JB, Altman DG, Moons KG. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ 2015;350:g7594.
Author information
Authors and Affiliations
Corresponding author
Additional information
Bots ML. Nieuwe mogelijkheden bij cardiovasculaire risico-inschatting. Huisarts Wet 2018;61(5):DOI:10.1007/s12445-018-0123-2.
Mogelijke belangenverstrengeling: niets aangegeven.
About this article
Cite this article
Bots, M. Nieuwe mogelijkheden bij cardiovasculaire risico-inschatting. Huisarts Wet 61, 18–19 (2018). https://doi.org/10.1007/s12445-018-0123-2
Published:
Issue Date:
DOI: https://doi.org/10.1007/s12445-018-0123-2