Real-Time Voorspellingsmodel van behandeling gerelateerde bijwerkingen tijdens intensieve hematologische behandelingen

Health~Holland
lopend

Onderzoekssamenvatting

Patiënten met bloedkanker (hematologische maligniteiten) die intensieve behandelingen ondergaan, zoals chemotherapie, CAR T-celtherapie, of een stamceltransplantatie, kunnen last krijgen van bijwerkingen die door de behandeling worden veroorzaakt. Deze bijwerkingen worden meestal in het ziekenhuis in de gaten gehouden. Echter, een groot deel van de patiënten krijgt helemaal geen bijwerkingen, maar moet toch in het ziekenhuis blijven. Dit is vaak stressvol voor de patiënt en verhoogt de kans op ziekenhuisinfecties.

Onderzoeksrichting en voorgestelde oplossing

Om de situatie van deze patiënten te verbeteren, kan intensieve zorg ook buiten het ziekenhuis, in een poliklinische setting, worden gegeven. Dit zou patiënten meer vrijheid geven, hun kwaliteit van leven verbeteren, en tegelijkertijd zorgen voor minder beddentekorten en lagere zorgkosten. Een oplossing is het ontwikkelen van een systeem dat bijwerkingen in een vroeg stadium opspoort, zodat de patiënten thuis kunnen blijven en alleen naar het ziekenhuis komen als dat echt nodig is.

Relevantie

Steeds meer mensen worden behandeld voor bloedkanker, wat de noodzaak vergroot om de intensieve zorg efficiënter te maken. Met een real-time voorspellingsmodel kunnen bijwerkingen vroeg worden gedetecteerd. Dit maakt poliklinische zorg mogelijk, waarbij patiënten minder vaak in het ziekenhuis hoeven te verblijven. Dit zorgt niet alleen voor een betere kwaliteit van leven, maar ook voor minder complicaties en een lagere druk op de ziekenhuizen. Als dit model in Nederland wordt toegepast, kan het bijdragen aan efficiëntere en meer gepersonaliseerde zorg.

Onderzoeksvragen

  • Kan de CardioWatch-287-2 bij patiënten die intensieve hematologische zorg ontvangen, nauwkeurig en continu hun vitale functies meten?
  • Kan een real-time voorspellingsmodel behandeling-gerelateerde bijwerkingen voorspellen voordat deze zichtbaar worden?
  • Wat is de voorspellende waarde van het model in termen van sensitiviteit, specificiteit en nauwkeurigheid?

Onderzoeksopzet

Het doel van dit project is om een voorspellingsmodel te ontwikkelen dat bijwerkingen van behandelingen nauwkeurig kan voorspellen. Om dit te doen, zullen we een dataset samenstellen van verschillende gegevens, zoals de basiskenmerken van de patiënt en vitale functies (zoals hartslag, bloeddruk, zuurstofniveau, ademhaling, temperatuur, activiteit en slaap) die continu worden gemeten door de CardioWatch. Voor patiënten die CAR T-celtherapie krijgen, worden ook neurologische scores meegenomen. Deze gegevens zullen we verzamelen tijdens de ziekenhuisopname. Op basis van deze uitgebreide data zal een voorspellingsmodel worden gebouwd dat helpt om te beslissen of een patiënt naar het ziekenhuis moet worden teruggeroepen. Dit model wordt geïntegreerd in een mobiele app.

Verwachte uitkomsten

Dit project zal leiden tot de ontwikkeling van een mobiele app die nauwkeurig kan voorspellen wanneer bijwerkingen optreden tijdens intensieve behandelingen zoals chemotherapie, CAR T-celtherapie, en stamceltransplantatie. De app zal gebruiksvriendelijk, betrouwbaar en specifiek zijn voor de zorgbehoeften van deze patiënten. Na afronding van het project moet het model gevalideerd worden in een haalbaarheidsstudie in de poliklinische setting.

Implementatiestappen

Om de app grootschalig te kunnen gebruiken, moet deze worden geïntegreerd in de bestaande systemen en werkprocessen van ziekenhuizen. Daarnaast zal een haalbaarheidsstudie in een poliklinische setting worden uitgevoerd om te testen hoe bruikbaar, veilig en geaccepteerd de technologie is. Deze studie zal plaatsvinden in het UMCG en een extern ziekenhuis.

Nieuws en resultaten