FUSION: een familie multi-statemodellen om dynamiek, sterfte en lasten van pandemie te voorspellen
Tijdens een pandemie zijn grootschalige en ingrijpende maatregelen nodig. Er moeten afwegingen worden gemaakt tussen het voorkomen van overbelasting van de ziekenhuizen en het beschermen van kwetsbaren enerzijds en de maatschappelijke lasten anderzijds. Ter voorbereiding op een volgende pandemie is het belangrijk om het effect van maatregelen op verschillende uitkomsten, zoals oversterfte, ziekenhuisbezetting, verlies van kwaliteit van leven en kosten, in een model te kunnen voorspellen. In een dergelijk model moeten verschillende relevante gebeurtenissen en interventies opgenomen worden, zoals infectie en vaccinatie.
Doel
Met bestaande geavanceerde methodes uit de overlevingsduuranalyse (multi-state-modellen en relatieve overleving-modellen) kunnen veel aspecten van de dynamiek van interventies, gebeurtenissen en oversterfte tijdens een pandemie goed in kaart worden gebracht. Echter worden deze nog onvoldoende gebruikt in de context van pandemische paraatheid. In dit project worden de modellen verder uitgebreid voor preciezere schattingen en nieuwe uitkomstmaten waarin ook kwaliteit van leven en kosten worden meegenomen voor optimale modellering van een nieuwe pandemie.
Aanpak/werkwijze
Het project omvat de volgende activiteiten:
- Uitbreiding van dynamische modellering van pandemische gegevens;
- Case studies op real-world data;
- Instrumenten voor beleidsondersteuning.
De bestaande methodologie zal uitgebreid worden (met onder andere meerdere tijdsschalen en regressiemethoden, en 'rewards') om daarmee een familie van modellen te bouwen die gebruikers in staat stellen de invloed van relevante voorspellers op verschillende uitkomsten te schatten. De modellen zullen getoetst worden op microdata van het Centraal Bureau voor de Statistiek (CBS), waarbij onder meer gebruik gemaakt zal worden van gegevens over sterfte, COVID-19 testresultaten en ziekenhuisopnamen.
Samenwerkingspartners
Dit project wordt uitgevoerd door het LUMC (biomedische datawetenschappen) in samenwerking met de Universiteit van Ljubljana (biostatistiek en medische informatica). Daarnaast wordt het onderzoeksteam ondersteund door verschillende organisaties, zoals het Nederlands interdisciplinair demografisch instituut (NIDI), Leiden Universiteit, Tor Vegeta in Italie, Universiteit van Italiaans-Zwitserland in Zwitserland en Universiteit van Pittsburgh. Met deze organisaties is er expertise op het gebied van klinische epidemiologie, modelleren, econometrie, psychologie, publieke gezondheid en infectieziekten. Het project is ook betrokken bij het ‘Collaborative platform for epidemiological modelling and data analytics for pandemic prepardness’ van het RIVM.
(Verwachte) resultaten
De nieuwe methodologie zal geïmplementeerd worden in de packages ‘mstate’ en ‘relsurv’ in R. Een gebruiksvriendelijke “Shiny”-simulatietool zal worden ontwikkeld voor interactieve simulaties van scenario’s in toekomstige pandemieën. De methodologie kan gebruikt worden door modelleurs die een nieuwe pandemie analyseren en beleidsmakers adviseren over de verwachte uitkomsten van verschillende maatregelen. Tijdens de beginfase van een epidemie die zich zou kunnen ontwikkelen tot een pandemie, kunnen lokale gegevens over de besmettelijkheid en risico’s op ziekenhuisopname en sterfte ingevoerd worden in de simulatietool om alvast een beeld te krijgen van hoe de situatie zich in Nederland zou kunnen ontwikkelen. De modellen zijn flexibel en daarmee toepasbaar in elke soort pandemie. De resultaten van dit project worden eind 2025 verwacht.