Mobiele menu

PANDORA: Computer-aided Decision Support for the Management of Comorbidity in Patients with Chronic Diseases

Beslissingsondersteuning bij multi- en co-morbiditeit
Chronische ziekten komen steeds meer voor, o.a. door toename van het aantal ouderen. Ongeveer tweederde van de patiënten ouder dan 65 jaar heeft minstens twee chronische ziekten tegelijk. Dat maakt het lastig patiënten effectief te behandelen. Het probleem doet zich met name voor in de huisartsenpraktijk. Huisartsenrichtlijnen gelden namelijk voor enkelvoudige aandoeningen. Hierdoor doen zich soms conflicterende adviezen voor. In het project PANDORA worden bestaande richtlijnen onder de loep genomen en verwerkt in een systeem voor computergebaseerde beslissingsondersteuning (CDDS) bij multi- en co-morbiditeit.

Doelstelling
Aanpassing van de huidige huisartsenrichtlijnen voor chronische ziekten, zodanig dat ze kunnen worden verwerkt in een systeem voor computergebaseerde beslissingsondersteuning voor patiënten met co-morbiditeit. Het te ontwikkelen systeem richt zich met name op de behandeling van patiënten met een cognitieve stoornis, zoals de ziekte van Alzheimer, die ook kampen met een cardiovasculaire aandoening.

Producten

Titel: Predictie en beloop van multimorbiditeit m.b.v. grafische kansmodellen.
Link: http://www.narcis.nl/publication/RecordID/publicat%3A4643
Titel: Artificial Intelligence in Medicine
Titel: Temporal progression of chronic cardiovascular diseases using a multilevel Bayesian network
Titel: Qualitative chain graphs and their application
Auteur: Martijn Lappenschaar, Arjen Hommersom, Peter JF Lucas
Magazine: International Journal of Approximate Reasoning
Titel: Multilevel temporal Bayesian networks can model longitudinal change in multimorbidity
Auteur: Martijn Lappenschaar, Arjen Hommersom, Peter JF Lucas, Joep Lagro, Stefan Visscher, Joke C Korevaar, François G Schellevis
Magazine: Journal of Clinical Epidemiology
Titel: Multilevel Bayesian networks for the analysis of hierarchical health care data
Auteur: Martijn Lappenschaar, Arjen Hommersom, Peter JF Lucas, Joep Lagro, Stefan Visscher
Magazine: Artificial Intelligence in Medicine
Titel: Basic Properties of Class Hierarchies regarding Probability Distributions
Link: http://allserv.kahosl.be/bnaic2011/digital_proceedings
Titel: Modelling Inter-practice Variation of Disease Interactions using Multilevel Bayesian Networks
Link: http://allserv.kahosl.be/bnaic2011/digital_proceedings
Titel: Probabilistic Causal Models of Multimorbidity Concepts
Link: http://proceedings.amia.org/2012-annual/
Titel: Representing Knowledge of Multiple Disorders by Object-Oriented Bayesian Networks
Link: http://banzai-deim.urv.net/events/KR4HC-2010/
Titel: Qualitative Chain Graphs and their Use in Medicine
Link: http://leo.ugr.es/pgm2012/proceedings.php

Verslagen


Eindverslag

Het aantal ouderen in de samenleving neemt toe waardoor chronische ziekten steeds meer voorkomen. Ongeveer tweederde van de patienten ouder dan 65 jaar hebben minstens twee chronische ziekten tegelijkertijd (comorbiditeit), wat het lastig maakt om deze patienten effectief te behandelen. Met name in de huisartsenpraktijk is dit een groot probleem, omdat behandelingen vaak worden bepaald door raadpleging van richtlijnen ontwikkeld door het Nederlands Huisartsen Genootschap (NHG), die gelden voor enkelvoudige aandoeningen. Hierdoor kan de huisarts worden geconfronteerd met conflicterende adviezen voor patienten met meerdere aandoeningen. Onderzoek heeft aangetoond dat het tegelijkertijd volgen van meerdere richtlijnen ongewenste effecten kan hebben voor de patient. In dit project is op basis van grote databestanden van representatieve huisartspraktijken en statistische machine learning getracht meer inzicht te krijgen in hoe ziekten elkaar onderling beinvloeden. Daarnaast is onderzocht of informatie uit medische richtlijnen gecombineerd kan worden met resultaten van data-analyse om tot betere richtlijnen te komen. Expertise uit afdelingen voor geriatrie, interne geneeskunde en huisartsengeneeskunde vormenden de basis voor het identificeren van problemen rondom comorbiditeit en voor het ontwerp van computermethoden.

Onderwerpen

Kenmerken

Projectnummer:
300020009
Looptijd: 100%
Looptijd: 100 %
2009
2016
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Prof. dr. P.J.F. Lucas
Verantwoordelijke organisatie:
Radboud Universiteit Nijmegen