Mobiele menu

Psychosis Prognosis Predictor

Projectomschrijving

In dit project wordt een psychose prognose predictor ontwikkeld die de individuele uitkomsten van patiënten met psychotische stoornissen kan voorspellen. Daarnaast moet deze predictor ook het effect berekenen van de verschillende beïnvloedbare factoren, zoals medicatie en leefstijl.

Doel

Het doel is om patiënten, hun naasten en psychiaters handvatten aan te reiken over hoe een zo gunstig mogelijk prognose kan worden bereikt.

Werkwijze

Na het omschrijven van de uitkomstmaten zal de psychose prognose predictor aan de hand van de bestaande literatuur en met behulp van al bestaande patiënteninformatie worden ontwikkeld. Daarnaast zullen machine learning technieken worden ingezet om de voorspelling verder te personaliseren. Een mooi voorbeeld van machine learning zijn de productadviezen van webshops, gebaseerd op het klikgedrag van de klant. De psychose prognose predictor kan hierdoor afgestemd worden op de behoefte van de individuele patiënt. 

Verslagen


Samenvatting van de aanvraag

Clinical prediction models of outcome for patients with a psychotic disorder do not exist at present. However, since there is abundant evidence of factors influencing outcome, it should be possible to realize our main goal: To develop a prediction model for recovery outcome for the individual patient that also indicates how changing certain factors can influence it in a favorable way. What is meant by ‘favorable’, is part of the project: Patients and psychiatrists together will define outcome variables that are important to them. We will apply advanced statistical techniques such as machine learning to the large (N=2000) longitudinal multisite datasets we have at our disposal and validate the resulting prediction tool in new patients. Insight in how changing (lifestyle) factors may improve a patient’s personalized outcome will increase the patient’s opportunities for self-management, enable tailored interventions, reduce societal costs and improve the lives of those affected by this severe illness.

Onderwerpen

Kenmerken

Projectnummer:
636310011
Looptijd: 86%
Looptijd: 86 %
2019
2024
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
prof. dr. W Cahn
Verantwoordelijke organisatie:
Universitair Medisch Centrum Utrecht