Top

Tip

Swipe om te navigeren naar een ander artikel

Gepubliceerd in:

11-04-2018 | Opinie

Nieuwe mogelijkheden bij cardiovasculaire risico-inschatting

Auteur: Michiel Bots

Gepubliceerd in: Huisarts en wetenschap | Uitgave 5/2018

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.

vorige artikel De toekomst van het cardiovasculair risicoprofiel

volgende artikel Herkennen van bacteriële lageluchtweginfecties

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.

10.

Neff G. Why big data won’t cure us. Big Data 2013;1:117-123.

11.

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.

12.

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.

13.

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.

Titel: Nieuwe mogelijkheden bij cardiovasculaire risico-inschatting
Auteur: Michiel Bots
Publicatiedatum: 11-04-2018
Uitgeverij: Bohn Stafleu van Loghum
Gepubliceerd in: Huisarts en wetenschap / Uitgave 5/2018
Print ISSN: 0018-7070
Elektronisch ISSN: 1876-5912
DOI: https://doi.org/10.1007/s12445-018-0123-2

Bohn Stafleu van Loghum

Tip

Swipe om te navigeren naar een ander artikel

Deel dit onderdeel of sectie (kopieer de link)

Samenvatting

Log in om toegang te krijgen

Andere artikelen Uitgave 5/2018

Plaats van shared decision-making bij astma

“Neem de Toetsingscommissie mee in het euthanasieproces”

Depressie bij ouderen behandelen zonder medicatie

Medische beslissingen rond het levenseinde

Pas biosimilars zonder terughoudendheid toe

Lopend onderzoek: Kinderen met eczeem krachtiger behandelen?