Psychose Prognose Predictor
Psychose Prognose Predictor
Het is moeilijk om te voorspellen hoe iemand zal herstellen na een psychose. Voor patiënten, naasten en hulpverleners is ook onvoldoende bekend wat ze kunnen doen om dat herstel positief te beïnvloeden. Wat voor de één goed werkt, blijkt voor de ander geen oplossing te zijn.
uitklapper, klik om te openen
Om hier verandering in te brengen, werkt de afdeling Psychiatrie van het UMC Utrecht Hersencentrum aan de ontwikkeling van de Psychose Prognose Predictor. Projectleider en penvoerder van het project is professor dr. Wiepke Cahn, werkzaam bij het UMC Utrecht en Altrecht GGZ. Andere betrokken onderzoekers de principal investigator, hoofdonderzoeker dr. Hugo Schnack, promovendi Daniel van Opstal en Violet van Dee en postdoc onderzoeker Mosi Kia. Het onderzoek vindt plaats in samenwerking met dr. Wilma Swildens, lector bij Hogeschool Inholland en werkzaam als manager onderzoek bij Altrecht GGZ en onderzoekers van het Rob Giel Onderzoekcentrum van het Universitair Medisch Centrum Groningen.
In dit project wordt een psychose prognose predictor ontwikkeld die de individuele uitkomsten van patiënten met psychose beter kan voorspellen. Daarnaast moet deze predictor ook het effect berekenen van verschillende beïnvloedbare factoren, zoals medicatie en leefstijl. Het doel is om patiënten, hun naasten en psychiaters handvatten aan te reiken over hoe een zo gunstig mogelijke prognose kan worden bereikt.
Uitleg over het PPP-project
In deze folder bevindt zich extra informatie door middel van een video. Scan de bovenste QR-code met uw telefoon om deze video te bekijken. Of bekijk de video via:
Werkwijzeuitklapper, klik om te openen
In het eerste deel van het project wordt de predictor zelf ontwikkeld. Dit gebeurt met kennis en data uit eerdere onderzoeken en gegevens van zo’n 2000 patiënten. Ondermeer worden hiervoor bij Altrecht GGZ door de Zorgmonitor -met Altrecht senior onderzoeker dr. Wilma Swildens- verzamelde gegevens gebruikt. Om de voorspelling te personaliseren worden machine-learning-technieken toegepast.
Docent-onderzoeker dr. Hugo Schnack: “Als je online advertenties en productadviezen ziet, zijn die gebaseerd op je klikgedrag. Dat is een voorbeeld van hoe machine learning werkt: zoveel mogelijk toegepast op de individuele behoefte van de klant, of in ons geval de patiënt.” Als de predictor technisch ‘af’ is, wordt in het tweede deel van het project het gebruik hiervan in de kliniek onderzocht en geanalyseerd.
Resultatenuitklapper, klik om te openen
Belangrijk in dit project zijn de uitkomstmaten. Wat een goede uitkomst is, kan voor de patiënt en behandelaar verschillend zijn. Het kan bijvoorbeeld zo zijn dat de patiënt vooral zijn of haar baan wil behouden, terwijl de behandelaar de psychose wil verminderen.
De effecten van beïnvloedbare factoren zoals medicatie en leefstijl worden berekend en ook opgenomen in de predictor. Wiepke Cahn, hoogleraar lichamelijke gezondheid bij psychiatrische aandoeningen, legt uit waarom dit zo belangrijk is: “We kunnen nu bij een psychose niet voorspellen wat de kans van terugval is als bijvoorbeeld de medicatie wordt afgebouwd. Ook weten we niet wat het effect van psychotherapie of leefstijl zal zijn op het beloop van iemands aandoening. Met de Psychose Prognose Predictor kunnen we straks iedere patiënt beter helpen om te herstellen.”
Wetenschappelijke publicatiesuitklapper, klik om te openen
- Psychosis Prognosis Predictor: A continuous and uncertainty-aware prediction of treatment outcome in first-episode psychosis - september 2024
- Revealing the impact of psychiatric comorbidities on treatment outcome in early psychosis using counterfactual model explanation - oktober 2023
- Systematic review and meta-analysis on predictors of prognosis in patients with schizophrenia spectrum disorders: An overview of current evidence and a call for prospective research and open access to datasets - februari 2023
- PROMISSING: Pruning Missing Values in Neural Networks - juni 2022
- Individualized prediction of three- and six-year outcomes of psychosis in a longitudinal multicenter study: a machine learning approach - juli 2021
Contactuitklapper, klik om te openen
Heb je vragen over het PPP-project? Mail dan naar Joyce van Baaren, programmamanager zorgprogramma Lijf & Leven.