K80: Klinische predictiemodellen

Het doel van een predictiemodel is de kans op een bepaalde uitkomst zo goed mogelijk te schatten (voorspellen). Predictiemodellen worden vaak met het oog op de klinische praktijk ontwikkeld, waarbij voor individuele personen de kans op ziekte of herstel door het combineren van informatie over patiënten kan worden berekend. Het model kan dan in de vorm van een predictieregel (clinical prediction rule) worden gepresenteerd. Daarnaast is de generaliseerbaarheid, de prestatie van het predictiemodel bij nieuwe toekomstige patiënten, van groot belang.

De EpidM Wintercourse Clinical Prediction Models is inhoudelijk gelijk aan de cursus 'Klinische predictiemodellen' (K80), maar wordt in het Engels gegeven.
Alle informatie over Clinical Prediction Models (WK80) kunt u vinden op de website; www.epidm.nl/wintercourses.
Indien u besluit zich in te schrijven voor Clinical Prediction Models (WK80) moet u dit via de website van de Wintercourses doen.

Datum:
11, 12, 13 september 2018 Kosten: € 950,-
Plaats:
Amsterdam
Coördinator:
Dr. M.W. Heymans
Voertaal:
Nederlands
Werkvorm:
Interactieve colleges en computerpractica
Toetsvorm:
Schriftelijk tentamen met computerexamen
Tentamendata:
Zie rooster bij 'Tentamens'
Aantal EC:
2
  • Inhoud

    Het doel van een predictiemodel is de kans op een bepaalde uitkomst zo goed mogelijk te schatten (voorspellen). Predictiemodellen worden vaak met het oog op de klinische praktijk ontwikkeld, waarbij voor individuele personen de kans op ziekte of herstel door het combineren van informatie over patiënten kan worden berekend. Het model kan dan in de vorm van een predictieregel (clinical prediction rule) worden gepresenteerd. Daarnaast is de generaliseerbaarheid, de prestatie van het predictiemodel bij nieuwe toekomstige patiënten, van groot belang.

    Problemen die kunnen optreden bij het ontwikkelen van predictiemodellen zijn o.a. dat het vaak lastig is uit een groot aantal variabelen de meest belangrijke voorspellers te kiezen. Als dit niet zorgvuldig gebeurt, kan dit de kwaliteit van het predictiemodel negatief beïnvloeden. Ook zal het predictiemodel mogelijk aangepast moeten worden voordat het bij nieuwe patiënten toegepast kan worden. Deze zaken worden nog al eens onderschat door clinici en onderzoekers.

    De cursus heeft als doel om kennis en inzicht te bieden in de ontwikkeling van voor de praktijk relevante predictiemodellen. Er wordt aandacht besteed aan verschillende methoden voor het selecteren van variabelen en de voor- en nadelen van die methodes zullen behandeld worden. Als eenmaal het predictiemodel ontwikkeld is, is het belangrijk om een idee te krijgen over de kwaliteit van het predictiemodel. Een vraag die daarbij aandacht krijgt is of voorspellingen van het model nauwkeurig zijn en of het model bruikbaar is voor de klinische praktijk. Tijdens de cursus zullen verschillende maten behandeld worden om dit te onderzoeken. Daarnaast is er aandacht voor de toepassing van het model in nieuwe (toekomstige) patiënten. Belangrijk daarbij is om te onderzoeken of het predictiemodel niet in prestaties achteruit gaat als het toegepast wordt in nieuwe patiënten. Dit onderdeel wordt het valideren van het predictiemodel genoemd. Technieken om het predictiemodel te valideren zullen behandeld worden.

    De cursus bestaat uit een intensief programma van deels interactieve colleges afgewisseld met computerpractica. Tijdens de computerpractica zal gewerkt worden met voorbeelden uit de klinische praktijk.

  • Docenten
    Dr. Martijn W. Heymans, cursuscoordinator
    Afdeling epidemiologie & biostatistiek, VUmc Amsterdam
    Faculteit Aard- en Levenswetenschappen VU Amsterdam


    Mw. Marieke Welten, MSc
    Afdeling epidemiologie & biostatistiek, VUmc Amsterdam


  • Programma

    Dag 1
    De ontwikkeling en kwaliteit van predictiemodellen met o.a.:
    - Kenmerken van een predictiemodel.
    - Meest gebruikte methoden van variabele selectie.
    - Voor- en nadelen van selectie methodes van variabelen.
    - Verschillende maten voor kwaliteit benoemen en de interpretatie daarvan behandelen (o.a. verklaarde variantie, calibratie, discriminatie, ROC curve).
    - Introductie R software en Frank Harrell’s rms package.

    Dag 2
    Het intern en extern valideren van predictiemodellen met o.a.:
    - Gebruik van de linear predictor.
    - Interne validatie en de betekenis van overfitting, optimisme en shrinkage.
    - Technieken voor het bepalen van overfitting en shrinkage (bootstrapping).
    - Vertaling van een predictiemodel naar makkelijk te gebruiken (klinisch) instrument.
    - Het berekenen van risico scores.
    - Externe validatie van predictiemodellen.

    Dag 3
    Het verbeteren en uitbreiden van predictiemodellen met o.a.:
    - Extern valideren en aanpassen (updaten) van een predictiemodel.
    - Verschillende methodes voor het updaten van predictiemodellen.
    - Predictiemodellen met elkaar vergelijken (o.a. reclassificatietabellen).
    - De ontwikkeling van een predictiemodel voor survival data aan de hand van een praktische casus.

  • Leerdoelen

    1. De student kan de eigenschappen van een predictiemodel benoemen en herkennen.
    2. De student kan de sterke en zwakke punten benoemen van de meest gebruikte methoden voor het selecteren van variabelen.
    3. De student kan de methodes die gebruikt worden bij het bepalen van de kwaliteit van een predictiemodel analyseren en interpreteren (waaronder maten voor discriminatie, zoals de ROC curve en calibratie, zoals de Hosmer en Lemeshow toets en een calibratie curve).
    4. De student kan de methodes die gebruikt worden bij het bepalen van de waarde van een predictiemodel voor de praktijk analyseren en interpreteren (bijv: sensitiviteit, specificiteit, positieve en negatieve voorspellende waarden).
    5. De student kan een predictiemodel naar een praktisch bruikbaar klinisch instrument vertalen.
    6. De student kent de principes die een rol spelen bij interne validatie zoals aspecten als overfitting, optimisme en shrinkage.
    7. De student kan de methodes die gebruikt worden bij het intern valideren van predictiemodellen analyseren en interpreteren zoals cross-validation en bootstrapping technieken.
    8. De student is in staat om methodes te gebruiken om het intercept en de slope van het predictiemodel te updaten.
    9. De student is in staat om de toegevoegde waarde van een nieuwe voorspeller te onderzoeken met behulp van reclassificatietabellen door gebruik te maken van SPSS en R software.
    10. De student is in staat om een predictiemodel te ontwikkelen en om de kwaliteit van het model te onderzoeken voor overlevingsdata door gebruik te maken van een Cox regressie model.
    11. De student kan een predictiemodel ontwikkelen, de kwaliteit beoordelen en valideren (intern en extern) met behulp van SPSS en R software.

  • Doelgroep en Ingangseisen

    Doelgroep

    Het betreft een cursus die voor een breed publiek toegankelijk is, waaronder gezondheidsprofessionals en PhD studenten in de gezondheidszorg.
    De cursus is bedoeld voor iedereen die meer wil weten over predictiemodellen, bijvoorbeeld omdat men beter een onderzoeksvoorstel of artikel wil kunnen beoordelen of omdat men zelf een predictiemodel aan het ontwikkelen is of wil gaan maken. Ook is het belangrijk een goede afweging te kunnen maken van de waarde van een predictiemodel voor de praktijk.

    Ingangseisen

    Voor het volgen van deze cursus is vereist dat de cursus Regressietechnieken (V30) is gevolgd, of dat u beschikt over aantoonbare kennis op dit niveau.

  • Cursusmateriaal
    Cursisten ontvangen op de eerste cursusdag een reader met de werkgroepopdrachten, de uitgewerkte antwoorden, hand-outs van de dia’s die bij de lezingen worden gebruikt en eventuele aanvullende literatuur.
  • Afsluiting, beoordeling en EC's

    Een verklaring van deelname wordt afgegeven indien de cursus in zijn geheel gevolgd is. In bijzondere gevallen kan de cursuscoördinator, na voorafgaand overleg en bij een geldige reden, besluiten bij geringe afwezigheid (max. 20%) toch een certificaat uit te reiken.

    Deelnemers die deze cursus volgen als onderdeel van de Masteropleiding Epidemiologie ronden de cursus altijd af met een tentamen.
    Deelnemers die deze cursus als een afzonderlijke cursus volgen kunnen facultatief de cursus afsluiten met een tentamen.
    Alleen wanneer het tentamen met een voldoende resultaat wordt afgesloten ontvangt u een tentamenverklaring met daarop de studiepunten (EC’s)

    Voor deelname aan het tentamen moet zich men altijd aanmelden.
    Zie voor informatie en aanmelding: Tentamens

  • Accreditatie

    Deze cursus is geaccrediteerd voor:

    • Cluster 1: huisartsen, specialisten ouderengeneeskunde, artsen verstandelijk gehandicapten
    • Cluster 2: medisch specialisten
    • Cluster 3: sociaal geneeskundigen, bedrijfsartsen, verzekeringsartsen, artsen maatschappij en gezondheid

    De cursus 'Klinische predictiemodellen' (K80) is geaccrediteerd voor 15 uren.
    Om in aanmerking te komen voor de accreditatie-uren van deze cursus dient u de gehele cursus aanwezig te zijn geweest.

Als u doorsurft op deze website, gaat u akkoord met de plaatsing van cookies. Meer informatie Deze melding verbergen
U maakt gebruik van een verouderde browser, voor optimaal gebruik raden wij aan om uw browser te updaten.