Algoritme helpt vrouwen met ovariumkanker identificeren
Een nieuw algoritme, dat werd ontwikkeld en gevalideerd in Britse eerstelijnspraktijken, lijkt een potentieel nuttig instrument om aan de hand van eenvoudige klinische variabelen vrouwen te identificeren die mogelijk ovariumkanker hebben. Dat kan interessant zijn voor een snelle doorverwijzing en verder nazicht.
Een nieuw algoritme, dat werd ontwikkeld en gevalideerd in Britse eerstelijnspraktijken, lijkt een potentieel nuttig instrument om aan de hand van eenvoudige klinische variabelen vrouwen te identificeren die mogelijk ovariumkanker hebben. Dat kan interessant zijn voor een snelle doorverwijzing en verder nazicht.
Dat schrijven Julia Hippisley-Cox (University of Nottingham, VK) en collega's in de BMJ. Voor de ontwikkeling van het nieuwe algoritme analyseerden de onderzoekers de gegevens van een grote groep vrouwen tussen 30 en 84 jaar uit 375 eerstelijnspraktijken in Groot-Brittannië. Alleen vrouwen bij wie nooit tevoren ovariumkanker was vastgesteld, en die in het jaar voorafgaand aan de registratie geen gewichtsverlies hadden gehad, noch verminderde eetlust, abdominale pijn, rectaal bloedverlies of postmenopauzaal bloedverlies, kwamen in aanmerking voor deelname aan deze prospectieve studie. Uiteindelijk namen 1.158.723 vrouwen deel aan de analyse. Primair eindpunt was de diagnose van ovariumkanker binnen een termijn van twee jaar na inclusie.
In de bestudeerde populatie werden er 976 gevallen van ovariumkanker gediagnosticeerd (48/100.000 personenjaren). Bestudeerde risicofactoren waren onder meer de leeftijd, een familiale voorgeschiedenis van ovariumkanker, een voorgeschiedenis van andere kankers, BMI, roken, alcoholgebruik, deprivatie, verminderde eetlust, gewichtsverlies, abdominale pijn, abdominale zwelling, rectaal bloedverlies, postmenopauzaal bloedverlies, plasfrequentie, diarree, constipatie, moeheid en anemie. Als onafhankelijke voorspellers voor ovariumkanker weerhielden de auteurs de leeftijd, een familiale voorgeschiedenis van ovariumkanker (9,8 maal hoger risico), anemie (2,3 x hoger risico), abdominale pijn (7 x hoger), abdominale zwelling (23 x), rectaal bloedverlies (2 x), postmenopauzaal bloedverlies (6,6 x), verminderde eetlust (5,2 x) en gewichtsverlies (2 x). De andere bestudeerde variabelen bleken geen onafhankelijke risicofactoren te zijn en werden niet gebruikt in het definitieve model.
Na indeling van de vrouwen in functie van het voorspellende risico bleek dat 63% van alle ovariumkankers werd vastgesteld bij de 10% vrouwen met het grootste voorspellende risico volgens het nieuwe algoritme. De auteurs besluiten dat dit algoritme potentieel bruikbaar is om in een eerstelijnspraktijk, op basis van eenvoudige klinische variabelen, vrouwen met een hoog risico op ovariumkanker te identificeren, met het oog op een vroege doorverwijzing voor verder nazicht.
Verder onderzoek is volgens Hippisley-Cox en haar team nodig om na te gaan hoe je het algoritme het best kunt implementeren in de praktijk, of het kosteneffectief is, en niet onbelangrijk, of de implementatie een impact heeft op de gezondheidsuitkomsten.