Dit artikel is gepubliceerd in het tijdschrift British Journal of Haematology en is geschreven in het kader van het promotie onderzoek van Albert naar de meerwaarde van een stollingsteam of S-team. Hij heeft dit onderzoek uitgevoerd tijdens zijn opleiding tot ziekenhuisapotheker, in het Reinier de Graaf Gasthuis in Delft en Erasmus MC in Rotterdam.
Met een dergelijk voorspelmodel kan het S-team patiënten identificeren die meer aandacht nodig hebben omdat ze een hoger risico op bloedingen hebben. Het risico op bloedingen bij coumarines is immers sterk geassocieerd met de hoogte van de INR en neemt exponentieel toe boven de 4,5. Met behulp van de noeste arbeid van zijn co-auteurs is Albert via al even noeste arbeid er in geslaagd een enorme dataset te bewerken, valideren en analyse klaar te maken. Allereerst zijn klinische data van bijna 9000 coumarine gebruikers opgenomen in het Erasmus MC tussen 2006-2010 gebruikt om het voorspelmodel te ontwikkelen. Dit concept model is eerst intern gevalideerd via bootstrapping. Vervolgens is het model ook extern gevalideerd in een apart cohort van ruim 9000 coumarinegebruikers opgenomen in het Erasmus MC tussen 2011-2014. Dit leverde een goed gevalideerd model op waarin de volgende variabelen voorspellend bleken voor een hoge INR: leeftijd, vrouwelijk geslacht, verhoogde waarden van ALAT, LDH, albumine, CRP, een verminderde nierfunctie (uitgedrukt in e-GFR) en het gebruik van comedicatie miconazol, cotrimoxazol, fluconazol, voriconazol, amiodaron en thyreostatica.
Samenvattend betreft dit artikel een bijzonder mooi voorbeeld van het gebruik van routinematig vastgelegde data voor het identificeren van hoog risico patiënten. Aangezien we als ziekenhuisapothekers onze schaarse tijd in de toekomst zo gericht mogelijk moeten inzetten, zullen we bij het uitvoeren van farmaceutisch specialistische zorg steeds meer toe moeten naar een dergelijke risicostratificatie. Albert heeft met dit artikel laten zien dat een model voor zo’n risicostratificatie uitstekend te ontwikkelen is door gebruik te maken van je eigen ziekenhuisdata.
