Nieuwe mogelijkheden bij cardiovasculaire risico-inschatting

Harskamp en collega’s beschrijven in dit tijdschrift hun visie op het verbeteren van cardiovasculaire risicovoorspelling in de eerste lijn door verschillende metingen toe te voegen aan de bestaande voorspelregels.1 Het uitgangspunt is namelijk dat de huidige voorspelregels verbeterd kunnen worden. Zij concluderen dat er onvoldoende bewijs is om af te wijken van de huidige NHG-Standaard Cardiovasculair risicomanagement (CVRM).2

Hun conclusie komt overeen met bevindingen uit een recente publicatie in het British Medical Journal, die een overzicht geeft van 363 gepubliceerde CVRM-voorspelregels, sommige op basis van beperkte, andere met uitgebreide metingen.3 Bepaalde modellen voorspellen matig, andere veel beter. De meeste voorspelregels gelden voor personen tussen de 30 en 75 jaar. Slechts 19% van de regels was extern gevalideerd en er waren nauwelijks onderzoeken die de gevalideerde regels met elkaar vergelijken.3 Helaas gaat geen van de onderzoeken in op het probleem dat een persoon ouder dan 70 jaar in de huidige NHG-Standaard vrijwel altijd in het ‘rood’ zit, zelfs bij een fraai cardiovasculair risicofactorprofiel, en dat vooral vrouwen van jonge leeftijd, ook al hebben ze een slecht risicoprofiel, vrijwel altijd in het ‘groen’ zitten.4 Oplossingen voor dat laatste zoekt men in het gebruik van life-time-risicoschattingen, ziektevrije levensjaren in plaats van de kans op ziekte, en in het gebruik van relatieve risico’s in combinatie met de absolute risicoschatting. De NHG-Standaard Cardiovasculair risicomanagent (CVRM) van 2018 zal hier naar verwachting aandacht aan besteden.

Waar zitten dan potentiële verbeteringen?

Terwijl de nieuwe bloedmarkers de risicoschatting maar beperkt verbeteren, lijkt het meten van coronaire kalk wel een toegevoegde waarde te hebben. Coronaire kalk is een van de krachtigste voorspellers van hart- en vaatziekten in de algemene bevolking. De voordelen (risicoschattingverbetering) en de nadelen (straling, toevalsbevindingen) van het bepalen van het coronaire kalk zijn echter nog niet helemaal helder. Ook is het effect op de gezondheidswinst nog niet helemaal duidelijk. Er loopt een gerandomiseerde trial in Nederland die hierover belangrijke informatie moet opleveren.5

Er is grote behoefte aan verbeterde CVRM-voorspelregels

Meestal proberen we voorspelregels vooral te verbeteren op basis van de beschikbare bevolkingsonderzoeken en trials, waarbij we extra informatie, bijvoorbeeld een carotis intima-mediadiktemeting (CIMT-meting), aan de beperkte standaardmetingen toevoegen om te kijken of de voorspelling verbetert.6 Voorspellingen kunnen we ook verbeteren door gebruik te maken van informatie die reeds in het elektronisch medisch dossier (EMD) aanwezig is. Dan gaat het bijvoorbeeld om (niet-vasculaire) comorbiditeit, (niet-cardiovasculair) medicatiegebruik, contra-indicaties, familiaire (niet-cardiovasculaire) voorgeschiedenis, sociaal-economische informatie, en aspecten die met mobiliteit, behuizing en spanning te maken hebben. Daarnaast kunnen we ook uitslagen gebruiken van onderzoeken die gedurende het leven voor allerlei (niet-cardiovasculaire) klachten zijn verricht.710 Denk bijvoorbeeld aan het toenemende aantal CT-scans dat in de routinezorg gemaakt wordt, waaronder thorax-CT-scans voor niet-cardiovasculaire indicaties.11 Wanneer informatie over coronaire kalk van deze scans automatisch in het EMD zou worden vastgelegd, krijgen we informatie die we nu laten liggen. Met de huidige ‘textmining-technieken’ en ‘big data analytics-methoden’ zijn we beter dan vroeger in staat om EMD-data te evalueren. Vervolgens kunnen we algoritmes ontwikkelen die deze informatie gebruiken, naast de bestaande risicofactoren, om de kans te voorspellen op het krijgen van een hartvaatziekte binnen een bepaalde tijdsperiode.710 Een dergelijke benadering heeft potentie, maar behoeft wel zorgvuldige evaluatie en validatie, in combinatie met schattingen van gezondheidswinst.1112 Tot die tijd is de NHG-Standaard Cardiovasculair risicomanagement nog altijd leidend.