Op bewijs gebaseerde praktijkvoering en medische statistieken
Omdat "Ik heb iets online gelezen" niet echt volstaat bij de AKT.
Laatst bijgewerkt: april 2026 · Ook bekend als Evidence-Based Medicine (EBM)
📥Downloaden
Lesmateriaal, samenvattingen en extra lesmaterialen – direct beschikbaar wanneer u ze nodig heeft.
pad: Op bewijs gebaseerde praktijkvoering wordt ook wel evidence-based medicine of kortweg EBM genoemd.
Webbronnen
Een zorgvuldig samengestelde mix van officiële richtlijnen en praktijkgerichte trainingsmaterialen voor huisartsen. Want soms vind je de beste tips niet in de officiële documenten.
Eénminuut herinnering
Dit even doornemen voor de kliniek, of de avond voor een AKT-tentamen? Dit zijn de dingen die je punten opleveren.
🧮 Risicoformules
- ARR = CER − EER
- NNT = 1 ÷ ARR
- RRR = ARR ÷ CER
- RR = EER ÷ CER
- NNH = 1 ÷ ARI
🔬 Diagnostische tests
- Sens = TP ÷ (TP+FN) → SnNout
- Spec = TN ÷ (TN+FP) → SpPin
- PPV = TP ÷ (TP+FP) ← daalt bij lage prevalentie
- NPV = TN ÷ (TN+FN) ← daalt bij hoge prevalentie
📊 Studieontwerpen
- SR/Meta-analyse → hoogste bewijskracht
- RCT → gouden standaard voor behandeling
- Cohort → RR & incidentie
- Case-control → OF, zeldzame ziekten
- Dwarsdoorsnede → prevalentie
📈 Grafieken
- In bosperceel kruist een ruitvormige lijn de lijn = niet significant
- Trechterasymmetrie = publicatiebias
- Cates-diagram: NNT = 100 ÷ gele gezichten
- Middellijn van de boxplot = mediaan
- I² >50% = aanzienlijke heterogeniteit
📉 Betekenis
- p < 0.05 = statistisch significant
- CI kruist 1.0 (verhouding) = niet significant
- CI kruist 0 (verschil) = niet significant
- Gemiddelde = gemiddelde; Mediaan = middelste waarde
- 68-95-99.7 regel voor normale verdeling
⚖️ Soorten vooroordelen
- Selectie → niet-representatieve steekproef
- Herinnering → gevallen herinneren zich meer
- Publicatie → alleen positieve onderzoeken
- Doorlooptijd → screeningillusie
- Uitval → uitval verstoort de resultaten
Waarom dit belangrijk is voor huisartsen en de AKT
Evidence-Based Medicine (EBM) en statistiek zijn niet alleen theoretisch. In uw spreekkamer draait elk gesprek over behandelingsopties om NNT's (Number Needed to Treat), of u ze nu expliciet benoemt of niet. Elke bloedtest heeft een sensitiviteit en specificiteit. Elke nieuwe richtlijn is gebaseerd op een onderzoeksopzet die bepaalt hoeveel vertrouwen u erin moet stellen.
In de AKT (Australian Knowledge Test) telt dit onderwerp aanzienlijk mee voor de punten – ongeveer 10-15% van het examen volgens de richtlijnen van de RCGP (Royal College of General Practitioners). Het is een van de weinige onderwerpen waar een kleine hoeveelheid gerichte herhaling vruchten afwerpt. per directVeel kandidaten verliezen hier makkelijk punten, niet omdat de concepten moeilijk zijn, maar omdat ze er nooit de tijd voor hebben genomen om ze systematisch te bestuderen.
De statistiekvragen in de AKT presenteren vaak een tabel met onderzoeksgegevens en vragen je om een waarde te berekenen, een grafiek te interpreteren of het beste onderzoeksontwerp te identificeren. Ze belonen methodisch denken, niet medische kennis. Dit maakt ze tot de meest "leerbare" onderdelen van het examen.
Evidence-Based Medicine (EBM)
"Toen ik midden jaren tachtig in opleiding was, gaf ik elke patiënt die na een hartaanval binnenkwam een intraveneuze infusie met lidocaïne. Dat was de standaardprocedure. Iedereen deed het. Het leek volkomen logisch."
— Professor Gordon Guyatt, de arts die de term 'Evidence-Based Medicine' bedacht, beschrijft zijn eigen opleiding voordat EBM bestond.
Hij ontdekte later dat de methode waarin hij was opgeleid – en die honderdduizenden artsen wereldwijd toepasten – niet alleen nutteloos was, maar mogelijk zelfs dodelijk. Niet door nalatigheid. Niet door incompetentie. Maar omdat niemand ooit goed had getest of het daadwerkelijk werkte.
Dat verhaal is de reden waarom evidence-based medicine bestaat – en waarom het van groot belang is voor elke patiënt die u ooit zult zien.
"Het gewetensvolle, expliciete en oordeelkundige gebruik van de beste beschikbare bewijzen bij het nemen van beslissingen over de zorg voor individuele patiënten."
— David Sackett, BMJ 1996 — de meest geciteerde definitie in de geneeskunde
Simpel gezegd: in plaats van patiënten te behandelen op basis van gewoonte, mening, traditie of wat je professor je heeft verteld, vereist EBM dat je klinische beslissingen baseert op het beste beschikbare onderzoek — onderzoek dat rigoureus is uitgevoerd, kritisch is beoordeeld en eerlijk is geïnterpreteerd.
Het vervangt geen klinisch oordeel — het informeert EBM rust op drie onafscheidelijke pijlers die samen moeten werken:
🕰️ Hoe is EBM ontstaan? — Een korte geschiedenis
EBM is niet zomaar uit de lucht komen vallen. Het was het hoogtepunt van decennia van stille, revolutionaire ideeën in Canada en het Verenigd Koninkrijk.
| Jaar | Evenementen |
|---|---|
| 1938 | John Paul (Yale) introduceert de term 'klinische epidemiologie' – het idee dat geneeskunde wetenschappelijk bestudeerd moet worden in populaties, en niet alleen geobserveerd bij individuele patiënten. |
| 1967 | McMaster University (Hamilton, Canada) opent haar nieuwe medische faculteit met een afdeling Klinische Epidemiologie en Biostatistiek – destijds revolutionair, gericht op het toepassen van onderzoeksmethoden op klinische besluitvorming. |
| 1972 | Archie Cochrane, een Schotse epidemioloog, publiceert Effectiviteit en efficiëntie: willekeurige reflecties op gezondheidszorg — een baanbrekend werk waarin hij betoogt dat de geneeskunde haar eigen behandelingen grondig moet testen. Zijn werk leidde uiteindelijk tot de oprichting van de Cochrane Collaboration, die naar hem is vernoemd. |
| 1981 | David Sackett en zijn collega's van McMaster University publiceren een reeks van negen artikelen in het Canadian Medical Association Journal waarin ze artsen leren hoe ze medische literatuur kritisch kunnen beoordelen. Dit markeert het formele begin van de Evidence-Based Medicine (EBM)-beweging. |
| 1990 | Gordon Guyatt, een jonge opleidingsdirecteur aan McMaster, ontwerpt een nieuw onderwijsprogramma en noemt het aanvankelijk 'Wetenschappelijke Geneeskunde'. Collega's reageren afwijzend – de implicatie dat de huidige praktijk niet wetenschappelijk is, is te direct. |
| 1991 | Guyatt geeft de aanpak een nieuwe naam. "Op bewijs gebaseerde geneeskunde" en publiceert de term in een redactioneel artikel in de ACP Journal Club. De uitdrukking blijft meteen hangen. |
| 1992 | Het baanbrekende JAMA-artikel — "Op bewijs gebaseerde geneeskunde: een nieuwe benadering voor het onderwijzen van de medische praktijk" — introduceert EBM aan de wereld. De reactie, herinnert Guyatt zich, was aanvankelijk "woede". Collega's hadden het gevoel dat hen werd verteld dat ze geen goede artsen waren. |
| 1993 | De Cochrane Collaboration wordt formeel opgericht – een internationaal netwerk voor het produceren en verspreiden van systematische reviews van bewijsmateriaal in de gezondheidszorg. |
| 1996 | David Sackett publiceert de definitieve definitie met drie pijlers in het BMJ. Evidence-Based Medicine wordt mainstream. |
| jaren 2000-heden | Evidence-Based Medicine (EBM) is een vast onderdeel van de opleiding in het Verenigd Koninkrijk: de NICE-richtlijnen, de Good Medical Practice van de GMC en het curriculum van de RCGP vereisen het allemaal. Het vormt de basis van de opleiding en beoordeling van elke arts in het VK. |
⚠️ Hoe zag de geneeskunde eruit vóór EBM? Het probleem dat het oploste
Vóór EBM draaide de geneeskunde op wat Gordon Guyatt zo treffend noemde "GOBSAT" - Goede oude mannen zitten rond een tafel.Klinische richtlijnen werden opgesteld door ervaren experts die hun persoonlijke meningen bundelden, en wat er met uw patiënt gebeurde, hing volledig af van welke arts hem of haar toevallig onderzocht.
- Op aanzien gebaseerde geneeskunde: Je behandelde patiënten zoals je professor dat deed. Autoriteit kwam voort uit anciënniteit, niet uit bewijs. Een consultant die het al 30 jaar "altijd zo had gedaan" werd als vanzelfsprekend beschouwd, zelfs als "deze manier" nooit was getest.
- Intuïtiegebaseerde geneeskunde: Als een behandeling fysiologisch gezien zinvol leek, werd die toegepast. Als het onderdrukken van abnormale hartritmes logisch leek, werden ze onderdrukt. Of het patiënten daadwerkelijk hielp, werd zelden getest.
- Geneeskunde gebaseerd op anekdotes: "In mijn ervaring heb ik vastgesteld dat..." de maatstaf voor bewijs was. Individuele gevallen bepaalden de praktijk, zelfs wanneer die gevallen statistisch gezien uitzonderingen waren.
- Enorme variatie: Dezelfde patiënt die zich bij twee verschillende ziekenhuizen meldt – of zelfs bij twee verschillende artsen in hetzelfde ziekenhuis – kan een totaal verschillende behandeling krijgen voor precies dezelfde aandoening.
🔴 Het voorbeeld dat de geneeskunde veranderde: de CAST-studie
Dit is geen hypothetische situatie. Het is een van de belangrijkste waargebeurde verhalen in de moderne geneeskunde – en een van de sterkste argumenten die EBM ooit nodig heeft gehad.
De opzet — De logica die onaantastbaar leek
Hartaanvallen veroorzaken gevaarlijke hartritmestoornissen (ventriculaire aritmieën). Ventriculaire aritmieën leiden tot plotselinge dood. Daarom: Onderdruk de hartritmestoornissen → voorkom plotselinge doodDit leek zo vanzelfsprekend dat vanaf de jaren zeventig anti-aritmische geneesmiddelen – met name lidocaïne, flecainide en encainide – routinematig werden toegediend aan patiënten na een hartinfarct in ziekenhuizen over de hele wereld. Niet af en toe. Routinematig. Als standaardbehandeling.
De proef — Iemand heeft het daadwerkelijk getest
In 1987 werden in de Cardiac Arrhythmia Suppression Trial (CAST) meer dan 1,700 patiënten na een hartinfarct geïncludeerd en willekeurig toegewezen aan een groep die anti-aritmische medicijnen (flecainide of encainide) kreeg of een placebogroep. De medicijnen deden precies wat ze moesten doen: ze onderdrukten de hartritmestoornissen met succes. Maar er gebeurde iets onverwachts.
Het resultaat — wat niemand had verwacht
Patiënten die de medicijnen gebruikten waren 2.5 keer vaker overlijden dan degenen die een placebo kregen. De proef moest voortijdig worden stopgezet omdat de schadelijke gevolgen zo duidelijk waren. De medicijnen bleken juist de patiënten te doden die ze moesten beschermen.
NNH = 21. Voor elke 21 patiënten die met flecainide of encainide werden behandeld, overleed er één extra persoon die anders zou hebben overleefd.
De les
Gordon Guyatt – destijds een jonge cardioloog – had persoonlijk lidocaïne-infusen toegediend aan elke patiënt na een hartinfarct die op zijn afdeling kwam. Hij volgde de beste praktijk. Hij was correct opgeleid. Hij had goede bedoelingen. En toch, zonder de strenge toets van een gerandomiseerde gecontroleerde studie (RCT), hadden noch hij, noch zijn collega's enige manier om te weten of de behandeling schadelijk was. Deze ervaring werd cruciaal voor zijn besluit om zijn carrière aan evidence-based medicine (EBM) te wijden. De geschiedenis van de geneeskunde, zei hij later, "zit vol met behandelingen die grotendeels gebaseerd waren op giswerk en intuïtie in plaats van op solide bewijs."
Vóór EBM hing de behandeling af van waar je woonde, in welk ziekenhuis je terechtkwam en welke arts je zag. Dezelfde patiënt met dezelfde aandoening kon in Leeds en Londen compleet verschillende behandelingen krijgen. Verschillende ziekenhuizen. Verschillende landen. Met totaal verschillende uitkomsten.
Evidence-Based Medicine (EBM) heeft dit veranderd. Door klinische beslissingen te baseren op dezelfde bewijsvoering — dezelfde onderzoeken, dezelfde systematische reviews, dezelfde richtlijnen — heeft het de geneeskunde een gemeenschappelijke taal en een gemeenschappelijke standaard gegeven. Tegenwoordig zou een patiënt met een hartinfarct in Bradford en een patiënt met een hartinfarct in Bristol in principe dezelfde evidence-based zorg moeten krijgen. Niet omdat artsen identiek zijn, maar omdat de behandeling gebaseerd is op het bewijs, niet op individuele voorkeur.
In het Verenigd Koninkrijk wordt dit in de praktijk gebracht via NICE-richtlijnen RCGP-curriculum, QOF-indicatoren, klinische auditsen MRCGP-examens — die allemaal evidence-based practice vereisen en beoordelen. Wanneer je het AKT-examen aflegt, word je getest op je vermogen om dit raamwerk toe te passen.
🌍 Een wereld zonder EBM — Het internationale beeld
De inzet van het Verenigd Koninkrijk voor evidence-based medicine (EBM) – via NICE, de NHS en postdoctorale opleidingen – is niet universeel. In veel delen van de wereld hangt wat je als patiënt krijgt nog steeds sterk af van wie je ziet, waar je je meldt en hoeveel je kunt betalen. Als je dit begrijpt, kun je beter inschatten waar EBM je patiënten tegen beschermt.
De hieronder beschreven variatie weerspiegelt gezondheidszorgsystemen en -structurenHet probleem ligt niet in de competentie of toewijding van individuele artsen. In elk van de genoemde landen zijn veel briljante, hardwerkende artsen werkzaam. Het probleem is het ontbreken van de standaardiserende infrastructuur – richtlijnen, toezicht, opleidingskaders – die EBM biedt. Individuele artsen kunnen systemische problemen niet alleen oplossen.
| Land / regio | Hoe de praktijk varieert zonder sterke EBM-kaders |
|---|---|
| 🇮🇳 India (particuliere sector) | Een 2018 Lancet Uit onderzoek bleek dat het percentage keizersneden in privéklinieken 40-58% bedraagt, vergeleken met 10-14% in openbare ziekenhuizen. Dit wordt vaak ingegeven door financiële prikkels in plaats van klinische noodzaak. Overmatig diagnostisch onderzoek en het gebruik van meerdere medicijnen tegelijk zijn wijdverbreid in de privésector. Dezelfde kankerpatiënt kan een totaal andere behandeling krijgen, afhankelijk van waar hij of zij zich meldt en wat hij of zij zich kan veroorloven. |
| 🇵🇰Pakistan | Er is een aanzienlijke variatie in de naleving van antibioticarichtlijnen — een van de hoogste antibioticavoorschrijfpercentages in Zuid-Azië. Geneesmiddelresistente tuberculose en antimicrobiële resistentie zijn directe gevolgen. De toegang tot specialistische zorg en gestandaardiseerde behandelprotocollen is sterk afhankelijk van de geografische locatie en het inkomen. |
| 🇳🇬 Nigeria / 🇬🇭 Ghana | Magnesiumsulfaat is de door de WHO aanbevolen, op bewijs gebaseerde en goedkope behandeling voor eclampsie. Studies tonen aan dat het de moedersterfte aanzienlijk vermindert. De beschikbaarheid en het daadwerkelijke gebruik ervan in Nigeriaanse en Ghanese ziekenhuizen variëren echter enorm, afhankelijk van de beschikbare middelen en de opleiding van de artsen. Dit betekent dat het lot van een vrouw met eclampsie afhankelijk kan zijn van het ziekenhuis waar ze terechtkomt. |
| 🇸🇩 Soedan / 🇮🇶 Irak | Langdurige conflicten en instabiliteit hebben de infrastructuur van de gezondheidszorg verwoest. In Irak stortten na 2003 de openbare gezondheidszorgdiensten in, liep de implementatie van richtlijnen vast en werd de toegang tot basisgeneesmiddelen afhankelijk van de geografische locatie. In Soedan heeft het conflict vaccinatieprogramma's, moedergezondheidszorg en de behandeling van chronische ziekten ontwricht. Variatie in de praktijkvoering in dergelijke omgevingen is geen kwestie van voorkeur, maar van wat er beschikbaar is. |
| 🇪🇬 Egypte / 🇮🇷 Iran | Beide landen hebben medische faculteiten die bekwame artsen opleiden en hebben richtlijnen voor evidence-based medicine (EBM) gepubliceerd, maar de implementatie ervan verschilt tussen de publieke en private sector, en tussen stedelijke en landelijke gebieden. In Iran hebben internationale sancties de beschikbaarheid van medicijnen beïnvloed, waardoor aanpassingen nodig zijn die afwijken van op bewijs gebaseerde protocollen. |
| 🇷🇴 Roemenië | Roemenië documenteert al geruime tijd de praktijk van plicul (de "envelop") — informele contante betalingen aan artsen en verpleegkundigen om de zorg te garanderen. Officieel illegaal, maar wijdverbreid. Parlementaire onderzoeken en onderzoeksjournalistiek hebben bevestigd dat de kwaliteit van chirurgische zorg afhankelijk kan zijn van wat een patiënt privé kan betalen, ongeacht of hij of zij officieel recht heeft op een vergoeding die gelijkwaardig is aan die van de NHS (National Health Service). Door de braindrain zijn sinds de toetreding tot de EU naar schatting meer dan 14,000 artsen vertrokken. |
| 🇺🇸 Verenigde Staten | De gezondheidszorg in de VS is de duurste ter wereld – meer dan $12,000 per persoon per jaar – en de resultaten zijn vaak niet beter dan in het Verenigd Koninkrijk. Het Dartmouth Atlas-project heeft enorme geografische verschillen in de klinische praktijk aangetoond: dezelfde patiënt in Miami kan twee keer zoveel onderzoeken en behandelingen ondergaan als dezelfde patiënt in Minneapolis, zonder verschil in uitkomsten. Een onderzoek uit 2019 in JAMA schatte dat $935 miljard – ongeveer een kwart van alle Amerikaanse uitgaven aan gezondheidszorg – wordt verspild aan onnodige zorg. De opioïdencrisis werd mede aangewakkerd door farmaceutische bedrijven die de voorschrijfpraktijken beïnvloedden buiten de kaders van evidence-based medicine (EBM). |
| 🇫🇷 Frankrijk | Frankrijk heeft een uitstekende gezondheidszorg, maar het voorschrijven van antibiotica behoort historisch gezien tot de hoogste in Europa, mede door de culturele verwachting dat een consult altijd moet eindigen met een recept. Campagnes om dit terug te dringen ("Antibiotica worden niet automatisch voorgeschreven") hebben geholpen, maar het patroon illustreert hoe culturele en commerciële druk zelfs in geavanceerde systemen de op bewijs gebaseerde richtlijnen kan overschaduwen. |
| 🇮🇹 Italië | De kwaliteit van de gezondheidszorg in Noord-Italië (Milaan, Bologna) behoort tot de beste van Europa. In delen van Zuid-Italië is het beeld heel anders: langere wachttijden voor kankeroperaties, minder consequente toepassing van screeningsprogramma's en een lagere naleving van richtlijnen. De geografische herkomst binnen hetzelfde land kan de uitkomsten aanzienlijk beïnvloeden. |
| 🇬🇷 Griekenland / 🇪🇸 Spanje | De Griekse bezuinigingscrisis (2010-2015) leidde tot bezuinigingen op de gezondheidszorg van meer dan 25%, met aantoonbare tekorten aan medicijnen, personeelsreducties en een verslechtering van de kwaliteit tot gevolg. Meer dan 35,000 zorgmedewerkers emigreerden. In Spanje is een aanzienlijke regionale variatie in de overlevingskansen bij kanker vastgesteld: de tumor die je ontwikkelt, kan zich anders gedragen afhankelijk van de regio waar je woont, niet omdat de biologie verschilt, maar omdat de manier waarop het systeem op bewijs gebaseerde behandelingen toepast, verschilt. |
In gezondheidszorgsystemen zonder robuuste kaders voor evidence-based medicine (EBM) of universele rechten, is de relatie tussen betaling en behandelingskwaliteit vaak direct en aantoonbaar:
- In sommige Indiase privéklinieken kan een patiënt met pijn op de borst die de kosten van particuliere zorg kan betalen, direct een hartkatheterisatie en stentplaatsing krijgen. Dezelfde patiënt moet in het openbare zorgsysteem uren wachten op een ECG.
- In bepaalde delen van Sub-Saharaans Afrika hangt het ervan af in welke zorginstelling een kind met ernstige malaria een combinatietherapie op basis van artemisinine krijgt (de op bewijs gebaseerde standaardbehandeling) of een ouder, minder effectief medicijn, en wat het gezin kan betalen.
- In landen zonder universele toegang tot medicijnen zijn chemotherapeutische middelen tegen kanker mogelijk alleen beschikbaar voor degenen die de kosten zelf kunnen betalen. Dit betekent dat identieke kankersoorten dramatisch verschillende uitkomsten hebben, puur gebaseerd op inkomen.
- In Roemenië en enkele andere Oost-Europese landen is gebleken dat de kwaliteit van een chirurgische ingreep – de zorgvuldigheid van de chirurg, de kwaliteit van de anesthesiebewaking, zelfs de beschikbaarheid van postoperatieve verpleging – afhangt van informele betalingen, en niet van klinische noodzaak.
Elke keer dat u aan boord gaat van een commerciële vlucht, profiteert u van een van de meest effectieve veiligheidssystemen die de mensheid ooit heeft ontwikkeld. Niet omdat individuele piloten uitzonderlijk getalenteerd zijn – hoewel dat wel zo is. Maar omdat de luchtvaart is gebouwd rondom... gestandaardiseerde, op bewijs gebaseerde protocollenElke piloot, elke luchtvaartmaatschappij en elk land volgt dezelfde checklists vóór de vlucht, dezelfde landingsprocedures en dezelfde noodprotocollen. Het systeem beschermt u, ongeacht welke piloot u treft.
Geneeskunde zonder evidence-based medicine is luchtvaart zonder checklists. Je veiligheid hangt volledig af van of je toevallig een goede piloot treft, of die piloot recent genoeg is bijgeschoold, of hij of zij een goede dag heeft en of hij of zij op de hoogte is van de laatste ontwikkelingen van iemand die hij of zij vertrouwt.
EBM vervangt toeval door systemen. Het vervangt "in mijn ervaring" door "in 15,000 onderzoeken met 2 miljoen patiënten". Het vervangt de mening van degene die toevallig de hoogste in rang is door het verzamelde bewijs van de collectieve klinische ervaring van de mensheid. Zou u dat niet liever voor uw patiënten willen? En zouden uw patiënten dat niet liever voor zichzelf willen?
- Elke NICE-richtlijn die u volgt, is het resultaat van een systematische literatuurstudie — iemand heeft ervoor gezorgd dat uw handelen wordt ondersteund door de best beschikbare wetenschappelijke inzichten.
- Elke AKT-vraag over statistiek en onderzoeksmethoden test je vermogen om bewijsmateriaal kritisch te beoordelen – om een actieve gebruiker van EBM te zijn, geen passieve volger van instructies.
- Wanneer je een NNT (Number Needed to Treat) uitlegt aan een patiënt, de beperkingen van een screeningstest bespreekt of weigert een antibioticum voor te schrijven dat niet geïndiceerd is, pas je EBM (Evidence-Based Medicine) toe – bewust, expliciet en oordeelkundig.
- En wanneer een vertegenwoordiger van een farmaceutisch bedrijf tegenover u zit en u vertelt dat hun nieuwe medicijn het aantal cardiovasculaire incidenten met 35% vermindert, is uw eerste vraag – "35% relatief of absoluut?" – de vraag die EBM de geneeskunde heeft geleerd te stellen.
Onderzoeksopzetten en bewijshiërarchie
Voordat je een resultaat interpreteert, moet je het volgende weten: waar het vandaan kwamVerschillende onderzoeksopzetten beantwoorden verschillende vragen, genereren verschillende statistieken en hebben verschillende betrouwbaarheidsniveaus.
De bewijspiramide
Het sterkste bewijs staat bovenaan; het zwakste onderaan.
⬆ Sterkste bewijs | ⬇ Zwakste bewijs
| studie ontwerp | Aanwijzingen | beste voor | genereert | Belangrijkste zwakte |
|---|---|---|---|---|
| Systematische review / Meta-analyse | - | Het beste algemene bewijsmateriaal met betrekking tot een vraag | Gecombineerde effectgrootte | Slechts zo goed als de onderliggende studies; heterogeniteit |
| RCT (gerandomiseerd gecontroleerd onderzoek) | Naar voren | Werkt behandeling X? | RR, ARR, NNT | Duur, kunstmatige omgeving, ethische kwesties |
| Cohortstudie | Voorwaarts (prospectief) of achterwaarts (retrospectief) | Veroorzaakt blootstelling een bepaald resultaat? En wat is de incidentie? | Relatief risico (RR), incidentie | Uitval; duur op de lange termijn; verwarrend |
| Case-control onderzoek | achterwaarts | Zeldzame ziekten; risicofactoren | Odds-ratio (OR) | Terugroepingsbias; incidentie kan niet direct worden berekend. |
| Cross-sectioneel onderzoek | Enkele momentopname | Hoe vaak komt X momenteel voor? (prevalentie) | Overwicht | Oorzakelijk verband niet vast te stellen; temporele ambiguïteit |
| Casusverslag / Deskundig advies | - | Hypothesegeneratie; zeldzame gebeurtenissen | Alleen beschrijving | Zeer gevoelig voor vertekening; niet generaliseerbaar. |
📖 Kwalitatief versus kwantitatief onderzoek
Beantwoordt vragen als "hoeveel" of "hoeveel". Maakt gebruik van getallen, statistieken en gestructureerde data. Voorbeelden: RCT's, cohortstudies, enquêtes met numerieke uitkomsten. Genereert p-waarden, betrouwbaarheidsintervallen en NNT's.
Beantwoordt de vraag "waarom" of "hoe". Maakt gebruik van woorden, thema's en interviews. Voorbeelden: focusgroepen, etnografische studies, gefundeerde theorie. Onderzoekt de ervaringen en overtuigingen van patiënten.
🔬 Systematische review versus meta-analyse — Niet hetzelfde
Systematische herziening: Een grondig en gestructureerd literatuuronderzoek waarbij alle relevante studies over een bepaalde vraag worden geïdentificeerd, geselecteerd en kritisch beoordeeld. Het resultaat is een kwalitatieve samenvatting van het bewijsmateriaal.
Meta-analyse: Een systematische review die nog een stap verder gaat — het wiskundige pools De kwantitatieve resultaten van meerdere studies worden samengevoegd tot één gecombineerde schatting. Niet alle systematische reviews bevatten een meta-analyse (bijvoorbeeld als de studies te heterogeen zijn om te combineren).
🔄 Het PICO-framework
PICO is het standaard raamwerk voor het structureren van een klinische onderzoeksvraag – het wordt gebruikt om literatuuronderzoek te verrichten en studies op te zetten.
| Letter | Betekent | Voorbeeld |
|---|---|---|
| P | Populatie / Patiënt | Volwassenen met diabetes type 2 |
| I | Tussenkomst | SGLT2-remmers |
| C | Vergelijk | Metformine alleen |
| O | Resultaat | Cardiovasculaire gebeurtenissen na 5 jaar |
🎲 Ontwerpkenmerken van RCT's (veelvoorkomende tests)
| Kenmerk | Wat het betekent | Waarom het uitmaakt |
|---|---|---|
| randomisatie | De deelnemers werden willekeurig aan groepen toegewezen. | Elimineert selectiebias; brengt verstorende factoren in evenwicht. |
| Enkelblind | De deelnemers weten niet aan welke categorie ze zijn toegewezen. | Vermindert het placebo-effect en de vertekening door deelnemers. |
| Dubbel blind | Noch de deelnemers, noch de onderzoekers weten aan welke deelnemers ze zijn toegewezen. | Elimineert zowel observatiebias als deelnemersbias. |
| Drievoudig blind | Deelnemers, onderzoekers en data-analisten waren geblindeerd. | Maximale biasreductie |
| Intentie tot behandelen (ITT) | Geanalyseerd in hun oorspronkelijke groep, ongeacht of ze zich eraan hielden. | Behoudt de randomisatie; weerspiegelt het gebruik in de praktijk. |
| Volgens protocol | Alleen geanalyseerd als ze het protocol hadden voltooid. | Toont biologische werkzaamheid aan, maar overschat het werkelijke voordeel. |
| Crossover-ontwerp | De deelnemers ontvangen beide behandelingen na elkaar. | Iedere persoon fungeert als zijn/haar eigen controlepersoon; een uitwasperiode is nodig. |
| Toewijzingsverhulling | De persoon die deelnemers werft, kan niet zien aan welke groep de volgende deelnemer wordt toegewezen totdat na Ze zijn ingeschreven. | Het voorkomt dat de recruiter onbewust (of bewust) gezondere patiënten aan de behandelgroep toewijst – een vorm van selectiebias die randomisatie alleen niet voorkomt. |
| Cluster-RCT | Er worden hele groepen (bijvoorbeeld huisartsenpraktijken, afdelingen, scholen) willekeurig geselecteerd, in plaats van individuen. | Wordt gebruikt wanneer individuele randomisatie onpraktisch is (bijvoorbeeld bij het testen van een nieuwe consultatiemethode). Vereist grotere steekproefgroottes en statistische correctie voor clusteringeffecten. |
De intentie tot behandelen geeft een meer conservatief (lagere) schatting van de effectiviteit — omdat deze ook deelnemers omvat die zich niet aan de regels houden. Dit is de voorkeursanalyse voor klinische beslissingen. De per-protocol-analyse overschat de effectiviteit, maar is nuttig voor het begrijpen van biologische mechanismen.
⚖️ Superioriteits-, non-inferioriteits- en equivalentieproeven
Niet alle onderzoeken stellen dezelfde vraag. De AKT test soms of je begrijpt wat een onderzoek nu eigenlijk beoogde aan te tonen – en waarom dat belangrijk is bij de interpretatie van de resultaten.
| Proeftype | De gestelde vraag | Gemeenschappelijke context |
|---|---|---|
| Superioriteitsproef | "Is de nieuwe behandeling beter dan de comparator? | De meeste standaard RCT's testen een werkelijk nieuw medicijn of een nieuwe aanpak. |
| Non-inferioriteitsproef | "Is de nieuwe behandeling niet slechter dan de comparator met meer dan een vooraf vastgestelde kleine marge? | Een nieuw medicijn met minder bijwerkingen, lagere kosten of een eenvoudigere toedieningswijze — het doel is om aan te tonen dat het "goed genoeg" is. |
| Equivalentieproef | "Zijn de twee behandelingen in wezen hetzelfde?" | Biosimilaire geneesmiddelen; generieke geneesmiddelen; verschillende toedieningswegen |
Een nieuw antistollingsmiddel zou mogelijk "niet inferieur" blijken te zijn aan warfarine voor de preventie van beroertes – niet beter, maar ook niet significant slechter – en bovendien gemakkelijker in gebruik zijn (geen INR-monitoring nodig). Dat is een klinisch waardevolle bevinding, zelfs als het medicijn warfarine niet "verslaat". De AKT (American Klinic Trust) kan u vragen om de resultaten van een non-inferioriteitsonderzoek correct te interpreteren.
Een non-inferioriteitsonderzoek dat aantoont dat er "geen significant verschil" is niet Hetzelfde geldt voor een superioriteitsstudie die "geen significant verschil" aantoont. In een superioriteitsstudie betekent een niet-significant resultaat dat je niet hebt kunnen bewijzen dat het nieuwe medicijn beter werkt. In een non-inferioriteitsstudie is een niet-significant verschil precies wat je hoopte.
Onderzoeksbias, validiteit en betrouwbaarheid
| Soort vooroordeel | Definitie | Welke onderzoeksopzetten? | Hoe het te verminderen |
|---|---|---|---|
| Selectiebias | De deelnemers zijn niet representatief voor de doelgroep. | Alle typen | Randomisatie; zorgvuldige steekproefneming |
| Recall bias | Patiënten (mensen met de ziekte) herinneren zich eerdere blootstellingen levendiger dan controlegroepen. | Case-control onderzoeken | Objectieve gegevensbronnen; gestandaardiseerde vraagstelling |
| Publicatiebias | Positieve/significante onderzoeken worden vaker gepubliceerd dan negatieve onderzoeken. | Meta-analyses (gedetecteerd via trechterdiagram) | Registratie van de studie; onderzoek naar grijze literatuur |
| Attritie bias | Het uitvallen van deelnemers tijdens de follow-up verstoort de resultaten (afvallers verschillen van deelnemers die de studie voltooien). | Cohortstudies, RCT's | Intentie-tot-behandeling-analyse; minimaliseer uitval. |
| Vooroordeel doorlooptijd | Screening wekt de illusie van een betere overleving doordat ziekten eerder worden opgespoord. | Screeningstudies | Gebruik de ziekte-specifieke mortaliteit, niet de overleving vanaf de diagnose. |
| Lengtevoorkeur | Door screening worden langzamer groeiende (minder agressieve) ziektes opgespoord. | Screeningstudies | RCT's met ziekte-specifieke uitkomsten |
| Observatie-/beoordelingsbias | Kennis over de toewijzing van de behandeling beïnvloedt de beoordeling van de uitkomst. | RCT | Verblindend (enkelvoudig, dubbel, drievoudig) |
| Hawthorne-effect | Deelnemers passen hun gedrag aan omdat ze weten dat ze geobserveerd worden. | Alle soorten, vooral observatie-typen | Controlegroepen; blinde waarnemers |
| Verificatievooroordeel | Alleen patiënten met een positieve testuitslag ondergaan de gouden standaard bevestigingstest, waardoor de sensitiviteit ten onrechte hoog en de specificiteit ten onrechte laag lijkt. | Diagnostische testonderzoeken | Zorg ervoor dat alle patiënten (positief en negatief) de gouden standaardtest ondergaan. |
| confounding | Een derde variabele is geassocieerd met zowel blootstelling als uitkomst, waardoor de schijnbare relatie wordt verstoord. | Observatie studies | Randomisatie (RCT's); stratificatie; multivariate analyse |
🔀 Verwarrend — Wanneer twee dingen met elkaar verbonden lijken, maar dat niet zijn
Verstorende factoren zijn een van de belangrijkste concepten in de onderzoeksmethodologie – en een van de meest voorkomende redenen waarom ogenschijnlijk overtuigende observationele bevindingen achteraf onjuist blijken te zijn. Het kernidee is eenvoudig: Twee zaken kunnen met elkaar verbonden lijken, niet omdat ze elkaar direct beïnvloeden, maar omdat ze beide verbonden zijn met een verborgen derde variabele.
A verstorende factor (of verstorende variabele) is een derde variabele die onafhankelijk geassocieerd is met zowel de blootstelling en Het resultaat. Het creëert een onechte (valse) associatie – of maskeert een echte – tussen de blootstelling en het resultaat dat je bestudeert.
Klassieke voorbeelden
| Schijnbare link | De verstorende factor | Waarom het alles verklaart |
|---|---|---|
| IJsverkoop → verdrinkingsdoden | Warm weer (zomer) | Warm weer leidt tot meer ijsconsumptie én meer zwemmen → meer verdrinkingen. IJs veroorzaakt geen verdrinking. |
| Koffie drinken → longkanker | Roken | Rokers drinken gemiddeld meer koffie. Vroege studies brachten koffie in verband met kanker – totdat er rekening werd gehouden met roken. |
| Het dragen van een aansteker → longkanker | Roken | Rokers dragen aanstekers bij zich. De aansteker heeft geen biologisch effect, roken wel. |
| Grijs haar → hartziekte | Leeftijd | Zowel grijs haar als hartziekten nemen toe met de leeftijd. Leeftijd is de verstorende factor, niet de haarkleur. |
| Schoenmaat → leesvaardigheid (bij kinderen) | Leeftijd | Oudere kinderen hebben grotere voeten EN kunnen beter lezen. Leeftijd verklaart beide. |
Een variabele is een verstorende factor als deze aan de volgende criteria voldoet: alle drie hiervan:
- Het is geassocieerd met de blootstelling (het onderwerp dat je bestudeert)
- Het is geassocieerd met de resultaat (het resultaat dat je meet)
- Het is niet op het causale pad tussen blootstelling en uitkomst (het is een aparte derde variabele, geen tussenliggende stap)
- randomisatie (in RCT's) — verdeelt bekende en onbekende verstorende factoren gelijkmatig over de groepen. Dit is de sterkste bescherming.
- Recht op beperking van de verwerking — selecteer alleen deelnemers die vergelijkbaar zijn wat betreft de verstorende factor (bijvoorbeeld alleen niet-rokers in het koffieonderzoek).
- Bijpassende — koppel gevallen en controles aan elkaar op basis van de verstorende variabele
- laagvorming — analyseer de resultaten afzonderlijk voor elk niveau van de verstorende factor
- Multivariate statistische aanpassing — statistisch rekening houden met meerdere verstorende factoren tegelijk
In een goed uitgevoerde RCT zorgt randomisatie ervoor dat confounders (zowel bekende als onbekende) gelijkmatig over de groepen worden verdeeld, waardoor confounding als verklaring voor verschillen wordt uitgesloten. In cohort- en case-controlstudies kun je alleen corrigeren voor confounders die je kent en hebt gemeten. Niet-gemeten confounders blijven altijd een mogelijke verklaring voor elke waargenomen associatie – daarom kunnen observationele studies nooit definitief causaliteit bewijzen.
✅ Validiteit en betrouwbaarheid — Wat is het verschil?
Meet het onderzoek wel wat het beweert te meten binnen de onderzochte populatie? Zijn de resultaten van dit Is het onderzoek betrouwbaar? Bedreigd door vooringenomenheid en verstorende factoren.
Kunnen de resultaten worden toegepast op andere populaties of in de praktijk? Een sterk gecontroleerde gerandomiseerde gecontroleerde studie in een specialistisch centrum weerspiegelt mogelijk niet wat er in de eerstelijnszorg gebeurt.
Levert de test consistente resultaten op wanneer deze onder dezelfde omstandigheden wordt herhaald? Gemeten aan de hand van de interbeoordelaarsbetrouwbaarheid (kappa-statistiek) of de test-hertestbetrouwbaarheid.
Meet de overeenstemming tussen twee beoordelaars, los van toeval. κ = 1 (perfecte overeenstemming); κ = 0 (overeenstemming niet beter dan toeval); κ < 0 (slechter dan toeval).
Het meten van risico en behandelingseffect
Dit is de meest intensief geteste gebied In de AKT-statistiek moet je deze formules perfect kennen en ze onder examenomstandigheden kunnen toepassen op proefgegevenstabellen.
De belangrijkste statistieken
📊 NNT-interpretatie — Wat betekenen de getallen nu eigenlijk?
NNT geeft aan hoeveel patiënten je moet behandelen voor een om er profijt van te hebben. Dus de minder Hoe meer patiënten je moet behandelen om één voordeel te behalen, hoe effectiever de behandeling is. Een NNT van 2 betekent dat 1 op de 2 patiënten baat heeft – dat is uitstekend. Een NNT van 100 betekent dat slechts 1 op de 100 patiënten baat heeft – veel minder effectief.
| NNT-bereik | Ruwe interpretatie | Voorbeeldcontext |
|---|---|---|
| <10 | Zeer effectief | Antibiotica voor bepaalde infecties; sommige acute behandelingen |
| 10 - 50 | Matig effect | Veel voorkomende preventieve medicijnen |
| > 100 | Zwak effect | Enkele preventieve strategieën op populatieniveau |
Deze drempels zijn niet van NICE of RCGP — dit zijn slechts grove leermiddelen. De "juiste" NNT is altijd contextafhankelijk:
- Een NNT van 100 zou nog steeds de moeite waard kunnen zijn. als de uitkomst die wordt voorkomen de dood of ernstige, onomkeerbare schade is.
- Een NNT van 5 is mogelijk niet acceptabel als de behandeling frequente of ernstige bijwerkingen heeft.
Regel in één regel: NNT geeft aan hoeveel patiënten je moet behandelen voordat er één baat heeft bij de behandeling — een lagere waarde betekent een sterker effect. Weeg dit echter altijd af tegen de ernst van de aandoening en de belasting van de behandeling.
Als 60 van de 100 patiënten baat hebben bij de behandeling, is dat een ARR van 60% (= 0.6), wat resulteert in een NNT van 1 ÷ 0.6 ≈ 1.7 — een uitstekend resultaat. De NNT is niet het aantal mensen dat baat heeft bij de behandeling; het is het aantal mensen dat je behandelt om een positief resultaat te behalen. een voordeel.
📖 Odds ratio en hazard ratio — Wanneer worden deze gebruikt?
| Maatregel | Gebruikt in | Interpretatie |
|---|---|---|
| Relatief risico (RR) | Cohortstudies, RCT's | Vergelijkt direct het risico in twee groepen. Intuïtiever dan OR. |
| Odds-ratio (OR) | Case-control onderzoeken | Vergelijkt de kans op blootstelling bij patiënten versus controlegroep. Benadert het relatieve risico (RR) wanneer de ziekte zeldzaam is. |
| Hazardratio (HR) | Overlevingsanalyse (tijd tot gebeurtenis) | Net als RR, maar houdt rekening met wanneer Gebeurtenissen vinden in de loop van de tijd plaats. HR <1 = verminderd risico in de behandelingsgroep. |
Bij veelvoorkomende ziekten overschat de OR het risico in vergelijking met de RR. Bij zeldzame ziekten (<10% prevalentie) zijn ze ongeveer gelijk. Een case-controlstudie genereert een OR — u kan niet De incidentie of het relatieve risico (RR) rechtstreeks berekenen op basis van een case-controlstudie.
🧮 Uitgewerkt voorbeeld — Het berekenen van de NNT op basis van onderzoeksgegevens
🎯 Scenario: Statineproef
Uit een gerandomiseerde gecontroleerde studie van 5 jaar blijkt dat bij patiënten met een hoog cardiovasculair risico: 6% in de placebogroep een hartaanval kreeg, vergeleken met 4% in de statinegroep.
Behandel 50 patiënten gedurende 5 jaar om 1 hartaanval te voorkomen.
Dat klinkt indrukwekkend! Maar het absolute voordeel is slechts 2%.
De statinegroep had 67% van het risico van de placebogroep - een relatieve reductie van 33%.
Wanneer een patiënt vraagt: "Zal deze statine mij helpen?", gebruik dan de NNT-formule. "Als 50 mensen zoals u deze tablet 5 jaar lang slikken, wordt 1 hartaanval voorkomen. Voor u persoonlijk betekent dit een absoluut voordeel van 2%." Dat is veel eerlijker dan "Het verlaagt uw risico met 33%."
💬 Risico's communiceren aan patiënten (AKT-favoriet)
De AKT test vaak hoe je statistische informatie aan patiënten zou uitleggen. Er zijn vier hoofdvormen:
| Formaat | Voorbeeld | beste voor |
|---|---|---|
| Natuurlijke frequentie | "5 op de 100 mensen" | Het makkelijkst te begrijpen voor patiënten |
| Percentage | "5% van de mensen" | Veel gebruikt, maar kan misleidend zijn. |
| NNT | "Behandel 20 mensen om 1 incident te voorkomen" | Communiceert duidelijk het absolute voordeel. |
| Cates-plot | Visueel raster van 100 gezichten | Het beste visuele hulpmiddel voor gezamenlijke besluitvorming. |
Zeggen "dit verlaagt uw risico met 33%" zonder het basisrisico te vermelden, is misleidend. Een RRR van 33% bij een basisrisico van 0.3% betekent dat uw absolute voordeel 0.1% is. Combineer de RRR altijd met het basisrisico of geef in plaats daarvan de ARR/NNT-ratio.
💊 De truc van farmaceutische vertegenwoordigers: hoe farmaceutische bedrijven statistieken verdraaien
Vertegenwoordigers van farmaceutische bedrijven worden getraind om onderzoeksgegevens zo gunstig mogelijk voor te stellen. Ze gebruiken een simpele maar effectieve statistische truc:
- Voordelen → weergegeven als relatieve risicoreductie (RRR) — omdat het groter en indrukwekkender klinkt
- Schade → weergegeven als absolute risicoverhoging (ARI) — omdat het kleiner en minder zorgwekkend klinkt.
Uitgewerkt voorbeeld — een fictief bezoek van een vertegenwoordiger van een statinefabrikant
Een nieuwe statine verlaagt het aantal hartaanvallen van 2% naar 1% over een periode van 5 jaar, maar verhoogt het aantal gevallen van myopathie van 1% naar 2%.
Het tegengif: Vraag altijd — "Wat is het absolute verschil?" Wanneer een vertegenwoordiger een relatief cijfer noemt, reken dit dan zelf om: ARR = CER − EER, en vervolgens NNT = 1 ÷ ARR. Dit geldt ook voor secundaire arbeidsvoorwaarden. en schade.
Diagnostische tests en screening — De 2x2-tabel
De 2x2-contingentietabel vormt de basis van alle diagnostische statistieken. Als u deze tabel kunt opstellen en lezen, kunt u de meeste diagnostische AKT-vragen beantwoorden.
De 2×2-tabel
| WERKELIJKE ZIEKTESTATUS | ||
|---|---|---|
| TESTRESULTAAT | Ziekte Presenteer | Ziekte Afwezig |
| Test positief | Echt positief (TP) Test geeft JA aan → heeft de ziekte ✓ |
Vals-positief (FP) Test geeft JA aan → geen ziekte ✗ |
| Test negatief | Vals negatief (FN) Test zegt NEE → heeft de ziekte ✗ |
Echt negatief (TN) Testuitslag NEE → geen ziekte ✓ |
🧠 SnNout & SpPin — De geheugensteuntjes (en waarom ze werken)
Snuit: Een zeer Sentest, indien Nnegatief, sluit de ziekte uit Uit.
Als de gevoeligheid erg hoog is, betekent een negatieve testuitslag dat de ziekte zeer onwaarschijnlijk is (lage kans op een vals-negatieve uitslag). Gebruik een gevoelige test om te screenen en uit te sluiten.
Spin: Een zeer Spspecifieke test, indien Ppositief, beheerst de ziekte In.
Als de specificiteit zeer hoog is, betekent een positieve testuitslag dat de ziekte zeer waarschijnlijk is (lage kans op een vals-positief resultaat). Gebruik een specifieke test om de diagnose te bevestigen.
📊 Het effect van prevalentie op PPV & NPV — Een cruciaal onderwerp binnen AKT
Dit is een van de belangrijkste en meest geteste concepten in de diagnostische statistiek. Gevoeligheid en specificiteit zijn vaste eigenschappen van de test. Maar de positief voorspellende waarde (PPV) en de negatief voorspellende waarde (NPV) veranderen drastisch, afhankelijk van hoe vaak de ziekte voorkomt in de populatie die je test.
| Scenario | Overwicht | PPV | NPV |
|---|---|---|---|
| Het screenen van de algemene bevolking op een zeldzame ziekte (bijvoorbeeld hiv bij mensen met een laag risico). | 1% | LAAG (~16%) | HOOG (~99.9%) |
| Testen in een specialistische kliniek voor hoogrisicopatiënten | 50% | HOOG (~95%) | HOOG (~95%) |
- Naarmate de prevalentie toeneemt, neemt de positief voorspellende waarde (PPV) toe en de negatief voorspellende waarde (NPV) af.
- Naarmate de prevalentie daalt, daalt de positief voorspellende waarde (PPV), en stijgt de negatief voorspellende waarde (NPV).
- In een populatie met een lage prevalentie zijn de meeste positieve resultaten vals-positief (lage positief voorspellende waarde) — zelfs met een zeer specifieke test.
- Een negatieve test in een populatie met een hoge prevalentie kan de ziekte alsnog missen (lagere negatief voorspellende waarde).
📐 Waarschijnlijkheidsverhoudingen — Wanneer je verder wilt gaan
Likelihood ratio's (LR's) combineren sensitiviteit en specificiteit in één getal dat aangeeft in hoeverre een testresultaat de waarschijnlijkheid van een ziekte beïnvloedt. Ze zijn geavanceerder dan PPV/NPV, maar wel nuttig en worden soms getest in AKT.
| LR+ | Effect op de kans na de test |
|---|---|
| > 10 | Een grote en vaak doorslaggevende toename van de waarschijnlijkheid. |
| 5-10 | Matige stijging |
| 2-5 | Kleine stijging |
| 1 | Geen verandering (de test is nutteloos) |
| 0.1-0.5 | Kleine tot matige afname |
| Sterke afname — sterke negatieve uitsluiting |
Bevolkingsstatistieken en epidemiologie
📊 Gestandaardiseerde sterfteverhouding (SMR)
| SMR-waarde | Interpretatie |
|---|---|
| = 100 | Sterftecijfer gelijk aan dat van de referentiepopulatie |
| > 100 | Oversterfte (hoger dan verwacht) |
| <100 | Lagere sterfte dan verwacht |
🎯 Screening — Vooroordelen ten aanzien van doorlooptijd en lengte (Belangrijkste AKT-valkuilen)
Door screening wordt een ziekte eerder opgespoord, waardoor het lijkt alsof de overlevingskansen zijn verbeterd – zelfs als de patiënt op hetzelfde moment overlijdt. De "overlevingstijd vanaf de diagnose" is simpelweg verlengd door vroegtijdige detectie, niet door een daadwerkelijk voordeel van de behandeling. De patiënt leeft niet langer; hij of zij weet het alleen langer.
Screeningprogramma's detecteren eerder langzaam groeiende, indolente ziekten (die een langere "detecteerbare preklinische fase" hebben) dan agressieve ziekten die zich snel ontwikkelen. Hierdoor lijkt screening effectiever dan het in werkelijkheid is bij ernstige ziekten.
✅ Wilson & Jungner-screeningscriteria
Voordat een screeningsprogramma wordt geïntroduceerd, moet het voldoen aan de criteria van Wilson & Jungner (oorspronkelijk gepubliceerd in 1968, nog steeds het standaardkader). De AKT test zowel de kennis van deze criteria als de toepassing ervan op scenario's.
| # | Criterium | Wat betekent dit in de praktijk? |
|---|---|---|
| 1 | Belangrijk gezondheidsprobleem | De aandoening gaat gepaard met aanzienlijke morbiditeit of mortaliteit, waardoor screening de moeite waard is. |
| 2 | Geaccepteerde behandeling beschikbaar | Het heeft geen zin om een ziekte op te sporen die je niet kunt behandelen. |
| 3 | Er zijn faciliteiten voor diagnose en behandeling. | De infrastructuur moet aanwezig zijn voordat de lancering kan plaatsvinden. |
| 4 | Herkenbaar latent of vroeg stadium | De ziekte moet een aantoonbare presymptomatische fase hebben. |
| 5 | Geschikte test beschikbaar | De test moet aanvaardbaar zijn voor de bevolking, veilig en redelijk nauwkeurig. |
| 6 | Test aanvaardbaar voor de bevolking | Mensen moeten bereid zijn om de test te ondergaan; invasieve of ongemakkelijke tests kunnen de bereidheid afschrikken. |
| 7 | Natuurgeschiedenis adequaat begrepen | Het is belangrijk te weten hoe de ziekte zich ontwikkelt als deze onbehandeld blijft. |
| 8 | Afgesproken beleid over wie behandeld moet worden | Duidelijke protocollen nodig — niet alleen voor detectie, maar ook voor wat er daarna gebeurt. |
| 9 | Kosteneffectief | De kosten voor het vinden van elk geval moeten worden afgewogen tegen de baten. |
| 10 | Een continu proces, geen eenmalige gebeurtenis. | Screening moet continu plaatsvinden — de ziekte blijft zich voordoen |
PSA-screening voor prostaatkanker is niet Het maakt deel uit van het nationale screeningsprogramma van de NHS, juist omdat het worstelt met criteria 5 en 7: PSA is geen voldoende nauwkeurige test (lage specificiteit → veel vals-positieve resultaten), en het natuurlijke verloop van veel laaggradige prostaatkankers betekent dat ze nooit symptomen zullen veroorzaken gedurende het leven van de patiënt. Dit hangt direct samen met overdiagnose (zie hieronder).
🔍 Overdiagnose — Problemen vinden die er in werkelijkheid niet waren
Overdiagnose treedt op wanneer een daadwerkelijke ziekte wordt vastgesteld – een ziekte die echt bestaat – terwijl die ziekte eigenlijk niet zou worden behandeld. hebben nooit symptomen, schade of de dood veroorzaakt. Als de ziekte gedurende het leven van de patiënt onopgemerkt blijft, kan deze zich voordoen. Het is geen vals positief resultaat (de ziekte is echt); het is een echt positief resultaat dat niet nodig was om te ontdekken.
Overdiagnose maakt van gezonde mensen patiënten. Het stelt hen bloot aan de angst, bijwerkingen en risico's van een behandeling voor een aandoening die hen nooit kwaad zou hebben gedaan. Het is een van de belangrijkste nadelen van screeningsprogramma's – en een nadeel dat de AKT-test direct aanpakt.
| Staat van het product | Voorbeeld van overdiagnose |
|---|---|
| Prostaatkanker | Veel laaggradige kankers die met PSA worden opgespoord, zouden zich nooit verder ontwikkelen of symptomen veroorzaken — mannen overlijden. with hen, niet vanaf aan hen |
| Schildklierkanker | Echografie spoort kleine papillaire schildklierkankers op die bijna altijd een indolent verloop hebben — de detectie is enorm toegenomen, maar de sterftecijfers zijn gelijk gebleven. |
| DCIS (borst) | Ductaal carcinoom in situ, opgespoord door mammografie — sommige gevallen zouden zich nooit ontwikkelen tot invasieve kanker. |
Overdiagnose = het vinden van een ziekte die niet gevonden hoefde te worden. Overbehandeling = het behandelen van een ziekte die niet behandeld hoefde te worden (wat het gevolg kan zijn van overdiagnose, of onafhankelijk daarvan kan voorkomen). Het zijn verwante, maar verschillende concepten.
🔢 Leeftijdsstandaardisatie
Bij het vergelijken van ziektecijfers of sterftecijfers tussen verschillende populaties (bijvoorbeeld verschillende landen, verschillende tijdsperioden) moet rekening worden gehouden met het feit dat die populaties een verschillende leeftijdsverdeling kunnen hebben. Oudere populaties zullen vanzelfsprekend een hogere sterfte hebben, zelfs als hun gezondheid even goed is.
Leeftijdsstandaardisatie is een statistische techniek die het verstorende effect van verschillende leeftijdsverdelingen wegneemt bij het vergelijken van gezondheidsuitkomsten tussen populaties. Het levert een percentage op dat zou worden waargenomen als beide populaties dezelfde leeftijdsstructuur hadden (de "standaardpopulatie").
🎗️ Kankerstatistieken — Essentiële informatie van AKT
De AKT test af en toe specifieke kankerstatistieken. Je hoeft geen uitgebreide oncologische kennis te hebben, maar deze belangrijke cijfers komen wel eens voor en zijn het waard om te kennen.
| Kanker | Belangrijkste statistiek | Waarom het uitmaakt |
|---|---|---|
| Testicular kanker | >98% overlevingskans na 10 jaar | Een van de meest behandelbare kankersoorten — belangrijk om te weten voor het begeleiden van jonge mannen. |
| Longkanker | Belangrijkste doodsoorzaak door kanker (VK) | Hoewel het niet de meest voorkomende vorm van kanker is, eist het meer levens dan welke andere vorm van kanker ook. |
Een kanker kan een hoge kans op kanker hebben. inval (gebruikelijk) maar laag sterfte (behandelbaar), zoals borstkanker. Of het kan een lagere incidentie hebben, maar een zeer hoge mortaliteit, zoals alvleesklierkanker. De AKT test mogelijk uw vermogen om kankerstatistieken correct te interpreteren – ga er niet van uit dat de meest voorkomende kankersoort ook de dodelijkste is.
⚖️ Ongelijkheden in de gezondheidszorg
Gezondheidsongelijkheden beschrijven oneerlijke, vermijdbare verschillen in gezondheid tussen verschillende groepen mensen. Ze vormen een belangrijk aandachtspunt van het Britse volksgezondheidsbeleid en komen in de AKT aan bod in de context van epidemiologie en sociale determinanten van gezondheid.
Gezondheidsongelijkheden zijn oneerlijke, vermijdbare verschillen in gezondheidsstatus of in de verdeling van gezondheidsdeterminanten tussen verschillende bevolkingsgroepenZe zijn "vermijdbaar" omdat ze voortkomen uit sociale, economische of omgevingsomstandigheden die in principe veranderd zouden kunnen worden – niet uit toeval of biologische variatie.
| Type | Voorbeelden in het Verenigd Koninkrijk |
|---|---|
| Sociaal-economische | Lagere levensverwachting in achterstandsgebieden; hogere percentages hart- en vaatziekten, diabetes en psychische aandoeningen in armere gemeenschappen. |
| geografisch | "Noord-Zuid-kloof" — slechtere gezondheidsresultaten in delen van Noord-Engeland vergeleken met het zuiden. |
| Etnische | Hogere percentages diabetes type 2 in Zuid-Aziatische bevolkingsgroepen; hoger cardiovasculair risico in zwarte bevolkingsgroepen. |
| Geslacht | Mannen hebben een lagere levensverwachting, maar vrouwen hebben meer jaren met gezondheidsproblemen (morbiditeit). |
Gegevensverdeling en statistische significantie
Maatregelen van centrale tendens
| Maatregel | Definitie | Beste gebruikt wanneer | Kijk uit |
|---|---|---|---|
| Gemiddelde | Som van alle waarden ÷ aantal waarden | De gegevens zijn normaal verdeeld. | Gemakkelijk beïnvloed door uitschieters |
| Mediaan | Middelste waarde wanneer gesorteerd. Als er een even getal Bij een aantal waarden is de mediaan het gemiddelde van de twee middelste getallen. | Scheve gegevens (bijv. inkomen, duur van het ziekenhuisverblijf) | Negeert de werkelijke waarden aan de uiteinden. |
| Mode | Meest voorkomende waarde | Categorische gegevens; bimodale verdelingen | Kan betekenisloos zijn bij continue data. |
| Verkrijgbaarheid: | Maximum − Minimum | Snel gevoel van verspreiding | Volledig bepaald door uitschieters |
| IQR (Interkwartielbereik) | 75e percentiel − 25e percentiel | Gecombineerd met de mediaan voor scheve gegevens. | Negeert de bovenste en onderste 25% |
| Standaarddeviatie (SD) | Gemiddelde spreiding ten opzichte van het gemiddelde | Normaal verdeelde gegevens | Misleidend als de gegevens niet normaal verdeeld zijn. |
🗂️ Soorten gegevens — Nominaal, ordinaal, interval, ratio
Begrijpen wat type dan: De beschikbare gegevens bepalen welke samenvattende statistieken en welke statistische toetsen geschikt zijn. De AKT toetst dit – meestal door een dataset te presenteren en te vragen welke toets of maatstaf gebruikt moet worden.
| Type | Definitie | Voorbeelden | Analogie |
|---|---|---|---|
| Nominaal | Categorieën zonder natuurlijke volgorde | Bloedgroep (A, B, AB, O); geslacht; oogkleur; doodsoorzaak | Een fruitschaal — appels en bananen zijn gewoon verschillend, geen van beide is "meer". |
| rangtelwoord | Geordende categorieën, maar de tussenruimtes ertussen zijn niet noodzakelijkerwijs gelijk | NYHA-hartfalenklasse (I-IV); pijnschaal (licht/matig/ernstig); Likert-schalen | Posities in de race — 1e, 2e, 3e. We kennen de volgorde, maar het verschil tussen de 1e en 2e plaats kan heel anders zijn dan het verschil tussen de 2e en 3e plaats. |
| interval | Geordend met gelijke tussenruimtes tussen de waarden, maar geen echt nulpunt | Temperatuur in °C; kalenderdata; IQ-scores | Een thermometer — 0°C betekent niet "geen temperatuur". Je kunt niet zeggen dat 20°C in absolute zin "twee keer zo warm" is als 10°C. |
| Verhouding | Geordende, gelijke tussenruimtes, EN een ware absolute nul | Lengte, gewicht, bloeddruk, leeftijd, inkomen, medicijndosis | Geld — £0 betekent dat je echt niets hebt. £40 is twee keer zoveel als £20. |
- Nominale/ordinale gegevens → gebruik niet-parametrische toetsen, modus of mediaan voor gemiddelden
- Interval-/verhoudingsgegevens (normaal verdeeld) → gemiddelde, standaarddeviatie en parametrische toetsen kunnen worden gebruikt
- Je Het is niet mogelijk om op zinvolle wijze een gemiddelde te berekenen. Voor nominale gegevens (bijvoorbeeld "gemiddelde bloedgroep" is onzin) of om proportionele uitspraken te doen met intervalgegevens (je kunt niet zeggen dat iemand met een IQ van 120 "twee keer zo slim" is als iemand met een IQ van 60).
🔬 Parametrische versus niet-parametrische tests
Statistische toetsen vallen in twee categorieën, afhankelijk van de aannames die ze over uw gegevens maken. De AKT-toets bepaalt welk type toets geschikt is voor een gegeven scenario — u hoeft de berekeningen niet zelf uit te voeren, u hoeft alleen te weten wanneer u welke toets moet gebruiken.
Parametrische testen We gaan ervan uit dat de gegevens normaal verdeeld zijn (of dat de steekproef groot genoeg is zodat dit niet veel uitmaakt) en dat de gegevens op zijn minst intervalniveau zijn. Niet-parametrische tests Ga niet uit van dergelijke aannames — ze werken met rangen of categorieën en zijn geschikt voor scheve data, kleine steekproeven of ordinale/nominale data.
| Doel | Parametrische test | Niet-parametrisch equivalent |
|---|---|---|
| Vergelijk de gemiddelden van 2 onafhankelijke groepen | Onafhankelijke t-test | Mann-Whitney U-test |
| Vergelijking betekent: dezelfde groep, 2 meetmomenten | Gepaarde t-test | Wilcoxon ondertekende rangtest |
| Vergelijk de gemiddelden van 3 of meer groepen. | ANOVA (analyse van variantie) | Kruskal-Wallis-test |
| Correlatie tussen twee continue variabelen | Pearson correlatie | Spearman rangcorrelatie |
| Vergelijk verhoudingen / categorische gegevens | - | Chi-kwadraat toets (χ²) |
- Gegevens zijn scheef or niet normaal verdeeld → gebruik niet-parametrische
- Kleine steekproefomvang (en normaliteit onzeker) → gebruik niet-parametrische
- Gegevens zijn rangtelwoord (bijv. pijnscores, Likert) → gebruik niet-parametrische
- Vergelijken verhoudingen of categorieën → chi-kwadraat toets
- Grote steekproef, continu, bij benadering normaal verdeeld → parametrische toets is prima
🔔 Normale verdeling — De 68-95-99.7 regel
Een normale verdeling is een symmetrische, klokvormige curve. Het gemiddelde, de mediaan en de modus zijn allemaal gelijk en bevinden zich in het midden.
| Verkrijgbaarheid: | Percentage van de opgenomen waarden |
|---|---|
| Gemiddelde ± 1 SD | 68% |
| Gemiddelde ± 2 SD | 95% |
| Gemiddelde ± 3 SD | 99.7% |
Bij positief scheve data (bijvoorbeeld inkomen, wachttijden bij de huisarts, serumbilirubine op een afdeling) wordt het gemiddelde naar rechts getrokken door een paar hoge uitschieters. In dit geval kunt u het volgende gebruiken: mediaan — dat geeft de typische waarde beter weer. De AKT test dit onderscheid graag.
📉 P-waarden en betrouwbaarheidsintervallen: wat ze werkelijk betekenen
P-waarden
De p-waarde is de waarschijnlijkheid dat er resultaten worden waargenomen die minstens zo extreem zijn als de waargenomen resultaten. als de nulhypothese waar is (d.w.z. als er geen echt effect is). Het is niet De waarschijnlijkheid dat de nulhypothese correct is.
| p-waarde | Interpretatie |
|---|---|
| p <0.05 | Statistisch significant — minder dan 5% kans dat dit resultaat toevallig is ontstaan. |
| p> 0.05 | Niet statistisch significant — het resultaat kan aan toeval te wijten zijn. |
| p = 0.01 | 1% kans op dit resultaat als er geen echt effect is |
Betrouwbaarheidsintervallen (BI's)
Een 95% betrouwbaarheidsinterval betekent: als je het onderzoek 100 keer zou herhalen, zou de werkelijke populatiewaarde in 95 van die gevallen binnen dit bereik vallen.
- Voor een verhouding (RR, OR, HR): indien het 95% betrouwbaarheidsinterval dit omvat 1.0 → niet statistisch significant
- Voor een verschil (gemiddeld verschil, ARR): als het 95% betrouwbaarheidsinterval het volgende omvat 0 → niet statistisch significant
- Als het betrouwbaarheidsinterval volledig boven de 1 ligt (voor verhoudingen) → significant verhoogd risico
- Als het betrouwbaarheidsinterval volledig onder de 1 ligt (voor verhoudingen) → significant verlaagd risico
❌ Type I- en Type II-fouten — Vals alarm slaan versus de wolf missen
Het verwerpen van de nulhypothese terwijl deze in werkelijkheid waar is. Met andere woorden: concluderen dat een behandeling werkt terwijl dat niet het geval is. Het percentage vals-positieve resultaten. Conventioneel acceptabel op 5% (α = 0.05, p < 0.05).
"Vals alarm slaan" — alarm slaan terwijl er geen wolf is.
Het niet verwerpen van de nulhypothese terwijl deze feitelijk onjuist is. Met andere woorden: het missen van een werkelijk behandelingseffect. Het percentage vals-negatieve resultaten. Conventioneel acceptabel bij 20% (β = 0.2, power = 80%).
"De wolf missen" — zeggen dat er geen wolf is, terwijl die er wel is.
Power = 1 − β. Het is de kans om een echt effect correct te detecteren. Een hogere power betekent een kleinere kans om een echt effect te missen. De power neemt toe met grotere steekproefgroottes. Een goed opgezet onderzoek vereist een power van ≥80%.
⚡ Statistische significantie ≠ Klinisch belang
Dit is een van de belangrijkste en meest geteste nuances in AKT-statistiek, en een die veel cursisten over het hoofd zien.
Een resultaat kan zijn statistisch significant (p < 0.05) terwijl ze klinisch betekenisloosStatistische significantie geeft alleen aan dat het resultaat waarschijnlijk niet aan toeval te wijten is — het zegt niets over de vraag of het effect groot genoeg is om in de praktijk van belang te zijn.
| Scenario | Statistisch significant? | Klinisch belangrijk? |
|---|---|---|
| De bloeddruk daalt met 1 mmHg, n=50,000, p=0.001 | Ja | Nee |
| De bloeddruk daalt met 15 mmHg, n=30, p=0.08 | Nee | Waarschijnlijk wel |
| De bloeddruk daalt met 12 mmHg, n=500, p=0.02 | Ja | Ja |
Kijk altijd naar de effectgrootte (ARR, NNT, gemiddeld verschil) samen met p-waarden en betrouwbaarheidsintervallen. Een smal betrouwbaarheidsinterval dat nul of één uitsluit, is betekenisvoller dan een p-waarde alleen — het geeft zowel de richting als de precisie van het effect aan.
- Smal betrouwbaarheidsinterval → nauwkeurige schatting → grote zekerheid dat de werkelijke waarde dicht bij de puntschatting ligt (meestal gebaseerd op een grote steekproef)
- Brede CI → onzekere schatting → de werkelijke waarde kan ergens in een breed bereik liggen (meestal gebaseerd op een kleine of heterogene steekproef)
Voorbeeld: RR = 1.5 (95% BI 1.4–1.6) → precies, overtuigend. RR = 1.5 (95% BI 0.6–3.8) → breed, onzeker — en overschrijdt 1.0, dus zelfs niet significant.
📈 Regressie naar het gemiddelde — De verborgen verstorende factor in de klinische praktijk
Regressie naar het gemiddelde is de statistische tendens dat een extreme meting bij een tweede meting dichter bij het gemiddelde ligt. ongeacht enige interventieHet is een van de meest onderschatte bronnen van misleidende conclusies in de geneeskunde.
Patiënten worden vaak onderzocht of behandeld juist wanneer hun symptomen of metingen het slechtst zijn. Natuurlijke variatie betekent dat die metingen bij een hertest waarschijnlijk toch zullen verbeteren – niet per se door uw interventie. Zonder controlegroep is het onmogelijk om regressie naar het gemiddelde te onderscheiden van een echt behandelingseffect.
| Scenario | Wat lijkt op het behandelingseffect? | Wat er mogelijk daadwerkelijk gebeurt |
|---|---|---|
| Patiënt heeft bij één meting een zeer hoge bloeddruk → medicatie gestart → bloeddruk lager bij volgende controle | Het medicijn werkt. | De eerste meting kan een uitschieter zijn geweest; de bloeddruk zou bij een herhaalde meting sowieso lager zijn geweest. |
| Leerling scoort erg slecht op een toets → krijgt bijles → scoort de volgende keer beter | Het collegegeld hielp | De lage score was mogelijk niet representatief; natuurlijke prestaties neigen naar hun gemiddelde. |
| Patiënt met ernstige eczeemuitbraak begint met een nieuwe crème → de uitbraak verbetert | De crème werkt. | Ernstige opvlammingen verbeteren vanzelf na verloop van tijd, ongeacht de behandeling. |
- Maak meerdere basislijnmetingen en gebruik het gemiddelde voordat u met de behandeling begint.
- Gebruik een controlegroep — Regressie naar het gemiddelde heeft een gelijk effect op beide groepen, waardoor elk verschil tussen de groepen waarschijnlijk een reëel behandelingseffect is.
- Dit is een van de sterkste argumenten voor RCT's versus ongecontroleerde voor-en-na-studies
Statistische grafieken: waar moet je op letten?
De AKT presenteert regelmatig grafieken en vraagt je deze te interpreteren. Leer de belangrijkste kenmerken van elk grafiektype te herkennen – probeer niet alles te lezen. Eén gerichte observatie is voldoende.
| Grafiektype | Primair gebruik | Het enige waar je op moet letten |
|---|---|---|
| Bos perceel | Resultaten van de meta-analyse | Heeft het diamant De verticale lijn van geen effect overschrijden? |
| Trechterplot | Detectie van publicatiebias / Monitoring van uitschieters in de huisartspraktijk | Is het plot asymmetrisch? (Gap = ontbrekende niet-gepubliceerde studies) |
| Cates Plot | Het NNT-cijfer visueel communiceren aan patiënten. | Tel de gekleurde "voordeel"-gezichtjes; NNT = 100 ÷ dat aantal gezichtjes |
| L'Abbé Plot | Het onderzoeken van heterogeniteit in meta-analyses | Punt op de diagonale lijn = nul behandelingseffect |
| Box-and-Whisker Plot | Gegevensverspreiding en -verspreiding | Middelste lijn = mediaan (niet het gemiddelde); stippen buiten de snorharen = uitschieters |
| Fagan's Nomogram | Waarschijnlijkheid vóór de test → waarschijnlijkheid na de test | Trek een lijn van de waarschijnlijkheid vóór de test door de likelihood ratio (LR) om de waarschijnlijkheid ná de test af te lezen. |
| Stam-bladdiagram | Distributie — behoudt de oorspronkelijke waarden | Net als een histogram, maar dan met individuele datapunten. |
| Kaplan-Meier-curve | Overlevingsanalyse — tijd tot gebeurtenis | De stappen dalen wanneer er gebeurtenissen plaatsvinden; curves die vroeg uiteenlopen en uit elkaar blijven, suggereren een aanhoudend gunstig effect van de behandeling. |
| histogram | Verdeling van continue gegevens | Vorm van de curve: symmetrisch = normale verdeling; scheef = gebruik de mediaan in plaats van het gemiddelde |
🌲 Bospercelen — In detail
- Elk vierkant = één onderzoek. De grootte van het vierkant = het gewicht van het onderzoek (meestal bepaald door de steekproefgrootte).
- Horizontale lijnen = 95% betrouwbaarheidsinterval voor dat onderzoek
- De diamant Onderaan = de gecombineerde algemene schatting. De breedte ervan = het gecombineerde 95% betrouwbaarheidsinterval.
- Verticale lijn op 1.0 = "lijn van geen effect" (voor verhoudingen). Als een CI-lijn of de ruit overschrijdt deze lijn, dat resultaat is niet statistisch significant
I² meet in hoeverre de variatie tussen studies te wijten is aan werkelijke heterogeniteit (reële verschillen) in plaats van toeval.
I² < 25% = lage heterogeniteit ✓
I² = 25–50% = matige heterogeniteit
Ik² > 50% = aanzienlijke heterogeniteit — het gecombineerde resultaat is minder betrouwbaar ⚠️
📯 Trechterdiagrammen — Publicatiebias en monitoring van uitschieters in de huisartspraktijk
Trechterdiagrammen komen in de AKT in twee totaal verschillende contexten voor — zorg ervoor dat u ze allebei herkent.
De grafiek toont de effectgrootte (x-as) tegen de precisie of omvang van de studie (y-as). Een symmetrische omgekeerde trechter betekent geen vertekening. Een asymmetrische trechter met een gat linksonder betekent dat kleine negatieve studies ontbreken → publicatiebias.
Vergelijkt huisartsenpraktijken op basis van meetgegevens (bijv. verwijzingspercentages, sterftecijfers). Gegevenspunten buiten de trechterlijnen zijn statistische uitschieters Dit rechtvaardigt nader onderzoek, maar is niet per se een bewijs van slechte prestaties.
😊 Cates-plots — Hoe je NNT visueel kunt extraheren
Een Cates-diagram (soms ook wel een "smiley-diagram" genoemd) gebruikt een raster van 100 gezichten om patiënten te helpen de absolute voordelen en nadelen te visualiseren.
- Elk van de 100 gezichten vertegenwoordigt één persoon per 100 behandelde personen.
- Gele/groene gezichten = mensen die er baat bij hadden (gebeurtenissen die werden voorkomen)
- Rode gezichten = mensen die schade hebben ondervonden
- Grijze/effen gezichten = geen effect in beide richtingen
📉 Kaplan-Meier overlevingscurven — Hoe lees je ze?
Kaplan-Meier (KM)-curven tonen de waarschijnlijkheid van overleven (of het vrij blijven van een gebeurtenis) in de loop van de tijd. Ze komen voor in AKT-vragen over kankeronderzoeken, cardiovasculaire studies en elk onderzoek dat de tijd tot een gebeurtenis volgt.
| Kenmerk | Wat het betekent |
|---|---|
| De Y-as | De overlevingskans (of kans op overleving zonder gebeurtenissen) begint bij 1.0 (100%) en neemt in de loop van de tijd af. |
| De X-as | Tijd (dagen, maanden, jaren) |
| Elke neerwaartse stap | Er heeft zich een gebeurtenis voorgedaan (bijv. overlijden, terugval). Grotere stappen betekenen meer gebeurtenissen op dat punt. |
| Vinkjes op de lijn | Gecensureerde patiënten — patiënten die niet meer te traceren waren of van wie het onderzoek is beëindigd. Geen incidenten. |
| Twee curves die vroeg uiteenlopen en vervolgens van elkaar gescheiden blijven. | Dit suggereert een aanhoudend gunstig effect van de behandeling gedurende de gehele follow-up. |
| Bochten die elkaar kruisen | Dit suggereert dat het risico niet evenredig is in de tijd, wat de interpretatie bemoeilijkt. |
| Mediane overleving | Het tijdstip waarop de overlevingscurve de 50%-grens overschrijdt — het punt waarop de helft van de patiënten de gebeurtenis heeft meegemaakt. |
De log-rank test vergelijkt twee KM-curven statistisch. Hazard ratio (HR) Dit vat het algehele verschil tussen de curves samen. HR < 1 = de behandelingsgroep heeft minder gebeurtenissen in de loop van de tijd. Als de curves elkaar aanzienlijk overlappen, zal de HR dicht bij 1 liggen (geen voordeel).
📊 Histogrammen — Distributie in één oogopslag
Een histogram toont de verdeling van een continue variabele (bijvoorbeeld leeftijd, bloeddruk, BMI) door waarden in intervallen (bakken) te groeperen en te laten zien hoeveel waarnemingen in elk interval vallen. In tegenstelling tot een staafdiagram raken de staven elkaar, omdat de gegevens continu zijn.
| Vorm | Betekenis | Gebruik je het gemiddelde of de mediaan? |
|---|---|---|
| Symmetrische klokvorm | Normale verdeling — gemiddelde, mediaan en modus zijn allemaal gelijk. | Beide opties zijn mogelijk, maar conventioneel wordt het gemiddelde ± standaarddeviatie weergegeven. |
| Rechts (positief) scheef | Lange staart naar rechts — een paar zeer hoge waarden trekken het gemiddelde omhoog. | Mediaan (meer representatief) |
| Linkse (negatieve) scheefheid | Lange staart naar links — een paar zeer lage waarden trekken het gemiddelde naar beneden. | Mediaan (meer representatief) |
| Bimodaal (twee pieken) | Twee afzonderlijke subgroepen in de data. | Rapporteer beide pieken afzonderlijk. |
Kwaliteitsverbetering en klinische audit
| Gereedschap | Doel | BELANGRIJKSTE KENMERKEN |
|---|---|---|
| Klinische audit | De praktijk toetsen aan expliciete normen; lacunes identificeren en dichten. | Vereist een vastgestelde standaard. Maakt gebruik van de PDSA-cyclus. Omvat het sluiten van de cirkel (hercontrole). Niet Onderzoek — geen hypothese, geen nieuwe kennis gegenereerd. |
| Analyse van significante gebeurtenissen (SEA) | Systematische multidisciplinaire evaluatie van één belangrijke gebeurtenis | Zonder schuldtoewijzing. Focus op leren binnen het systeem, niet op individuele fouten. Gedeeld binnen het team. Leerpunten en acties worden gedocumenteerd. |
| Root Cause Analyse (RCA) | Grondig onderzoek naar ernstige incidenten | Gestructureer dan SEA. Maakt gebruik van de "5 Waarom"-techniek. Identificeert bijdragende en onderliggende oorzaken. Vaak toegepast bij 'never events' of ernstige schade. |
| QOF-uitzonderingsrapportage | Passende uitsluiting van patiënten van QOF-indicatoren | Klinisch geschikt voor: maximaal verdraagbare therapie, geïnformeerd bezwaar van de patiënt, extreme kwetsbaarheid of klinische contra-indicatie. |
🔄 Klinische audit versus onderzoek — Belangrijkste verschillen
| Kenmerk | Klinische audit | Onderzoek |
|---|---|---|
| Doel | Verbeter de zorg door te vergelijken met standaarden. | Genereer nieuwe kennis |
| Hypothese | Geen — vergelijking met bestaande standaard | Heeft altijd een hypothese |
| Ethische goedkeuring | Meestal niet vereist | Meestal vereist |
| Toestemming | Meestal niet vereist | Meestal vereist |
| randomisatie | nooit | Kan RCT's omvatten |
| Eindresultaat | Serviceverbetering; actieplan | Nieuw bewijsmateriaal; publicatie |
🔁 PDSA-cyclus
De Plan-Do-Study-Act (PDSA)-cyclus is het raamwerk voor continue verbetering dat wordt gebruikt bij klinische audits en kwaliteitsverbetering.
| Stadium | Wat gebeurt er |
|---|---|
| Plannen | Formuleer de vraag, bepaal de norm en plan de gegevensverzameling. |
| Do | Voer de verandering door of meet de huidige praktijk. |
| Studie | Analyseer de resultaten; vergelijk ze met de standaard; identificeer de hiaten. |
| Handelen | Voer verbeteringen door; plan een nieuwe audit om het proces af te ronden. |
Klinische berekeningen (AKT-formulebank)
Deze formules komen vaak voor in AKT-berekeningsvragen. Leer ze allemaal en ken de klinische grenswaarden die tot actie leiden.
🧮 ABPI-voorbeeld
🎯 Scenario: Mevrouw T, 72 jaar, met pijn in haar benen tijdens het lopen.
🍷 Uitgewerkte voorbeelden van de alcoholeenheid
| Drinken | Inhoud (ml) | ABV% | Berekening | Eenheden |
|---|---|---|---|---|
| Groot wijnglas | 250 ml | 13% | 250 × 13 ÷ 1000 | 3.25 |
| Fles wijn | 750 ml | 12% | 750 × 12 ÷ 1000 | 9.0 |
| Pint lager (sterk) | 568 ml | 5% | 568 × 5 ÷ 1000 | 2.84 |
| Enkele spiritusmaat | 25 ml | 40% | 25 × 40 ÷ 1000 | 1.0 |
Uitgewerkte voorbeelden
🎯 Voorbeeld 1: Alle risicometrieën berekenen aan de hand van een proeftabel
In een gerandomiseerde gecontroleerde studie werden patiënten willekeurig toegewezen aan ofwel geneesmiddel X ofwel een placebo. Na 3 jaar: 80 van de 500 patiënten in de placebogroep kregen een beroerte; 40 van de 500 patiënten in de geneesmiddelgroep kregen een beroerte.
🎯 Voorbeeld 2: Een 2×2-tabel maken en de sensitiviteit en specificiteit berekenen
Een nieuwe test wordt toegepast op 200 patiënten, van wie er 100 de ziekte hebben. De test identificeert 85 van de 100 patiënten met de ziekte correct en identificeert 80 van de 100 patiënten zonder de ziekte correct.
🎯 Voorbeeld 3: Dosisberekening voor kinderen
Een kind heeft 300 mg amoxicilline nodig. De beschikbare suspensie is 250 mg/5 ml. Welk volume moet worden toegediend?
Spiekbriefje met formules en geheugensteuntjes
Risico- en behandelingsformules
Diagnostisch testen
Populatie- en klinische formules
- SnNout: Gevoelige test — Negatieve uitslag sluit ziekte uit (screening)
- SpPin: Specifieke test — Positieve uitslag wijst op ziekte (bevestiging)
- CI overschrijdt 1.0. (verhouding) of 0 (verschil) → niet significant
- Bosperceel ruit kruist lijn → niet significant
- Trechterasymmetrie → publicatiebias (of uitschieter bij huisartsen in de prestatiecontext)
- Middellijn van de boxplot → MEDIAAN (niet het gemiddelde)
- 68-95-99.7 → ±1SD, ±2SD, ±3SD in normale verdeling
- I² >50% → aanzienlijke heterogeniteit
- OF uit case-controlstudies | RR uit cohort | Prevalentie op basis van dwarsdoorsnedeonderzoek
- Audit ≠ Onderzoek (auditmaatregelen versus standaard; onderzoek genereert nieuwe kennis)
- Gevalcontrole → OF (Kansverhouding) — terugkijken naar blootstellingen
- cohorte → RR (Relatief Risico) — vooruitkijkend vanaf de blootstelling
- Transversaal → Prevalentie — Momentopname in de tijd
- RCT / SR → Gouden standaard voor behandelingsvragen
Tips voor trainers en het geven van trainingen
- Stagiairs leren vaak NNT als een formule zonder te begrijpen wat het klinisch gezien betekent. Zorg ervoor dat ze het in een begrijpelijke zin aan een patiënt kunnen uitleggen.
- Het onderscheid tussen sensitiviteit/specificiteit (testeigenschappen) en positief voorspellende waarde (PPV)/negatief voorspellende waarde (NPV) (beïnvloed door prevalentie) wordt slecht begrepen — de analogie met de zwangerschapstest werkt goed.
- Veel cursisten weten wel hoe een bosperceel eruitziet, maar kunnen het niet uitleggen. wat om naar te kijken — focus op de diamant en of deze de lijn van geen effect overschrijdt
- De lead time bias wordt vaak verward met length bias — gebruik diagrammen of tijdlijnen om het onderscheid te illustreren.
- Stagiairs verwarren klinische audits vaak met onderzoek — gebruik hiervoor de voorbeelden van de RCGP zelf uit beoordelingen.
- "Hier is de samenvattende tabel van een geneesmiddelenonderzoek. Kunt u mij de NNT (Number Needed to Treat) vertellen en of u dit medicijn aan deze patiënt zou voorschrijven?"
- "Kijk eens naar dit bosperceel. Is de interventie effectief? Hoeveel vertrouwen heeft u in dat antwoord?"
- "Uw patiënt heeft een positieve FIT-test. De positief voorspellende waarde (PPV) bij een laagrisicopopulatie is ongeveer 3%. Hoe legt u dit aan hem uit?"
- "We zien veel hoge PSA-waarden. Wat is het probleem met het gebruik van PSA als screeningstest?"
- "Een collega wil onze resultaten met betrekking tot sepsis vergelijken met die van het ziekenhuis. Is dat een audit of onderzoek? Is daarvoor een ethische commissie nodig?"
- "Hoe zou je een kans van 1 op 50 op een bijwerking uitleggen aan een patiënt die vraagt: 'Is het wel veilig?'"
- Hoe legt u risico's momenteel aan patiënten uit? Gebruikt u absolute of relatieve cijfers?
- Kunt u zich een recente klinische richtlijn herinneren waarin een significant NNT-cijfer werd genoemd? Zo ja, wat was dat cijfer en hoe heeft het uw praktijk beïnvloed?
- Heeft u wel eens een test besteld zonder de gevoeligheid/specificiteit ervan te weten? Hoe heeft u de uitslag toen geïnterpreteerd?
- Waarom zou een farmaceutisch bedrijf ervoor kiezen om de resultaten van hun onderzoek weer te geven als RRR in plaats van ARR?
🔥 AKT-tips met hoog rendement
Dit zijn de patronen die steeds terugkomen in AKT-examens. Onthoud deze en je haalt punten.
Zet percentages altijd eerst om naar decimalen. ARR = 5% → NNT = 1 ÷ 0.05 = 20. Altijd afronden up afgerond op het dichtstbijzijnde hele getal. Een lagere NNT betekent een effectievere behandeling.
Voor ratio's (RR, OR, HR): CI-kruisingen 1.0 = niet significant. Voor verschillen: CI-kruisingen 0 = niet significant. Dit komt in bijna elke vraag over forest plots aan de orde.
Zeldzame ziekte → case-control → OF. Nieuwe blootstelling in de toekomst → cohorte → RR. Momentopname van de prevalentie → dwarsdoorsnedeaanzichtHet beste bewijs voor behandeling → RCT or SR/meta-analyse.
Screeningstest → hoge gevoeligheid gewenst (geen gevallen missen → SnNout). Bevestigende test → hoge specificiteit gewenst (geen valse positieven gewenst → SpPin).
Zelfs een zeer specifieke test (99%) heeft een lage positief voorspellende waarde (PPV) in een omgeving met een lage prevalentie. De meeste positieve resultaten bij bevolkingsonderzoek zijn vals-positief. Daarom screenen we niet iedereen op alles.
Indien de diamant Als de gecombineerde schatting de verticale lijn van geen effect kruist, is het algehele resultaat NIET statistisch significant. Als I² > 50% → aanzienlijke heterogeniteit → is het gecombineerde resultaat minder betrouwbaar.
Een gat linksonder in een trechterdiagram duidt op publicatiebias — kleine negatieve studies zijn niet gepubliceerd. Dit vergroot het ogenschijnlijke effect van een behandeling in de meta-analyse.
De lijn binnen de doos is de mediaanHet kader = IQR (middelste 50%). Stippen of cirkels buiten de snorharen = uitschieters.
Farmaceutische bedrijven citeren graag RRR-cijfers omdat ze dat indrukwekkender laten klinken. Een RRR van 50% klinkt fantastisch, totdat je weet dat het basisrisico slechts 2% was (→ ARR = 1%, NNT = 100). Stel altijd de vraag: wat was het basisrisico?
Scheve verdelingen (inkomen, ziekenhuisverblijf, serumbilirubine) → gebruik mediaan Niet het gemiddelde. Het gemiddelde wordt beïnvloed door uitschieters; de mediaan niet.
Audit: maatregelen tegen een bestaand standaard; geen ethiek nodig; geen hypothese. Onderzoek: genereert nieuwe kennis; vereist ethische goedkeuring; heeft een hypothese. Een belangrijk onderscheid dat de AKT herhaaldelijk test.
De ITT-analyse omvat alle gerandomiseerde deelnemers, ongeacht hun therapietrouw. Dit geeft een conservatief Een inschatting van de effectiviteit is realistischer voor de klinische praktijk. Een per-protocolanalyse overschat het effect.
ABPI < 0.9 = perifere arteriële ziekte. ABPI > 1.3 = niet-samendrukbare (verkalkte) vaten — onbetrouwbaar resultaat. Compressieverband is gecontra-indiceerd bij een ABPI < 0.8 (raadpleeg uw compressierichtlijnen).
Tel de gunstige gezichtjes (meestal geel of groen). NNT = 100 ÷ (aantal gunstige gezichtjes). 5 gele gezichtjes → NNT = 20.
Veelgemaakte fouten en valkuilen voor stagiairs
Dit zijn de fouten die steeds weer terugkomen in de beoordelingsschema's van AKT. Elk van deze fouten betekent dat echte kandidaten punten verliezen.
- Vergeten om percentages naar decimalen om te zetten voordat de NNT wordt berekend (bijv. ARR = 5% → moet 0.05 gebruiken in plaats van 5 om NNT = 20 te krijgen in plaats van 0.2).
- Afronding NNT beneden dan up (NNT = 12.5 → antwoord is 13, niet 12)
- Het verwarren van RRR met ARR en het aanhalen van het indrukwekkender klinkende relatieve cijfer als het klinische voordeel.
- Het is niet altijd correct om een resultaat "significant" te noemen wanneer het betrouwbaarheidsinterval net de waarde 1.0 raakt. niet inbegrepen 1.0 om significant te zijn
- De bewering dat de middelste lijn van een boxplot het gemiddelde is, is altijd de mediaan
- Het verwarren van sensitiviteit met PPV — sensitiviteit is een vaste eigenschap van de test; PPV hangt af van de prevalentie.
- De verwachting dat een zeer specifieke test in een populatie met een lage prevalentie een betrouwbaar positief resultaat zal opleveren, is onjuist (lage positief voorspellende waarde).
- Een OR verwarren met een RR — OR's kunnen niet rechtstreeks als RR's worden gebruikt, behalve wanneer de ziekte zeldzaam is.
- Als je zegt dat een case-controlstudie een relatief risico (RR) oplevert, dan levert dat in feite een odds ratio (OR) op, omdat je begint met gevallen en controles, niet met een blootgestelde cohort.
- Het verwarren van klinische audits met onderzoek – beweren dat een audit ethische goedkeuring vereist
- De verkeerde interpretatie van lead time bias, namelijk dat een screeningprogramma de overlevingskansen daadwerkelijk verbetert, is onjuist.
- Het feit dat I² >50% in een bosperceel wordt vergeten, roept vragen op over de validiteit van het gecombineerde resultaat.
- Het gemiddelde gebruiken om scheve gegevens te beschrijven (bijv. inkomen, duur van het ziekenhuisverblijf) — gebruik de mediaan
🏁 Belangrijkste conclusies
- NNT = 1 ÷ ARR. Zet percentages altijd om naar decimalen. Rond altijd naar boven af. Een lagere NNT betekent een betere behandeling.
- ARR is klinisch eerlijk. RRR klinkt indrukwekkend, maar kan misleidend zijn. Combineer RRR altijd met het basisrisico.
- Gevoeligheid en specificiteit zijn vaste eigenschappen van een test. De positief voorspellende waarde (PPV) en de negatief voorspellende waarde (NPV) veranderen met de prevalentie van de ziekte.
- SnNout: gevoelige tests sluiten OUT uit bij een negatief resultaat. SpPin: specifieke tests bevestigen INDIEN ...
- Als de ruit in de bosplot de lijn van geen effect kruist, is het resultaat niet statistisch significant. I² > 50% → zorgen over heterogeniteit.
- Asymmetrie in de trechtergrafiek → publicatiebias. Punten buiten de trechtergrenzen in prestatiemonitoring → afwijkende praktijken.
- Een betrouwbaarheidsinterval voor een verhouding die 1.0 omvat, is niet significant. Een betrouwbaarheidsinterval voor een verschil dat 0 omvat, is niet significant.
- Case-control → OR. Cohort → RR. Cross-sectioneel → prevalentie. RCT/SR → gouden standaard voor behandeling.
- Scheve data → gebruik de mediaan, niet het gemiddelde. De middelste lijn van een boxplot is de mediaan. Punten buiten de snorharen zijn uitschieters.
- Klinische audits meten aan de hand van standaarden — geen ethiek nodig, geen hypothese. Onderzoek genereert nieuwe kennis — ethiek vereist.
De statistiekvragen in de AKT behoren tot de meest betrouwbare onderdelen van het examen om te leren. Een paar uur besteden aan deze pagina en een handvol oefenvragen zal zich ruimschoots terugbetalen.