Development of an automated tool to predict the probability of being frail in elderly patients based on routine healthcare data in secondary care

Bij kwetsbaarheid (frailty) is er sprake van een verhoogd risico op (o.a. fysieke) achteruitgang. De prevalentie van kwetsbaarheid bij patiënten (≥65 jaar) in de tweedelijnszorg is ongeveer 14%. Kwetsbaarheid wordt in verband gebracht met verschillende ongunstige gezondheidsuitkomsten en hogere zorgkosten, met de slechtste uitkomsten bij die patiënten met de grootste kwetsbaarheid. Er is geen gouden standaard voor het screenen op kwetsbaarheid voor gebruik in de klinische praktijk. In samenwerking met het Jeroen Bosch Ziekenhuis wordt onderzoek gedaan naar het ontwikkelen van algoritmes om de kans op kwetsbaarheid bij oudere patiënten in te schatten. 

Het doel van dit onderzoek is het ontwikkelen en testen van geautomatiseerde algoritmes voor het voorspellen van de kans op kwetsbaarheid bij oudere patiënten, op basis van routinezorggegevens uit het patiëntendossier in de tweedelijnszorg. De algoritmes worden ontwikkeld in meerdere cohorten die geïdentificeerd worden met behulp van het softwareprogramma CTcue. Dit programma wordt ook gebruikt om de variabelen te extraheren die als (on)afhankelijke variabelen in de algoritmes worden gebruikt. Om de algoritmes te ontwikkelen, zullen verschillende supervised en unsupervised machine learning technieken worden gebruikt (bijv. regressie, random forest, classificatie en clustering). De belangrijkste uitkomsten van dit onderzoek zijn de best werkende algoritmes voor het geautomatiseerd inschatten van de kans op kwetsbaarheid in de populatie van oudere patiënten in het Jeroen Bosch Ziekenhuis.