Publicatie
Publicatie datum
Methodological issues of clinical prediction models for shoulder pain in general practice.
Vergouw, D. Methodological issues of clinical prediction models for shoulder pain in general practice. Amsterdam: Vrije Universiteit, 2013. 177 p. Proefschrift Vrije Universiteit Amsterdam
In de eerstelijnsgeneeskunde en de huisartsgeneeskunde in het bijzonder, worden clinici vaak geconfronteerd met patiënten met bewegingsapparaat gerelateerde klachten. De behandeling van deze klachten blijkt echter vaak lastig, klachten houden lang aan of zijn wederkerig en duidelijke diagnostische criteria ontbreken. Om
clinici te helpen bij de inschatting van de ernst van de klachten heeft de wetenschap zich de laatste tijd gericht op predictie onderzoek.
Hierin wordt getracht om factoren te identificeren welke een ongunstige uitkomst of beloop van de aanwezige klachten kunnen voorspellen. Deze factoren kunnen vervolgens gecombineerd worden tot een rekenregel ofwel een predictie model. Echter, het vinden van een eenvoudig predictie model dat voor alle patiënten consistente voorspellingen geeft blijkt erg lastig. Enkele methodologische kwesties zoals missnede waarden en model stabiliteit bemoeilijken het vinden van een dergelijk model.
Met het in dit proefschrift beschreven onderzoek proberen we inzicht in deze verstorende factoren te krijgen en proberen we uit te zoeken hoe we hun invloed kunnen minimaliseren. Hiertoe zullen verschillende analyse methoden in verschillende bewegingsapparaat gerelateerde data sets toegepast worden om zo meer kennis te vergaren over de optimale methode om tot een valide predictie model te komen.
clinici te helpen bij de inschatting van de ernst van de klachten heeft de wetenschap zich de laatste tijd gericht op predictie onderzoek.
Hierin wordt getracht om factoren te identificeren welke een ongunstige uitkomst of beloop van de aanwezige klachten kunnen voorspellen. Deze factoren kunnen vervolgens gecombineerd worden tot een rekenregel ofwel een predictie model. Echter, het vinden van een eenvoudig predictie model dat voor alle patiënten consistente voorspellingen geeft blijkt erg lastig. Enkele methodologische kwesties zoals missnede waarden en model stabiliteit bemoeilijken het vinden van een dergelijk model.
Met het in dit proefschrift beschreven onderzoek proberen we inzicht in deze verstorende factoren te krijgen en proberen we uit te zoeken hoe we hun invloed kunnen minimaliseren. Hiertoe zullen verschillende analyse methoden in verschillende bewegingsapparaat gerelateerde data sets toegepast worden om zo meer kennis te vergaren over de optimale methode om tot een valide predictie model te komen.
In primary care and general practice especially, musculoskeletal complaints are frequently occurring and pose a major burden on health care and society. Managing musculoskeletal disorders in primary care poses difficulties since identifying the exact cause of musculoskeletal complaints in individual patients proves to be problematic.
Because of the lack of good diagnostic criteria, research has therefore focussed on exploring the determinants of an unfavourable course of musculoskeletal complaints, rather than trying to find a precise cause. Combining such determinants in a clinical prediction model facilitates a quantitative estimate of the likely future outcome which may subsequently be used by physicians or informing and advising patients. However, finding a parsimonious set of determinants, i.e., predictors, to form a simple yet good model that can consistently be applied in a broad patient population proves to be difficult. Some methodological issues such as missing data, or model stability might hinder the development of a prediction model and therefore remain to be resolved.
The principle aim of this thesis was to address several methodological issues of clinical prediction models by applying various modelling techniques in several musculoskeletal datasets in order to contribute to the identification of optimal methods for the development and validation of prediction models.
Because of the lack of good diagnostic criteria, research has therefore focussed on exploring the determinants of an unfavourable course of musculoskeletal complaints, rather than trying to find a precise cause. Combining such determinants in a clinical prediction model facilitates a quantitative estimate of the likely future outcome which may subsequently be used by physicians or informing and advising patients. However, finding a parsimonious set of determinants, i.e., predictors, to form a simple yet good model that can consistently be applied in a broad patient population proves to be difficult. Some methodological issues such as missing data, or model stability might hinder the development of a prediction model and therefore remain to be resolved.
The principle aim of this thesis was to address several methodological issues of clinical prediction models by applying various modelling techniques in several musculoskeletal datasets in order to contribute to the identification of optimal methods for the development and validation of prediction models.