Onderzoek naar de Nederlanders die ziekenhuizen volgen via social media. Aantallen & Profielen volgers via social media. Newcom Research & Consultancy.
Improving epidemiological research: avoiding the statistical paradoxes and fa...Maarten van Smeden
Keynote at Norwegian Epidemiological Association conference, October 26 2022. Discussing absence of evidence fallacy, Table 2 fallacy, Winner's curse and Stein's paradox.
Onderzoek naar de Nederlanders die ziekenhuizen volgen via social media. Aantallen & Profielen volgers via social media. Newcom Research & Consultancy.
Improving epidemiological research: avoiding the statistical paradoxes and fa...Maarten van Smeden
Keynote at Norwegian Epidemiological Association conference, October 26 2022. Discussing absence of evidence fallacy, Table 2 fallacy, Winner's curse and Stein's paradox.
Development and evaluation of prediction models: pitfalls and solutionsMaarten van Smeden
Slides for the statistics in practice session for the Biometrisches Kolloqium (organized by the Deutsche Region der Internationalen Biometrischen Gesellschaft), 18 March 2021
The absence of a gold standard: a measurement error problemMaarten van Smeden
Talk about gold standard problems and solutions in medicine and epidemiology. Invited by the department of infectious disease epidemiology, University Medical Center Utrecht
Development and evaluation of prediction models: pitfalls and solutionsMaarten van Smeden
Slides for the statistics in practice session for the Biometrisches Kolloqium (organized by the Deutsche Region der Internationalen Biometrischen Gesellschaft), 18 March 2021
The absence of a gold standard: a measurement error problemMaarten van Smeden
Talk about gold standard problems and solutions in medicine and epidemiology. Invited by the department of infectious disease epidemiology, University Medical Center Utrecht
3. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Schoenfeld & Ioannidis, Am J Clin Nutr 2013, DOI: 10.3945/ajcn.112.047142
“We selected 50 common ingredients from random
recipes of a cookbook”
8. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Cartoon of Jim Borgman, first published by the Cincinnati Inquirer and King Features Syndicate April 27 1997
In times of COVID
15. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
To explain or to predict
• Explanatory models
• Theory: interest in regression coefficients, effect of treatment
• Testing and comparing existing causal theories
• e.g. aetiology of illness
• Predictive models
• Interest in (risk) predictions of future observations
• No concern about causality
• Concerns about overfitting and optimism
• e.g. prognosis or diagnosis model
• Descriptive models
• Capture the data structure
16. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
To explain or to predict
• Explanatory models
• Theory: interest in regression coefficients, effect of treatment
• Testing and comparing existing causal theories
• e.g. aetiology of illness
• Predictive models
• Interest in (risk) predictions of future observations
• No concern about causality
• Concerns about overfitting and optimism
• e.g. prognosis or diagnosis model
• Descriptive models
• Capture the data structure
22. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
To explain or to predict
• Explanatory models
• Theory: interest in regression coefficients, benefit and harm
• Testing and comparing existing causal theories
• e.g. aetiology of illness, effect of treatment
• Predictive models
• Interest in (risk) predictions of future observations
• No concern about causality
• Concerns about overfitting and optimism
• e.g. prognosis or diagnosis model
• Descriptive models
• Capture the data structure
24. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Voorspellen in de zorg
• Kans op hart- en vaatziekten: behandelen?
• Kans op een longembolie: doorverwijzen?
• ….
29. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Voorspellen
Doel: maken van accurate voorspellingen
… van een toekomstige gezondheidsuitkomst of aanwezigheid aandoening
… voor een individuele patiënt
… meestal gebaseerd op >1 voorspellers
• medische beslissingen verbeteren/versnellen/goedkoper maken
• counseling
30. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
To explain or to predict
• Explanatory models
”What will happen if….”
• Predictive models
“What will happen ….”
• Descriptive models
“What happened?”
31. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Simpel? Laten we het proberen!
"Unfortunately, obesity in people <60 years is a newly identified epidemiologic
risk factor which may contribute to increased morbidity rates..."
Explanatory? Predictive? Descriptive?
40. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Voorspellen van…
• Diagnose van coronavirus aandoening/pneumonie in patiënten verdacht
van of met bewezen Sars-cov-2 infectie
• Prognose van patiënten verdacht van of met bewezen Sars-cov-2 infectie
(bijv. IC opname, overlijden, mechanische ventilatie)
• Detecteren van mensen in de algemene populatie met een hoog risico
om geïnfecteerd te raken of te worden opgenomen
42. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Vinden van nieuwe voorspellers (zoals markers/testen)
Aantal neemt per dag toe!
Verschillen in:
• Voorspelkracht
• Invasiviteit
• Meetkosten
• Beschikbaarheid
• Meetsnelheid
• …
43. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Praktijk
• Diagnose/prognose vrijwel nooit op basis van 1 bron
combineren van symptomen, markers, testuitslagen: (impliciete) kansvoorspellingen
• Markers/testen (kunnen) onderdeel zijn van de voorspelling
• Essentiele kennis voor zorgprofessional
• Is deze marker/test te vertrouwen?
• Wat is de toegevoegde waarde van deze marker/test?
44. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Nieuwe markers/tests
• Niet gereguleerd zoals geneesmiddelen
• CE keurmerk: veiligheid/technische kant
NIET:
Diagnostische/prognostische waarden en/of
toegevoegde waarde
= onze taak!
45. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Toegevoegde waarde: voorspelmodellen
• Univariabel: Verschillen de marker/test waarden tussen patiënten met en
zonder de te voorspellen aandoening?
• Relevantie?
• Door marker/test toe te voegen aan een voorspelmodel met eenvoudigere
metingen (leeftijd, geslacht ,…): worden de voorspellingen beter?
• Relevantie?
46. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Hoe?
Bzdok, Trends in Neuroscience, 2019, doi: 10.1016/j.tins.2019.02.001 2
56. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Landschap van voorspelmodellen
>110 models for prostate cancer (Shariat 2008)
>100 models for Traumatic Brain Injury (Perel 2006)
83 models for stroke (Counsell 2001)
54 models for breast cancer (Altman 2009)
43 models for type 2 diabetes (Collins 2011; Dieren 2012)
31 models for osteoporotic fracture (Steurer 2011)
29 models in reproductive medicine (Leushuis 2009)
26 models for hospital readmission (Kansagara 2011)
>25 models for length of stay in cardiac surgery (Ettema 2010)
>350 models for CVD outcomes (Damen 2016)
Weinig modellen extern gevalideerd!
62. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Reporting guidelines!
https://www.equator-network.org/reporting-guidelines/
63. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Reporting and risk of bias tool
https://www.tripod-statement.org/, http://www.probast.org/
65. M.vanSmeden@umcutrecht.nl | Twitter: @MaartenvSmedenVoorspellen en COVID-19
Simpel? Laten we het proberen!
"Unfortunately, obesity in people <60 years is a newly identified epidemiologic
risk factor which may contribute to increased morbidity rates..."
Explanatory? Predictive? Descriptive?