236 Nederlanse samenvatting In Hoofdstuk 8 is gebruikgemaakt van Latent Class Analysis (LCA) om een grote, heterogene groep patiënten met een SAB in te delen in kleinere groepen patiënten, die meer op elkaar lijken. Het is mogelijk dat een aantal van deze subgroepen baat hebben bij een behandeling, terwijl andere subgroepen juist schade oplopen bij dezelfde behandeling. Als dan het effect van de behandeling wordt onderzocht, is er netto geen effect. Eerdere studies hebben al laten zien dat dit voor sommige aandoeningen het geval is. Het identificeren van subgroepen kan onze kennis over een ziektebeeld vergroten. Als er voldoende aanwijzingen zijn voor het bestaan van de subgroepen, kunnen klinische studies in de toekomst toegespitst worden op bepaalde subgroepen, waarvan verwacht wordt dat ze het meeste baat hebben bij de behandeling. Door het verwijderen van de ‘ruis’ van andere subgroepen, is het beter mogelijk een oorzaak-gevolg relatie vast te stellen tussen de behandeling en het effect binnen de populatie van de subgroep. In deze studie werden 5 verschillende subgroepen geïdentificeerd. Patiënten in subgroep A waren gemiddeld ouder, hadden meer comorbiditeiten en de bron van SAB was vaker een huidinfectie. Subgroep bestond uit patiënten die vaker SAB hadden opgelopen in het ziekenhuis met een intraveneuze lijn als oorzaak, jonger waren en minder comorbiditeiten hadden. Patiënten uit groep C liepen SAB vaker op buiten het ziekenhuis en hadden meer ontsteking in het bloed. In groep D hadden patiënten vaker een chronische nierziekte. In groep E zaten vaker patiënten die jonger waren en intraveneus drugs gebruikten. De mortaliteit na 12 weken was het hoogste in subgroep A en het laagste in subgroep B en E. Daarnaast werden er verschillen gevonden in uitkomsten tussen patiënten gerandomiseerd voor de verschillende behandelingen. Deze studie heeft laten zien dat de klinische heterogeniteit van patiënten met SAB kan worden gerationaliseerd, waarbij patiënten kunnen worden onderverdeeld in klinisch relevante subgroepen, die verschillende uitkomsten hebben en mogelijk anders reageren op behandeling. Het gebruiken van subgroepen in klinische trials zou informatie kunnen opleveren over subgroep specifieke behandeleffecten, waarmee mensen een meer gepersonaliseerde behandeling krijgen en uitkomsten kunnen worden verbeterd. Er zijn veel manieren waarop het efficiënt gebruiken van beschikbare bronnen en gegevens de kwaliteit van toekomstig onderzoek kan verbeteren. In het derde deel van dit proefschrift zijn daarvan enkele voorbeelden gegeven. Het blijven ontwikkelen en toepassen van deze methode kan bijdragen aan het begrip van ziektebeelden en gepersonaliseerde behandeling van patiënten. Conclusie De laatste decennia is er een toename geweest in het gebruik van verschillende databronnen voor onderzoek binnen de (virale) infectieziekten. De toename in data die gemakkelijk beschikbaar zijn en gedetailleerde gegevens bevatten van grote groepen mensen, zorgt voor een toename van onze kennis over (virale) infectieziekten. Nieuwe pandemieën zijn onvermijdelijk, en een belangrijke uitdaging rondom nieuwe uitbraken is het coördineren van onderzoeksinspanningen en het optimaal benutten van de beschikbare middelen. Daarnaast is efficiënt delen van data en het opbouwen van onderzoeksnetwerken essentieel voor een goede samenwerking. Het bundelen
RkJQdWJsaXNoZXIy MTk4NDMw