Geautomatiseerde gegevensuitwisseling vanuit elektronische patiëntendossiers naar de Nederlandse Kankerregistratie is betrouwbaar, blijkt uit een validatiestudie van het R(H)ONDA-project. Diagnose- en behandelgegevens van kankerpatiënten werden binnen deze nieuwe infrastructuur correct en snel opgehaald uit elektronische patiëntendossiers via de Datagateway van Performation. Dr. Ward Posthuma (internist-hematoloog, Reinier de Graaf Gasthuis, Delft), Sylvie Langhout (medisch informaticus en dataconsultant bij Performation), en dr. Jurjen Versluis (internist-hematoloog, Erasmus MC, Rotterdam) vertellen over de voordelen en de mogelijke toepassingen hiervan.
Het doel van R(H)ONDA, wat staat voor Real-time (Hemato-)Oncology Data, is om data geautomatiseerd in te lezen in de Nederlandse Kankerregistratie (NKR). Met dit project wil het Integraal Kankercentrum Nederland (IKNL) sneller terugkoppeling kunnen geven van gegevens uit de dagelijkse praktijk. Vooral bij de inzet van nieuwe geneesmiddelen is daar grote behoefte aan. “R(H)ONDA kan die data tot de dag van gisteren ophalen uit elektronische patiëntendossiers (EPD’s)”, zegt Ward Posthuma. “R(H)ONDA maakt niet alleen mogelijk dat uitgebreidere informatie wordt verzameld, maar ook dat het automatisch en sneller gebeurt.”
Datagateway
IKNL sloeg voor dit project de handen ineen met het bedrijf Performation, dat van oudsher zaken als capaciteitsmanagement, zorgregistratie en de financiële afwikkeling richting de zorgverzekeraars regelt voor ruim dertig ziekenhuizen in Nederland. “De Datagateway is een datamodel boven op de verschillende EPD’s die er in Nederland zijn, waardoor je met eenzelfde stukje code op dezelfde manier naar de verschillende EPD’s kunt kijken. Zo kunnen we een code ontwikkelen waarmee we voor alle ziekenhuizen op één manier de data kunnen doorsturen naar de NKR”, legt Sylvie Langhout uit.
Validatie
De volgende stap was om te valideren of de gegevens die door de Datagateway zijn opgehaald ook betrouwbaar zijn. In wekelijkse sessies gingen artsen, datamanagers en informatici samen stuk voor stuk de items na om te kijken of ze kloppen met wat in het EPD staat. “We bekeken bijvoorbeeld of de diagnose klopt, of de patiënten inderdaad een bepaalde behandeling hebben gehad, of de laboratoriumuitslagen kloppen, enzovoorts. De artsen konden dan bijvoorbeeld ook vertellen dat lenalidomide de ene keer als nieuwe lijn werd gegeven en de andere keer als onderhoudstherapie. Dat kon ik dan weer aan de codes toevoegen”, vertelt Langhout.
Posthuma: “Het bleek allemaal heel goed te kloppen, in 95-100% van de gevallen. Soms gaat het zelfs beter dan op de klassieke manier. Bijvoorbeeld de WHO-performancescore wordt door behandelaars niet altijd goed vastgelegd, of het wordt niet gevonden door de datamanagers van IKNL. Met de automatische manier komen we tot 80-90%.”
Het ophalen van gegevens uit vrije tekst is ook goed mogelijk, maar is meer werk dan het ophalen van ‘harde’ data zoals laboratoriumuitslagen, vertelt Langhout. Dat kwam onder andere tot uiting bij de toxiciteit; die klopte in 72-100% van de gevallen. “Dat hangt af van het type toxiciteit. Acute nierinsufficiëntie is bijvoorbeeld gebaseerd op bepaalde laboratoriumuitslagen en klopte eigenlijk altijd. Andere toxiciteit, zoals een bloeding, probeerden we te achterhalen uit de reden voor ziekenhuisopname of uit het gebruik van bepaalde woorden in de verslaglegging die de indicatie geven dat er een bloeding is. Dat was lastiger.”
Aanpasbaar naar behoefte
Het systeem is inmiddels bij twintig aangesloten ziekenhuizen geïmplementeerd. De Datagateway haalt realtime en geautomatiseerd alle gegevens op die nodig zijn voor de NKR, zoals nieuwe diagnoses, behandeling en beeldvorming. Deze worden via een beveiligde verbinding verstuurd naar de NKR. “Maar we kijken ook of het nuttig is om andere items toe te voegen”, zegt Langhout. Het systeem is flexibel, waardoor ontbrekende items eenvoudig kunnen worden opgezocht. Posthuma: “We kunnen het aanpassen naar behoefte. Als bijvoorbeeld een bepaalde laboratoriumwaarde nodig is om te zien wat een geneesmiddel doet, dan kunnen die gegevens met een paar drukken op de knop opgehaald worden, in plaats van dat datamanagers weer terug moeten naar het EPD.”
Als voorbeeld noemt hij de ziekte AL-amyloïdose, een ziekte waarbij een eiwit neerslaat op organen als het hart en de nieren. Dit eiwit wordt geproduceerd door CD38-positieve plasmacellen, en speelt ook een rol bij multipel myeloom. De ANDROMEDA-studie heeft laten zien dat het anti-CD38-antilichaam daratumumab de prognose van patiënten met AL-amyloïdose kan verbeteren.1 Uit de Datagateway konden niet alleen de laboratoriumwaarden van dit eiwit gehaald worden, maar ook gegevens over de inzet van daratumumab bij deze ziekte. “In de klassieke NKR konden we zien dat de inzet sinds de publicatie in 2021 toeneemt. Met de Datagateway konden we laten zien dat de inzet (in een beperkt aantal gecontroleerde ziekenhuizen) inmiddels 100% is. Ook konden we vragen naar laboratoriumwaarden als creatinine en NT-proBNP die eerder niet standaard in de NKR worden opgenomen, en zien wat de nieuwe therapie doet op de nier- en hartfunctie.”
Live voor alle tumorsoorten
Het project startte destijds binnen de hematologie, maar is uitgebreid met andere kankersoorten, zoals borstkanker. “We zijn nu bijvoorbeeld aan het kijken of de resultaten van de SONIA-trial bij borstkanker kunnen worden bevestigd met real-worlddata”, zegt Posthuma. Langhout vult aan: “De automatische datastroom is al live voor alle tumorsoorten. Elke nacht worden data vanuit de EPD’s verzameld en versleuteld doorgestuurd. Voor de diagnoses is daar wel een vertraging van een maand op gezet, omdat vaak nog een pathologische bevestiging van de diagnose moet komen.”2
Vergelijkingscohort voor studies
De actuele gegevens die worden verzameld vormen een schat aan informatie, niet alleen voor retrospectief, maar ook voor prospectief onderzoek. Jurjen Versluis, die ook betrokken was bij de validatie, denkt dat data van patiënten die niet in studies zijn behandeld mogelijk te gebruiken zijn als referentie voor gerandomiseerde studies. “Het doen van studies wordt in het hematologieveld steeds moeilijker, met steeds meer subgroepen. Kun je uit de real-worldpopulatie een groep identificeren die zich net zo gedraagt als de patiënten in een studie? De grote meerderheid van de patiënten wordt niet in studieverband behandeld en die zijn net zo waardevol. Met gedetailleerdere informatie dan de NKR nu verzamelt zou je misschien cohorten kunnen vinden die je kunt gebruiken als vergelijking, of misschien zelfs wel als controlearm in een studie.”
Veel tijd is al geïnvesteerd in het herkennen van in- en exclusiecriteria, zoals bijvoorbeeld comorbiditeit. “Het lijkt wel te lukken om een cohort te definiëren dat zo goed mogelijk lijkt op een studiecohort. Daarbij is de kracht van R(H)ONDA dat je ook naar bijwerkingen kunt kijken. Nu gaan we testen of we zo’n groep patiënten kunnen gebruiken als vergelijking met een klinische studie. In de toekomst zou je een kleine controlearm in een klinische studie kunnen aanvullen met data van patiënten uit zo’n verzameld cohort, maar dat moet eerst prospectief getest worden. Op die manier zouden studies sneller uitgevoerd kunnen worden.”
Referenties
1. Kastritis E, et al. N Engl J Med 2021;385:46-58.
2. Langhout SA, et al. iScience 2025;28:113056.
Dr. Astrid Danen, wetenschapsjournalist
Oncologie Up-to-date 2025 vol 16 nummer 6
DEEL DIT ARTIKEL:
