Palliatieve zorg bij hartfalen NYHA-klasse III en IV

Initiatief: IKNL - PAZORI Aantal modules: 13

Palliatieve zorg bij hartfalen NYHA-klasse III en IV - Levensverwachting

Uitgangsvraag

Met behulp van welke prognostische modellen kan de levensverwachting van patiënten met hartfalen NYHA klasse III-IV het beste worden ingeschat?

Methodiek: Evidence based (GRADE)

Aanbeveling

Er zijn voor de dagelijkse praktijk geen geschikte modellen om de levensverwachting bij hartfalenpatiënten NYHA klasse III-IV in te schatten.

Herken de patiënt met slechte levensverwachting zonder prognostische modellen op basis van volgende kenmerken:

  • frequente heropnames voor hartfalen met exacerbaties
  • persisterende symptomen ondanks optimale behandeling
  • significant gewichtsverlies
  • afhankelijkheid bij activiteiten van het dagelijks leven (ADL)
  • ernstige comorbiditeit
  • negatief antwoord op de surprise question: Zou het mij verbazen als deze patiënt binnen 12 maanden overlijdt?
  • geen mogelijkheden voor harttransplantatie of LVAD of de patiënt wijst dit af.

Overwegingen

Uit het huidige literatuuronderzoek zijn tien modellen naar voren gekomen om de overleving van patiënten met hartfalen NYHA-klasse III-IV te voorspellen. Geen van deze modellen blijkt geschikt om de prognose goed te voorspellen. Het Seattle Heart Failure Model, SHOCKED Predictors, de ADHF/NT-proBNP score, de MAGGIC-score, de ELAN-HF score en de BCN Bio-HF calculator hebben vanwege een C-statistic onder de 0.8 een te matig discriminerend vermogen.
Daarnaast zijn deze modellen gebaseerd op specifieke onderzoekspopulaties, vaak niet doorontwikkeld en niet voldoende gevalideerd waardoor ze moeilijk te generaliseren zijn naar de gemiddelde hartfalenpatiënt (vaak kwetsbare ouderen) die in de dagelijkse praktijk gezien wordt. Ook blijken bij veel van deze modellen variabelen ingevuld te moeten worden die in de dagelijkse praktijk niet altijd bekend zijn, zeker niet in de eerste lijn.

Inschatten van de 3-maandsoverleving
In de dagelijkse praktijk is ook duidelijk behoefte aan een handvat om de 3-maandsoverleving goed in te kunnen schatten zodat tijdig door een arts een terminaliteitsverklaring afgegeven kan worden om palliatief terminale zorg in te kunnen gaan zetten. Een indicatie of verwijzing voor palliatief terminale zorg is mogelijk als de levensverwachting minder dan drie maanden is. Deze zorg kan thuis, in een hospice (bijna-thuis-huis of highcare hospice) zorghotel, verpleeghuis of andere zorginstelling geboden worden.

De aangepaste ADHF/NT-proBNP score die berekend wordt met de variabelen chronisch obstructief longlijden, systolische bloeddruk, de geschatte glomerulaire filtratiesnelheid (eGFR), serum natrium, hemoglobine, NT-proBNP, ejectiefractie, matige tot ernstige tricuspidalis regurgitatie, leeftijd en ziekenhuisopname in de afgelopen 6 maanden is op basis van literatuuronderzoek een geschikt hulpmiddel om de 3 maandsoverleving mee in te schatten. Helaas is deze voor de dagelijkse praktijk in Nederland niet toepasbaar vanwege het ontbreken van een Nederlandse vertaling en het ontbreken van een eenvoudige manier om hem te kunnen berekenen.

Er zijn dus voor de dagelijkse praktijk geen geschikte modellen om de levensverwachting bij hartfalenpatiënten NYHA klasse III-IV in te schatten. Voor het inschatten van de levensverwachting zonder prognostische modellen wordt verwezen naar de module 'Hoe wordt de zorg afgestemd op het stadium van de palliatieve zorg?'

Onderbouwing

Het inschatten van de levensverwachting van patiënten met hartfalen NYHA klasse III-IV en daarmee tijdig markeren van de laatste levensfase is in de dagelijkse praktijk een belangrijk knelpunt. Door het vaak grillige beloop en de comorbiditeit is de levensverwachting moeilijk in te schatten en wordt in de praktijk te vaak te laat palliatieve zorg opgestart. De werkgroep heeft zich daarom als doel gesteld te onderzoeken of er modellen zijn waarmee een goede inschatting van de resterende levensverwachting gemaakt kan worden.
Daarnaast is het van groot belang een goede inschatting te kunnen maken op welk moment de levensverwachting minder dan 3 maanden bedraagt zodat dan ook op goede gronden een terminaliteitsverklaring afgegeven kan worden en passende zorg in de laatste levensfase geïnitieerd kan worden.

Bij het literatuuronderzoek werden tien gevalideerde modellen gevonden die een inschatting geven van de levensverwachting van patiënten met hartfalen.
[Alba 2013 (1), Pocock 2013 (6), Uszko-Lencer 2017 (4), Salah 2014 (5), Bjurman 215 (8), Lupón 2014 (11)]

De volgende modellen werden getest in meerdere en/of grote cohorten en hebben onvoldoende discriminerend vermogen (c-statistic of area under the curve van minder dan 0.80): Seattle Heart Failure Model, SHOCKED Predictors, de ADHF/NT-proBNP score, de MAGGIC-score, de ELAN-HF score, de BCN Bio-HF calculator, de BARDICHE index, het model van Frankenstein en de PACE risicoscore. Voor de risicoscore volgens Bjurman werd geen area under the curve gerapporteerd.
[Scrutinio 2015 (3)]

De aangepaste ADHF/NT-proBNP score had met een c-statistic van 0.81 voor de 90-dagen mortaliteit een goed discriminerend vermogen.

Literatuuronderzoek
Beoordeling van de modellen
Bij de hieronder beschreven modellen wordt gebruik gemaakt van de C-statistic. Deze statistische maat geeft de voorspellende waarde van een regressiemodel aan. Bij een waarde van 0,5 is er geen voorspellende waarde: bij 50% van de patiënten was de voorspelling goed, bij 50% niet goed. Bij 1 is de voorspellende waarde perfect. Prognostische modellen met een C-statistic van 0.50-0.70 worden beschouwd als slecht. Indien de C-statistic van het model tussen de 0.70-0.80 ligt is het matig en boven de 0.80 goed.

Systematische reviews
De search identificeerde één systematische review van modellen die de mortaliteit of een samengestelde uitkomstmaat met mortaliteit voorspellen bij patiënten met hartfalen [Alba 2013 (1)]. Deze review is van goede kwaliteit: de auteurs deden een uitgebreide search naar studies, met expliciete rapportering van de gebruikte methodologie en resultaten.
De auteurs includeerden 32 studies over 20 modellen, waarvan er vijf gevalideerd werden. Van deze vijf gevalideerde modellen zijn er vier die een schatting geven van de overleving alleen (dus niet als onderdeel van een gecombineerde uitkomst). Alleen deze vier, het Seattle Heart Failure Model, de PACE, het model van Frankenstein en de SHOCKED predictors, worden in deze systematische review besproken.

Primaire studies
De search identificeerde aanvullend nog elf studies over zeven gevalideerde modellen [Scrutinio 2014 (2), Scrutinio 2015 (3), Uszko-Lencer 2017 (4), Salah 2014 (5), Pocock 2013 (6), Sartipy 2014 (7), Bjurman 2015 (8), Hussain 2014 (9), Shiraishi 2016 (10), Lupón 2014 (11), Lupón 2015 (12)].
Twee studies evalueerden de aangepaste ADHF/NT-proBNP score (een score die al eerder ontwikkeld werd in een cohort van 453 patiënten en extern gevalideerd in een cohort van 371 patiënten). In één retrospectieve cohortstudie werd het model toegepast op 445 patiënten die gehospitaliseerd waren met een exacerbatie van chronisch hartfalen NYHA klasse III-IV (allen ejectiefractie ≤ 30%) [Scrutinio 2014 (2)]. Negen patiënten (van de 454 oorspronkelijke) waren lost-to-follow-up en werden uitgesloten. Van de 445 geïncludeerde patiënten maakten er reeds 179 deel uit van het derivatiecohort en 185 van het validatiecohort. In een tweede retrospectieve cohortstudie werd het model toegepast op 701 patiënten met acuut of chronisch hartfalen NYHA klasse III-IV (allen ejectiefractie ≤ 30%) [Scrutinio 2015 (3)]. Drieëndertig patiënten hadden een onvolledige follow-up.
In één studie werd de BARDICHE-index theoretisch ontwikkeld, en vervolgens gevalideerd in een prospectieve cohort van 1811 patiënten met hartfalen (NYHA klasse III-IV: 51,3%; ejectiefractie ≤ 45%: 88,1%) [Uszko-Lencer 2017 (4)].
Salah et al. gebruikten de gegevens van 1301 patiënten, gehospitaliseerd wegens acuut hartfalen (NYHA klasse III-IV: 18,3%; ejectiefractie < 45%: 72%) en geïncludeerd in zeven verschillende prospectieve cohortstudies, om de ELAN-HF score te ontwikkelen [Salah 2014 (5)]. De score werd gevalideerd in een apart cohort van 325 patiënten met acuut hartfalen NYHA klasse II-IV (ejectiefractie < 45%: 68%). Deze patiënten waren oorspronkelijk geïncludeerd in de gerandomiseerde BOT-AcuteHF trial.
Twee studies evalueerden de Heart Failure Risk Calculator van de MAGGIC groep: met de gegevens van 39372 patiënten met hartfalen (NYHA klasse III-IV: 43,8%; gemiddelde ejectiefractie 35,4%) uit 30 cohortstudies (waarvan 6 klinische studies) werd het model ontwikkeld [Pocock 2013 (6)], waarna het gevalideerd werd in een grote Zweedse cohortstudie van 51043 patiënten met hartfalen (NYHA klasse III-IV: 43,3%; ejectiefractie < 30%: 28,4%) [Sartipy 2014 (7)].
In één prospectieve cohortstudie werd een multimarker risicoscore gevalideerd met de gegevens van 124 patiënten met hartfalen (allen ejectiefractie < 50%) [Bjurman 2015 (8)].
Twee studies valideerden het Seattle Heart Failure Model (dat ook reeds door Alba et al. werd geïdentificeerd): in één cohortstudie werden de gegevens van 118 patiënten met systolisch hartfalen (NYHA klasse III-IV: 97,5%; allen ejectiefractie < 40%) gebruikt [Hussain 2014 (9)], de andere cohortstudie includeerde 492 consecutieve patiënten met acuut hartfalen (gemiddelde NYHA klasse: II, mediane ejectiefractie: 35%) [Shiraishi 2016 (10)]. Twaalf patiënten (van de 504 oorspronkelijke) stierven tijdens de hospitalisatie, en werden uitgesloten.
Twee studies, tenslotte, evalueerden de BCN Bio-HF calculator. In één cohortstudie werd de calculator ontwikkeld op basis van gegevens van 864 consecutieve ambulante patiënten met hartfalen (NYHA klasse III-IV: 27%; gemiddelde ejectiefractie 36%) [Lupón 2014 (11)]. In de tweede studie werd de calculator gevalideerd met de gegevens van 151 patiënten met hartfalen door linkerventrikel systolische dysfunctie (NYHA klasse III-IV: 55%; gemiddelde ejectiefractie 27,5%), die in de gerandomiseerde PROTECT studie waren geïncludeerd [Lupón 2015 (12)].

Beschrijving van de gevalideerde modellen
Seattle Heart Failure Model
Het Seattle Heart Failure Model geeft een schatting van de 1-, 2- en 3-jaarsoverleving, en werd ontwikkeld met gegevens van 1125 patiënten met hartfalen die geïncludeerd waren in de gerandomiseerde PRASE studie [Alba 2013 (1)]. Alba et al. identificeerden 14 validatie cohorten (N=16057) [Alba 2013 (1)]. Nadien werd het model nog gevalideerd in twee andere cohortstudies (N=610) [Hussain 2014 (9), Shiraishi 2016 (10)]. Het model is opgebouwd met 20 variabelen: leeftijd, geslacht, ejectiefractie, NYHA klasse, ischemische etiologie, systolische bloeddruk, hemoglobine, serum natrium, totaal cholesterol, percentage lymfocyten, urinezuur, behandeling met ACE-remmer, behandeling met AT2-antagonist, behandeling met bètablokker, behandeling met kaliumsparend diureticum, behandeling met statine, behandeling met allopurinol, cardiale resynchronisatie therapie (CRT), implanteerbare cardioverter-defibrillator (ICD), cardiale resynchronisatie therapie – implanteerbare defibrillator (CRT-ICD). De c-statistic van het model varieerde tussen 0,63 (slecht) en 0,81 (goed).

Frankenstein et al.’s model
Het model van Frankenstein geeft een schatting van de mortaliteit, en werd ontwikkeld met gegevens van 636 patiënten met hartfalen [Alba 2013 (1)]. Het model werd gevalideerd in een cohortstudie met 676 patiënten, en is opgebouwd met 2 variabelen: brain natriuretic peptide (BNP) en 6-minuten wandeltest. De c-statistic van het model varieerde van 0,66 tot 0,68 (slecht).

PACE risicoscore
De PACE risicoscore geeft een schatting van de mortaliteit, en werd ontwikkeld met gegevens van 905 patiënten met een ICD [Alba 2013 (1)]. De score werd gevalideerd in een cohortstudie met 1812 patiënten met een ICD, en is opgebouwd uit vier variabelen: aanwezigheid van perifeer vaatlijden, leeftijd > 70 jaar, creatinine > 2 mg/dl en een ejectiefractie < 20%. De c-statistic voor 1-jaars mortaliteit bedroeg 0,69 (slecht).

SHOCKED Predictors
Het SHOCKED Predictors model geeft een schatting van de 1-, 2-, 3- en 4-jaars overleving (door middel van een nomogram) en werd ontwikkeld met gegevens van Medicare patiënten die een ICD kregen als primaire preventie [Alba 2013 (1)]. Het model werd gevalideerd in een cohort van 27893 Medicare patiënten, en is opgebouwd uit zeven variabelen: leeftijd > 75 jaar, NYHA klasse > II, atriumfibrillatie, chronisch obstructief longlijden, chronisch nierlijden, ejectiefractie < 20% en diabetes mellitus. De c-statistic voor 1-jaars overleving bedroeg 0,74 (matig).

ADHF/NT-proBNP score
De ADHF/NT-proBNP score geeft een schatting van de ziekenhuis- en 1-jaars mortaliteit, en werd ontwikkeld in een cohort van 453 patiënten en extern gevalideerd in een cohort van 371 patiënten, allen gehospitaliseerd vanwege hartfalen. De originele score werd berekend op basis van acht variabelen: chronisch obstructief longlijden, systolische bloeddruk, de geschatte glomerulaire filtratiesnelheid (eGFR), serum natrium, hemoglobine, NT-proBNP, ejectiefractie en matige tot ernstige tricuspidalis regurgitatie. In het derivatiecohort bedroeg de c-statistic 0,839 (goed) en in het validatiecohort 0,768 (matig).
In één cohortstudie werd het model toegepast op 445 patiënten gehospitaliseerd met een acuut verslechterd chronisch hartfalen NYHA klasse III-IV (allen ejectiefractie ≤ 30%) [Scrutinio 2014 (2)]. In deze studie werden harttransplantatie en steunhart meegenomen, en bedroeg de c-statistic 0,741 (matig) voor het hele cohort en 0,751 (matig) voor de patiënten van 70 jaar of jonger. Wanneer hospitalisatie in de vorige 6 maanden als variabele aan de score werd toegevoegd, steeg de c-statistic tot 0,759 (matig) voor het hele cohort en 0,774 (matig) voor de patiënten van 70 jaar of jonger. De c-statistic van het Seattle Heart Failure Model bedroeg in dit cohort 0,739 (matig).
In een tweede cohortstudie werd een aangepast model (inclusief leeftijd en hospitalisatie in de vorige 6 maanden) toegepast op 701 patiënten met acuut of chronisch hartfalen NYHA klasse III-IV (allen ejectiefractie ≤ 30%), specifiek om na te gaan in welke mate korte termijn mortaliteit voorspeld kan worden [Scrutinio 2015 (3)]. De c-statistic voor 90-dagen mortaliteit bedroeg 0,81 (goed).

Heart Failure Risk Calculator (MAGGIC)
De MAGGIC-score geeft een schatting van de 3-jaars mortaliteit en werd ontwikkeld met de gegevens van 39372 patiënten met hartfalen uit 30 cohortstudies (waarvan 6 klinische studies) [Pocock 2013 (6)]. Het model werd gevalideerd in een grote Zweedse cohortstudie van 51043 patiënten met hartfalen [Sartipy 2014 (7)]. De score (van 0 tot 40) wordt berekend op basis van dertien variabelen: leeftijd, ejectiefractie, NYHA klasse, serum creatinine, diabetes, behandeling met bètablokker, systolische bloeddruk, BMI, tijd sinds diagnose, rookgedrag, chronisch obstructief longlijden, geslacht en behandeling met ACE-inhibitor of AT2-antagonist. Voor het derivatiecohort werd geen c-statistic gerapporteerd [Pocock 2013 (6)]. De kans om binnen de 3 jaar te overlijden voor een score van 10, 20, 30 of 40 bedroeg 0,101, 0,256, 0,525 en 0,842 respectievelijk. In het validatiecohort bedroeg de c-statistic 0,741 (matig) [Sartipy 2014 (7)].

BARDICHE index
De BARDICHE index geeft een schatting van de 5-jaars overleving, en werd theoretisch ontwikkeld op basis van bekende prognostische factoren voor hartfalen [Uszko-Lencer 2017 (4)]. De index werd vervolgens gevalideerd in een cohort van 1811 patiënten met hartfalen. De index wordt berekend op basis van acht variabelen: BMI, leeftijd, systolische bloeddruk, NYHA klasse, NT-proBNP, eGFR, hartslag in rust en 6-minuten wandeltest. Op basis van de totaalscore worden patiënten ingedeeld in drie categorieën (lage, matige en hoge score). Significante verschillen in overleving werden gevonden tussen de verschillende categorieën, met de hoogste mortaliteit in de categorie met de hoogste score (hazard ratio = 3,63 per BARDICHE categorie, 95% BI 3,10 tot 4,25). De area under the curve (AUC) voor 2-jaars mortaliteit verschilde niet significant tussen de BARDICHE score en de MAGGIC score (0,736 versus 0,738; p>0,9).

ELAN-HF score
De ELAN-HF score geeft een schatting van de 6-maanden mortaliteit voor patiënten gehospitaliseerd met hartfalen, en werd ontwikkeld met gegevens van een cohort van 1301 patiënten, samengesteld uit zeven verschillende cohortstudies, die gehospitaliseerd waren wegens acuut hartfalen [Salah 2014 (5)]. De score werd vervolgens gevalideerd in een apart cohort van 325 patiënten met acuut hartfalen NYHA klasse III-IV. De score wordt berekend op basis van acht variabelen: daling in NT-proBNP, NT-proBNP bij ontslag uit het ziekenhuis, leeftijd, perifeer oedeem bij hospitalisatie, systolische bloeddruk, serum natrium bij hospitalisatie, serum ureum bij ontslag, en NYHA klasse bij ontslag. De c-statistic in het derivatiecohort bedroeg 0,76 (matig).

Bjurman et al.’s risicoscore
Bjurman et al. valideerden een reeds eerder ontwikkelde risicoscore met de gegevens van 124 patiënten met hartfalen (allen ejectiefractie < 50%) [Bjurman 2015 (8)]. De risicoscore werd oorspronkelijk ontwikkeld in een cohort van 131 patiënten met gedecompenseerd hartfalen, en wordt berekend op basis van drie variabelen: leeftijd, serum troponine T en serum cystatine C. Op basis van totaalscore worden patiënten ingedeeld in drie categorieën (lage [0-1], matige [2] en hoge score [3]). In het validatiecohort waren matige tot hoge risicoscores (2-3) geassocieerd met mortaliteit (hazard = 4,2; 95%BI 2,2 tot 8,1). In het validatiecohort bedroeg de 1-jaars mortaliteit 52% voor de hoogste risicogroep versus 7% voor de laagste risicogroep (p<0,001). De area under the curve werd wel berekend, maar niet gerapporteerd.

BCN Bio-HF calculator
De BCN Bio-HF calculator geeft een schatting van de 1-, 2- en 3-jaars mortaliteit voor patiënten met hartfalen, en werd ontwikkeld met behulp van een cohort van 864 consecutieve ambulante patiënten met hartfalen [Lupón 2014 (11)]. De calculator werd vervolgens gevalideerd met de gegevens van 151 patiënten met hartfalen door linkerventrikel systolische dysfunctie, die in de gerandomiseerde PROTECT studie waren geïncludeerd [Lupón 2015 (12)]. De score wordt berekend op basis van 11 klinische variabelen (leeftijd, geslacht, NYHA klasse, ejectiefractie, serum natrium, eGFR, hemoglobine, en behandeling met diuretica, bètablokker, ACE-inhibitor/AT2-antagonist, en statine) en 3 serum biomarkers (NT-proBNP, hoog-sensitief serum troponine T en ST2). In het derivatiecohort bedroeg de c-statistic 0,79 (matig) voor het meest uitgebreide model, in het validatiecohort 0,75 (matig).

Methodology report PICO 1 (Levensverwachting)
Key question

Uitgangsvraag 1: Welke factoren bepalen de levensverwachting van patiënten met hartfalen NYHA klasse III-IV?

P:   Patiënten met hartfalen NYHA klasse III-IV

I:    -

C:  -

O:  Levensverwachting


Search strategy

Search date: December 8 and 11, 2016.

Databases: OVID Medline, Pubmed, Embase and Cochrane Library (see appendix for search strings).

Search limits:

  • Publication date: 2007-2016 for systematic reviews; 2014-2016 for primary studies
  • English, Dutch;
  • Study design: systematic reviews, RCTs, observational studies.

Search Results

Table 1. Overall search results.

Database

Number of hits

 

8-12-2016

11-12-2016

OVID Medline

2883

 

Pubmed

 

79

Embase

3733

 

CENTRAL

482

 

HTA

1

 

DARE

27

 

CDSR

35

 

Total hits

7240

N excluded (language, year, duplicates)

1606

Total unique eligible hits

5634


a. Excluded studies
5634 unique hits were screened on title and abstract (Table 1). Of these, 5240 were excluded in a first phase. The most important reasons for exclusion were:
Other population: patients without heart failure, no palliative population
No model or not on risk factors
Wrong study design: e.g. narrative reviews, case series, needs assessment, etc.


The remaining 394 papers were categorized in four groups: systematic reviews of risk factors (N=39), individual studies on risk factors (N=299), studies on models (N=43) and potentially relevant studies without abstract (N=13). Of the last two groups (56 studies), the full-text was retrieved. Two additional studies were provided by an expert: 1 study published just after the search date (Uszko-Lencer 2017), and 1 letter (validating a model) (Lupon 2015). Based on the full-text, 46 papers were excluded.

Table 2 provides an overview of the excluded studies.

b. Included studies

Twelve studies were included:

- One systematic review:

  • Alba AC, Agoritsas T, Jankowski M, Courvoisier D, Walter SD, Guyatt GH, et al. Risk prediction models for mortality in ambulatory patients with heart failure: a systematic review. Circ. Heart fail. 2013;6(5):881-9.

- Eleven primary studies:

  • Scrutinio D, Ammirati E, Guida P, et al. The ADHF/NT-proBNP risk score to predict 1-year mortality in hospitalized patients with advanced decompensated heart failure. J Heart Lung Transplant. 2014;33(4):404-11.
  • Scrutinio D, Ammirati E, Passantino A, et al. Predicting short-term mortality in advanced decompensated heart failure - role of the updated acute decompensated heart failure/N-terminal pro-B-type natriuretic Peptide risk score. Circ J. 2015;79(5):1076-83.
  • Uszko-Lencer NH, Frankenstein L, Spruit MA, et al. TIME-CHF Investigators. Int J Cardiol. 2017 Jan 15;227:901-907. doi: 10.1016/j.ijcard.2016.11.122. Epub 2016 Nov 9. Predicting hospitalization and mortality in patients with heart failure: The BARDICHE-index.
  • Salah K, Kok WE, Eurlings LW, et al. A novel discharge risk model for patients hospitalised for acute decompensated heart failure incorporating N-terminal pro-B-type natriuretic peptide levels: a European collaboration on acute decompensated Heart Failure: ELAN-HF Score. Heart. 2014;100(2):115-25.
  • Pocock SJ, Ariti CA, McMurray JJ, et al. Predicting survival in heart failure: a risk score based on 39 372 patients from 30 studies. Eur Heart J. 2013;34(19):1404-13.
  • Sartipy U, Dahlstrom U, Edner M, et al. Predicting survival in heart failure: validation of the MAGGIC heart failure risk score in 51,043 patients from the Swedish heart failure registry. Eur J Heart Fail. 2014;16(2):173-9.
  • Bjurman C, Holmstrom A, Petzold M, et al. Assessment of a multi-marker risk score for predicting cause-specific mortality at three years in older patients with heart failure and reduced ejection fraction. Cardiol J. 2015;22(1):31-6.
  • Hussain S, Kayani AM, Munir R, et al. Validation of the Seattle Heart Failure Model (SHFM) in heart failure population. J Coll Physicians Surg Pak. 2014;24(3):153-6.
  • Shiraishi Y, Sawano M, Kohno T, et al. Validation of the Seattle Heart Failure Model in Japanese heart failure patients. International Journal of Cardiology. 2016;203:87-9.
  • Lupon J, de Antonio M, Vila J, et al. Development of a novel heart failure risk tool: the barcelona bio-heart failure risk calculator (BCN bio-HF calculator). PLoS ONE. 2014;9(1):e85466.
  • Lupón J, Januzzi JL, de Antonio M, et al. Validation of the Barcelona Bio-Heart Failure Risk Calculator in a cohort from Boston. Rev Esp Cardiol (Engl Ed). 2015 Jan;68(1):80-1.

Table 2. Key question 1: overview of excluded studies based on full-text evaluation.

Reference

Reason

Abe S, Yoshihisa A, Takiguchi M, et al. Liver dysfunction assessed by model for end-stage liver disease excluding INR (MELD-XI) scoring system predicts adverse prognosis in heart failure. PLoS ONE. 2014;9(6):e100618.

Not validated

Dardas T, Li Y, Reed SD, et al. Incremental and independent value of cardiopulmonary exercise test measures and the Seattle Heart Failure Model for prediction of risk in patients with heart failure. J Heart Lung Transplant. 2015;34(8):1017-23.

Not validated

Demissei BG, Valente MAE, Cleland JG, et al. Optimizing clinical use of biomarkers in high-risk acute heart failure patients. Eur. J. Heart Fail. 2016;18(3):269-80.

Not validated

Ford I, Robertson M, Komajda M, et al. Top ten risk factors for morbidity and mortality in patients with chronic systolic heart failure and elevated heart rate: The SHIFT Risk Model. International Journal of Cardiology. 2015;184:163-9.

Not validated

Gruson D, Ahn SA, Rousseau MF. Multiple biomarker strategy based on parathyroid hormone and natriuretic peptides testing for improved prognosis of chronic heart failure. Peptides. 2015;64:24-8.

Not validated

Ingle L, Rigby AS, Sloan R, et al. Development of a composite model derived from cardiopulmonary exercise tests to predict mortality risk in patients with mild-to-moderate heart failure. Heart. 2014;100(10):781-6.

Not validated

Jackson CE, Haig C, Welsh P, et al. The incremental prognostic and clinical value of multiple novel biomarkers in heart failure. Eur. J. Heart Fail. 2016;18(12):1491-8.

Not validated

Nakajima K, Nakata T, Yamada T, et al. A prediction model for 5-year cardiac mortality in patients with chronic heart failure using 123I-metaiodobenzylguanidine imaging. Eur J Nucl Med Mol Imaging. 2014;41(9):1673-82.

Not validated

Okazaki H, Shirakabe A, Hata N, et al. New scoring system (APACHE-HF) for predicting adverse outcomes in patients with acute heart failure: evaluation of the APACHE II and Modified APACHE II scoring systems. J Cardiol. 2014;64(6):441-9.

Not validated

Rodriguez-Pascual C, Paredes-Galan E, Vilches-Moraga A, et al. Comprehensive geriatric assessment and 2-year mortality in elderly patients hospitalized for heart failure. Circ Cardiovasc Qual Outcomes. 2014;Cardiovascular Quality & Outcomes. 7(2):251-8.

Not validated

Shadman R, Poole JE, Dardas TF, et al. A novel method to predict the proportional risk of sudden cardiac death in heart failure: Derivation of the Seattle Proportional Risk Model. Heart Rhythm. 2015;12(10):2069-77.

Not validated

Velavan P, Khan NK, Goode K, et al. Predictors of short term mortality in heart failure - insights from the Euro Heart Failure survey. Int J Cardiol. 2010;138(1):63-9.

Not validated

Chyu J, Fonarow GC, Tseng CH, et al. Four-variable risk model in men and women with heart failure. Circ. Heart fail. 2014;7(1):88-95.

Wrong outcome

Freudenberger RS, Cheng B, Mann DL, et al. The first prognostic model for stroke and death in patients with systolic heart failure. J. Cardiol. 2016;68(2):100-3.

Wrong outcome

Gil V, Miró Ò, Schull MJ, et al. Emergency Heart Failure Mortality Risk Grade score performance for 7-day mortality prediction in patients with heart failure attended at the emergency department: validation in a Spanish cohort. Eur. J. Emerg. Med. 2016.

Wrong outcome

Lagu T, Pekow PS, Shieh MS, et al. Validation and comparison of seven mortality prediction models for hospitalized patients with acute decompensated heart failure. Circ. Heart Fail. 2016;9(8).

Wrong outcome

Shiraishi Y, Kohsaka S, Abe T, et al. Validation of the Get With The Guideline-Heart Failure risk score in Japanese patients and the potential improvement of its discrimination ability by the inclusion of B-type natriuretic peptide level. Am Heart J. 2016;171(1):33-9.

Wrong outcome

Alvarez-Garcia J, Ferrero-Gregori A, Puig T, et al. A simple validated method for predicting the risk of hospitalization for worsening of heart failure in ambulatory patients: the Redin-SCORE. Eur J Heart Fail. 2015;17(8):818-27.

Prediction of readmission

Bayes-Genis A, Ordonez-Llanos J. Multiple biomarker strategies for risk stratification in heart failure. Clinica Chimica Acta. 2015;443:120-5.

Narrative review

Bayes-Genis A, Richards AM, Maisel AS, et al. Multimarker testing with ST2 in chronic heart failure. Am J Cardiol. 2015;115(7 Suppl):76B-80B.

Narrative review

Betihavas V, Frost SA, Newton PJ, et al. An Absolute Risk Prediction Model to Determine Unplanned Cardiovascular Readmissions for Adults with Chronic Heart Failure. Heart Lung Circ. 2015;24(11):1068-73.

Prediction of readmission

Cioffi G, Pulignano G, Barbati G, et al. Reasons why patients suffering from chronic heart failure at very high risk for death survive. Int J Cardiol. 2014;177(1):213-8.

Identification of prognostic variables

Collins SP, Jenkins CA, Harrell FE, Jr., et al. Identification of Emergency Department Patients With Acute Heart Failure at Low Risk for 30-Day Adverse Events: The STRATIFY Decision Tool. JACC Heart Fail. 2015;3(10):737-47.

Combined endpoint; not validated

Ferrero P, Iacovoni A, D'Elia E, et al. Prognostic scores in heart failure - Critical appraisal and practical use. International Journal of Cardiology. 2015;188:1-9.

Only pubmed

French B, Saha-Chaudhuri P, Ky B, et al. Development and evaluation of multi-marker risk scores for clinical prognosis. Statistical methods in medical research. 2016;25(1):255-71.

Methodological article

Goldraich L, Beck-da-Silva L, Clausell N. Are scores useful in advanced heart failure? Expert Rev Cardiovasc Ther. 2009;7(8):985-97.

Narrative review

Hendry PB, Krisdinarti L, Erika M. Scoring system based on electrocardiogram features to predict the type of heart failure in patients with chronic heart failure. Cardiology Research. 2016;7(3):110-6.

Wrong outcome

Hippisley-Cox J, Coupland C. Development and validation of risk prediction equations to estimate future risk of heart failure in patients with diabetes: a prospective cohort study. BMJ Open. 2015;5(9):e008503.

Wrong outcome

Ketchum ES, Levy WC. Multivariate risk scores and patient outcomes in advanced heart failure. Congest Heart Fail. 2011;17(5):205-12.

Narrative review

Levy WC, Linker DT. Prediction of mortality in patients with heart failure and systolic dysfunction. Curr Cardiol Rep. 2008;10(3):198-205.

Narrative review

Ruiz-Salas A, García-Pinilla JM, Cabrera-Bueno F, et al. Comparison of the new risk prediction model (HCM Risk-SCD) and classic risk factors for sudden death in patients with hypertrophic cardiomyopathy and defibrillator. Europace. 2016;18(5):773-7.

Very specific population, not validated in second cohort

Sartipy U, Goda A, Mancini DM, et al. Assessment of a University of California, Los Angeles 4-variable risk score for advanced heart failure. J Am Heart Assoc. 2014;3(3):e000998.

Wrong outcome

Scandroglio AM, Pieri M, Zangrillo A, et al. Role of survival scores before left ventricular assist device implantation: The New CHRiSS compared to the HeartMate II score. ASAIO J. 2016;62(4):438-41.

Very specific population

Alvarez-Garcia J, Ferrero-Gregori A, Puig T, et al. A simple validated method for predicting the risk of hospitalization for worsening of heart failure in ambulatory patients: the Redin-SCORE. Eur J Heart Fail. 2015;17(8):818-27.

Prediction of readmission

Bayes-Genis A, Ordonez-Llanos J. Multiple biomarker strategies for risk stratification in heart failure. Clinica Chimica Acta. 2015;443:120-5.

Narrative review

Bayes-Genis A, Richards AM, Maisel AS, Mueller C, Ky B. Multimarker testing with ST2 in chronic heart failure. Am J Cardiol. 2015;115(7 Suppl):76B-80B.

Narrative review

Betihavas V, Frost SA, Newton PJ, et al. An Absolute Risk Prediction Model to Determine Unplanned Cardiovascular Readmissions for Adults with Chronic Heart Failure. Heart Lung Circ. 2015;24(11):1068-73.

Prediction of readmission

Cioffi G, Pulignano G, Barbati G, et al. Reasons why patients suffering from chronic heart failure at very high risk for death survive. Int J Cardiol. 2014;177(1):213-8.

Identification of prognostic variables

Collins SP, Jenkins CA, Harrell FE, Jr., et al. Identification of Emergency Department Patients With Acute Heart Failure at Low Risk for 30-Day Adverse Events: The STRATIFY Decision Tool. JACC Heart Fail. 2015;3(10):737-47.

Combined endpoint; not validated

Ferrero P, Iacovoni A, D'Elia E, et al. Prognostic scores in heart failure - Critical appraisal and practical use. International Journal of Cardiology. 2015;188:1-9.

Only pubmed

French B, Saha-Chaudhuri P, Ky B, et al. Development and evaluation of multi-marker risk scores for clinical prognosis. Statistical methods in medical research. 2016;25(1):255-71.

Methodological article

Goldraich L, Beck-da-Silva L, Clausell N. Are scores useful in advanced heart failure? Expert Rev Cardiovasc Ther. 2009;7(8):985-97.

Narrative review

Hendry PB, Krisdinarti L, Erika M. Scoring system based on electrocardiogram features to predict the type of heart failure in patients with chronic heart failure. Cardiology Research. 2016;7(3):110-6.

Wrong outcome

Hippisley-Cox J, Coupland C. Development and validation of risk prediction equations to estimate future risk of heart failure in patients with diabetes: a prospective cohort study. BMJ Open. 2015;5(9):e008503.

Wrong outcome

Ketchum ES, Levy WC. Multivariate risk scores and patient outcomes in advanced heart failure. Congest Heart Fail. 2011;17(5):205-12.

Narrative review

Levy WC, Linker DT. Prediction of mortality in patients with heart failure and systolic dysfunction. Curr Cardiol Rep. 2008;10(3):198-205.

Narrative review


Search strings
Question 1 (Levensverwachting)

medline (ovid)

1     exp Heart Failure/ (108079)

2     (heart adj2 failure*).tw. (127990)

3     (cardiac adj2 failure*).tw. (13182)

4     (myocardial adj2 failure*).tw. (2752)

5     (heart adj2 decompensat*).tw. (2859)

6     heart failure.tw. (127385)

7     cardiac failure.tw. (10681)

8     NYHA III.mp. (601)

9     NYHA IV.mp. (239)

10     NYHA 3.mp. (26)

11     NYHA 4.mp. (6)

12     1 or 2 or 3 or 4 or 5 or 6 or 7 or 8 or 9 or 10 or 11 (172099)

13     predict*.mp. (1202751)

14     validat*.mp. (381371)

15     scor*.mp. (677927)

16     observ*.mp. (2808719)

17     risk assessment/ or risk factors/ (890631)

18     evaluation.mp. (1347602)

19     exp Prognosis/ (1386449)

20     prognostic factor*.mp. (71450)

21     13 or 14 or 15 or 16 or 17 or 18 or 19 or 20 (6703643)

22     (mortality or survival or death).mp. (1871028)

23     Mortality/ (40715)

24     Survival/ (4788)

25     22 or 23 or 24 (1871028)

26     statistics as topic/ or exp regression analysis/ (480843)

27     statistic*.mp. (1076516)

28     (logistic adj2 model*).mp. (153341)

29     (likelihood adj2 function*).mp. (22497)

30     regression*.mp. (592427)

31     exp mathematical concepts/ (919692)

32     algorithm*.mp. (296152)

33     mathematic*.mp. (153338)

34     multivariate analysis/ (114057)

35     exp models, biological/ or exp models, statistical/ or logistic models/ (1149774)

36     area under curve/ (34176)

37     26 or 27 or 28 or 29 or 30 or 31 or 32 or 33 or 34 or 35 or 36 (3244882)

38     12 and 21 and 25 and 37 (12606)

39     limit 38 to yr="2014 -Current" (2434)

40     meta-analysis.mp,pt. or review.pt. or search:.tw. (2482932)

41     38 and 40 (1021)

42     limit 41 to yr="2007 -Current" (663)

43     39 or 42 (2883)


Pubmed, 27-10-2016

#17,"Search (((((((((((((((((heart[Abstract] AND failure*)[Abstract])) OR ((heart[Title] AND failure*)[Title]))) OR ((((myocardial[Abstract] AND failure*)[Abstract])) OR ((myocardial[Title] AND failure*)[Title]))) OR (((((cardiac[Abstract] AND failure*)[Abstract])) OR ((cardiac[Title] AND failure*)[Title])))) OR ((((heart[Abstract] AND decompensat*)[Abstract])) OR ((heart[Title] AND decompensat*)[Title]))) OR ((heart failure[Abstract]) OR heart failure[Title])) OR ((cardiac failure[Abstract]) OR cardiac failure[Title])) OR ((NYHA III[Abstract]) OR NYHA III[Title])) OR ((NYHA IV[Abstract]) OR NYHA IV[Title])) OR ((NYHA 3[Abstract]) OR NYHA 3[Title])) OR ((NYHA 4[Abstract]) OR NYHA 4[Title]))) AND (((predict*[Abstract] OR validat*[Abstract] OR scor*[Abstract] OR observ*[Abstract] OR evaluation[Abstract] OR prognostic factor*[Abstract] OR risk factor*[Abstract] OR risk assessment[Abstract] OR prognosis[Abstract])) OR (predict*[Title] OR validat*[Title] OR scor*[Title] OR observ*[Title] OR evaluation[Title] OR prognostic factor*[Title] OR risk factor*[Title] OR risk assessment[Title] OR prognosis[Title]))) AND ((((mortality[Abstract] OR survival[Abstract] OR death)[Abstract])) OR ((mortality[Title] OR survival[Title] OR death)[Title]))) AND (((statistic*[Abstract] OR (logistic[Abstract] AND model*)[Abstract] OR (likelihood[Abstract] AND function*)[Abstract] OR regression*[Abstract] OR algorithm*[Abstract] OR mathematic*[Abstract] OR multivariate analysis[Abstract] OR area under the curve[Abstract] OR (biological[Abstract] AND model*)[Abstract])) OR (statistic*[Title] OR (logistic[Title] AND model*)[Title] OR (likelihood[Title] AND function*)[Title] OR regression*[Title] OR algorithm*[Title] OR mathematic*[Title] OR multivariate analysis[Title] OR area under the curve[Title] OR (biological[Title] AND model*)[Title])) Filters: Publication date from 2016/01/01 to 2016/12/31",79

#16,"Search (((((((((((((((((heart[Abstract] AND failure*)[Abstract])) OR ((heart[Title] AND failure*)[Title]))) OR ((((myocardial[Abstract] AND failure*)[Abstract])) OR ((myocardial[Title] AND failure*)[Title]))) OR (((((cardiac[Abstract] AND failure*)[Abstract])) OR ((cardiac[Title] AND failure*)[Title])))) OR ((((heart[Abstract] AND decompensat*)[Abstract])) OR ((heart[Title] AND decompensat*)[Title]))) OR ((heart failure[Abstract]) OR heart failure[Title])) OR ((cardiac failure[Abstract]) OR cardiac failure[Title])) OR ((NYHA III[Abstract]) OR NYHA III[Title])) OR ((NYHA IV[Abstract]) OR NYHA IV[Title])) OR ((NYHA 3[Abstract]) OR NYHA 3[Title])) OR ((NYHA 4[Abstract]) OR NYHA 4[Title]))) AND (((predict*[Abstract] OR validat*[Abstract] OR scor*[Abstract] OR observ*[Abstract] OR evaluation[Abstract] OR prognostic factor*[Abstract] OR risk factor*[Abstract] OR risk assessment[Abstract] OR prognosis[Abstract])) OR (predict*[Title] OR validat*[Title] OR scor*[Title] OR observ*[Title] OR evaluation[Title] OR prognostic factor*[Title] OR risk factor*[Title] OR risk assessment[Title] OR prognosis[Title]))) AND ((((mortality[Abstract] OR survival[Abstract] OR death)[Abstract])) OR ((mortality[Title] OR survival[Title] OR death)[Title]))) AND (((statistic*[Abstract] OR (logistic[Abstract] AND model*)[Abstract] OR (likelihood[Abstract] AND function*)[Abstract] OR regression*[Abstract] OR algorithm*[Abstract] OR mathematic*[Abstract] OR multivariate analysis[Abstract] OR area under the curve[Abstract] OR (biological[Abstract] AND model*)[Abstract])) OR (statistic*[Title] OR (logistic[Title] AND model*)[Title] OR (likelihood[Title] AND function*)[Title] OR regression*[Title] OR algorithm*[Title] OR mathematic*[Title] OR multivariate analysis[Title] OR area under the curve[Title] OR (biological[Title] AND model*)[Title]))",571

#15,"Search ((statistic*[Abstract] OR (logistic[Abstract] AND model*)[Abstract] OR (likelihood[Abstract] AND function*)[Abstract] OR regression*[Abstract] OR algorithm*[Abstract] OR mathematic*[Abstract] OR multivariate analysis[Abstract] OR area under the curve[Abstract] OR (biological[Abstract] AND model*)[Abstract])) OR (statistic*[Title] OR (logistic[Title] AND model*)[Title] OR (likelihood[Title] AND function*)[Title] OR regression*[Title] OR algorithm*[Title] OR mathematic*[Title] OR multivariate analysis[Title] OR area under the curve[Title] OR (biological[Title] AND model*)[Title])",40790

#14,"Search (((mortality[Abstract] OR survival[Abstract] OR death)[Abstract])) OR ((mortality[Title] OR survival[Title] OR death)[Title])",112371

#13,"Search ((predict*[Abstract] OR validat*[Abstract] OR scor*[Abstract] OR observ*[Abstract] OR evaluation[Abstract] OR prognostic factor*[Abstract] OR risk factor*[Abstract] OR risk assessment[Abstract] OR prognosis[Abstract])) OR (predict*[Title] OR validat*[Title] OR scor*[Title] OR observ*[Title] OR evaluation[Title] OR prognostic factor*[Title] OR risk factor*[Title] OR risk assessment[Title] OR prognosis[Title])",1019638

#12,"Search (((((((((((((heart[Abstract] AND failure*)[Abstract])) OR ((heart[Title] AND failure*)[Title]))) OR ((((myocardial[Abstract] AND failure*)[Abstract])) OR ((myocardial[Title] AND failure*)[Title]))) OR (((((cardiac[Abstract] AND failure*)[Abstract])) OR ((cardiac[Title] AND failure*)[Title])))) OR ((((heart[Abstract] AND decompensat*)[Abstract])) OR ((heart[Title] AND decompensat*)[Title]))) OR ((heart failure[Abstract]) OR heart failure[Title])) OR ((cardiac failure[Abstract]) OR cardiac failure[Title])) OR ((NYHA III[Abstract]) OR NYHA III[Title])) OR ((NYHA IV[Abstract]) OR NYHA IV[Title])) OR ((NYHA 3[Abstract]) OR NYHA 3[Title])) OR ((NYHA 4[Abstract]) OR NYHA 4[Title])",27769

#11,"Search (NYHA 4[Abstract]) OR NYHA 4[Title]",0

#10,"Search (NYHA 3[Abstract]) OR NYHA 3[Title]",4

#9,"Search (NYHA IV[Abstract]) OR NYHA IV[Title]",19

#8,"Search (NYHA III[Abstract]) OR NYHA III[Title]",59

#7,"Search (cardiac failure[Abstract]) OR cardiac failure[Title]",1274

#6,"Search (heart failure[Abstract]) OR heart failure[Title]",19709

#5,"Search (((heart[Abstract] AND decompensat*)[Abstract])) OR ((heart[Title] AND decompensat*)[Title])",539

#4,"Search ((((cardiac[Abstract] AND failure*)[Abstract])) OR ((cardiac[Title] AND failure*)[Title]))",4689

#3,"Search (((myocardial[Abstract] AND failure*)[Abstract])) OR ((myocardial[Title] AND failure*)[Title])",2504

#1,"Search (((heart[Abstract] AND failure*)[Abstract])) OR ((heart[Title] AND failure*)[Title])",5733

1. Embase

#1

'heart failure'/exp

390691

#2

(heart NEAR/2 failure*):ab,ti

202915

#3

(myocardial NEAR/2 failure*):ab,ti

3795

#4

(cardiac NEAR/2 failure*):ab,ti

18879

#5

(heart NEAR/2 decompensat*):ab,ti

5757

#6

nyha:ab,ti AND 3:ab,ti OR nyha:ab,ti AND 4:ab,ti OR nyha:ab,ti AND iii:ab,ti OR nyha:ab,ti AND iv:ab,ti

9740

#7

#1 or #2 or #3 or #4 or #5 or #6

430891

#8

predict*:ti,ab OR validat*:ti,ab OR (prognostic:ti,ab AND factor*:ti,ab)

1981582

#9

'risk assessment'/exp OR 'risk factor'/exp OR 'prognosis'/exp

1566884

#10

predict*:ti,ab OR validat*:ti,ab OR (prognostic:ti,ab AND factor*:ti,ab) OR 'risk assessment'/exp OR 'risk factor'/exp OR 'prognosis'/exp

3191743

#11

'mortality'/exp OR 'survival'/exp

1470597

#12

(logistic NEAR/2 model*):ti,ab OR (likelihood NEAR/2 function*):ti,ab OR regression*:ti,ab OR algorithm*:ti,ab

928907

#13

'regression analysis'/exp OR 'mathematical phenomena'/exp OR 'biological model'/exp OR 'statistical model'/exp OR 'area under the curve'/exp

4338562

#14

#12 or #13

4748767

#15

#7 and #10 and #11 and #14

24790

#16

#15 and ([cochrane review]/lim OR [systematic review]/lim OR [meta analysis]/lim) AND ([article]/lim OR [article in press]/lim OR [review]/lim) AND ([dutch]/lim OR [english]/lim) AND ([embase]/lim OR [medline]/lim) AND [2007-2017]/py

465

#17

#15 and ([article]/lim OR [article in press]/lim OR [review]/lim) AND ([dutch]/lim OR [english]/lim) AND ([embase]/lim OR [medline]/lim) AND [2014-2017]/py

3500

#18

#15 and ([article]/lim OR [article in press]/lim OR [review]/lim) AND ([dutch]/lim OR [english]/lim) AND ([embase]/lim OR [medline]/lim) AND [2014-2017]/py AND [humans]/lim

3473

#19

#16 or #17

3733


2. Cochrane Library

#1        MeSH descriptor: [Heart Failure] 1 tree(s) exploded

#2        (heart and failure*):ti,ab

#3        (cardiac and failure*):ti,ab

#4        (myocardial and failure*):ti,ab

#5        (heart and decompensat*):ti,ab

#6        "NYHA III":ti,ab

#7        "NYHA IV":ti,ab

#8        "NYHA 3":ti,ab

#9        "NYHA 4":ti,ab

#10       #1 or #2 or #3 or #4 or #5 or #6 or #7 or #8 or #9

#11       predict*:ti,ab

#12       validat*:ti,ab

#13       scor*:ti,ab

#14       observ*:ti,ab

#15       prognostic factor*:ti,ab

#16       MeSH descriptor: [Risk Assessment] 1 tree(s) exploded

#17       MeSH descriptor: [Risk Factors] 1 tree(s) exploded

#18       evaluation:ti,ab

#19       MeSH descriptor: [Prognosis] 1 tree(s) exploded

#20       #11 or #12 or #13 or #14 or #15 or #16 or #17 or #18 or #19

#21       (mortality or survival or death):ti,ab

#22       MeSH descriptor: [Mortality] 1 tree(s) exploded

#23       MeSH descriptor: [Survival] 1 tree(s) exploded

#24       #21 or #22 or #23

#25       MeSH descriptor: [Statistics as Topic] 1 tree(s) exploded

#26       MeSH descriptor: [Regression Analysis] 1 tree(s) exploded

#27       MeSH descriptor: [Mathematical Concepts] 1 tree(s) exploded

#28       MeSH descriptor: [Multivariate Analysis] 1 tree(s) exploded

#29       MeSH descriptor: [Models, Biological] 1 tree(s) exploded

#30       MeSH descriptor: [Models, Statistical] 1 tree(s) exploded

#31       MeSH descriptor: [Logistic Models] 1 tree(s) exploded

#32       MeSH descriptor: [Area Under Curve] 1 tree(s) exploded

#33       statistic*:ti,ab

#34       (logistic and model*):ti,ab

#35       (likelihood and function*):ti,ab

#36       regression*:ti,ab

#37       algorithm*:ti,ab

#38       mathematic*:ti,ab

#39       #25 or #26 or #27 or #28 or #29 or #30 or #31 or #32 or #33 or #34 or #35 or #36 or #37 or #38

#40       #10 and #20 and #24 and #39

  1. 1 - Alba AC, Agoritsas T, Jankowski M, et al. Risk prediction models for mortality in ambulatory patients with heart failure: a systematic review. Circ. Heart fail. 2013;6(5):881-9. [link]
  2. 2 - Scrutinio D, Ammirati E, Guida P, et al. The ADHF/NT-proBNP risk score to predict 1-year mortality in hospitalized patients with advanced decompensated heart failure. J Heart Lung Transplant. 2014;33(4):404-11. [link]
  3. 3 - Scrutinio D, Ammirati E, Passantino A, et al. Predicting short-term mortality in advanced decompensated heart failure - role of the updated acute decompensated heart failure/N-terminal pro-B-type natriuretic Peptide risk score. Circ J. 2015;79(5):1076-83. [link]
  4. 4 - Uszko-Lencer NH, Frankenstein L, Spruit MA, et al. TIME-CHF Investigators. Int J Cardiol. 2017 Jan 15;227:901-907. doi: 10.1016/j.ijcard.2016.11.122. Epub 2016 Nov 9. Predicting hospitalization and mortality in patients with heart failure: The BARDICHE-index. [link]
  5. 5 - Salah K, Kok WE, Eurlings LW, et al. A novel discharge risk model for patients hospitalised for acute decompensated heart failure incorporating N-terminal pro-B-type natriuretic peptide levels: a European coLlaboration on Acute decompeNsated Heart Failure: ELAN-HF Score. Heart. 2014;100(2):115-25. [link]
  6. 6 - Pocock SJ, Ariti CA, McMurray JJ, et al. Predicting survival in heart failure: a risk score based on 39 372 patients from 30 studies. Eur Heart J. 2013;34(19):1404-13. [link]
  7. 7 - Sartipy U, Dahlstrom U, Edner M, et al. Predicting survival in heart failure: validation of the MAGGIC heart failure risk score in 51,043 patients from the Swedish heart failure registry. Eur J Heart Fail. 2014;16(2):173-9. [link]
  8. 8 - Bjurman C, Holmstrom A, Petzold M, et al. Assessment of a multi-marker risk score for predicting cause-specific mortality at three years in older patients with heart failure and reduced ejection fraction. Cardiol J. 2015;22(1):31-6. [link]
  9. 9 - Hussain S, Kayani AM, Munir R, et al. Validation of the Seattle Heart Failure Model (SHFM) in heart failure population. J Coll Physicians Surg Pak. 2014;24(3):153-6. [link]
  10. 10 - Shiraishi Y, Sawano M, Kohno T, et al. Validation of the Seattle Heart Failure Model in Japanese heart failure patients. International Journal of Cardiology. 2016;203:87-9. [link]
  11. 11 - Lupón J, de Antonio M, Vila J, et al. Development of a novel heart failure risk tool: the Barcelona Bio-Heart Failure Risk Calculator (BCN bio-HF calculator). PLoS One. 2014 Jan 15;9(1):e85466. [link]
  12. 12 - Lupón J, Januzzi JL, de Antonio M, Vila J, et al. Validation of the Barcelona Bio-Heart Failure Risk Calculator in a cohort from Boston. Rev Esp Cardiol (Engl Ed). 2015 Jan;68(1):80-1. [link]

Autorisatiedatum en geldigheid

Laatst beoordeeld  :

Laatst geautoriseerd  : 07-02-2018

Geplande herbeoordeling  :

Actualisatie
Deze richtlijn(module) is goedgekeurd op 28 november 2017. IKNL en PAZORI bewaken samen met betrokken verenigingen de houdbaarheid van deze en andere onderdelen van de richtlijn. Zo nodig wordt de richtlijn tussentijds op onderdelen bijgesteld. De geldigheidstermijn van de richtlijn is maximaal 5 jaar na vaststelling. Indien de richtlijn dan nog actueel wordt bevonden, wordt de geldigheidsduur van de richtlijn verlengd.

Houderschap richtlijn
De houder van de richtlijn moet kunnen aantonen dat de richtlijn zorgvuldig en met de vereiste deskundigheid tot stand is gekomen. Onder houder wordt verstaan de verenigingen van beroepsbeoefenaren die de richtlijn autoriseren.
IKNL draagt zorg voor het beheer en de ontsluiting van de richtlijn.

Juridische betekenis van richtlijnen
De richtlijn bevat aanbevelingen van algemene aard. Het is mogelijk dat deze aanbevelingen in een individueel geval niet van toepassing zijn. Er kunnen zich feiten of omstandigheden voordoen waardoor het wenselijk is dat in het belang van de patiënt van de richtlijn wordt afgeweken. Wanneer van de richtlijn wordt afgeweken, dient dit beargumenteerd gedocumenteerd te worden. De toepassing van de richtlijnen in de praktijk is de verantwoordelijkheid van de behandelende arts.

Initiatief en autorisatie

Initiatief:
  • IKNL - Platform PAZORI (Palliatieve Zorg Richtlijnen)
Geautoriseerd door:
  • Nederlandse Vereniging voor Cardiologie
  • Nederlandse Vereniging voor Klinische Geriatrie
  • Vereniging van Specialisten Ouderengeneeskunde
  • Verpleegkundigen en Verzorgenden Nederland
  • Nederlandse Vereniging van Ziekenhuisapothekers
  • Nederlandse vereniging voor professionele palliatieve zorg
  • IKNL - Platform PAZORI (Palliatieve Zorg Richtlijnen)
  • Nederlandse Vereniging voor Hart- en Vaat Verpleegkundigen

Algemene gegevens

Initiatief

Platform PAZORI (Palliatieve Zorg Richtlijnen)

IKNL (Integraal Kankercentrum Nederland)

 

Autoriserende en betrokken verenigingen

Patiëntenfederatie Nederland (voorheen Nederlandse Patiënten en Consumenten Federatie NPCF)*
De Hart&Vaatgroep/Hartstichting*

Nederlandse Vereniging voor Cardiologie (NVVC)

Nederlandse Vereniging voor Klinische Geriatrie (NVKG)

Nederlands Huisartsen Genootschap (NHG)*

Nederlandse Vereniging van Ziekenhuisapothekers (NVZA)

Palliactief

Specialisten ouderengeneeskunde (Verenso)

Nederlandse Vereniging voor Hart- en Vaat Verpleegkundigen (NVHVV)

Verpleegkundigen & Verzorgenden Nederland (V&VN)

Koninklijke Nederlandse Maatschappij ter bevordering der Pharmacie (KNMP)*

 

*Deze verenigingen autoriseren niet, maar stemmen in met de inhoud.

 

Financiering

Deze richtlijn c.q. module is gefinancierd door IKNL. De inhoud van de richtlijn c.q. module is niet beïnvloed door de financierende instantie.

Een richtlijn is een kwaliteitsstandaard. Een kwaliteitsstandaard beschrijft wat goede zorg is, ongeacht de financieringsbron (Zorgverzekeringswet (Zvw), Wet langdurige zorg (Wlz), Wet maatschappelijke ondersteuning (Wmo), aanvullende verzekering of eigen betaling door de cliënt/patiënt). Opname van een kwaliteitsstandaard in het Register betekent dus niet noodzakelijkerwijs dat de in de kwaliteitsstandaard beschreven zorg verzekerde zorg is.

 

Procesbegeleiding en verantwoording

IKNL (Integraal Kankercentrum Nederland) is het kennis- en kwaliteitsinstituut voor professionals en bestuurders in de oncologische en palliatieve zorg dat zich richt op het continu verbeteren van de oncologische en palliatieve zorg.

IKNL benadert preventie, diagnose, behandeling, nazorg en palliatieve zorg als een keten waarin de patiënt centraal staat. Om kwalitatief goede zorg te waarborgen ontwikkelt IKNL producten en diensten ter verbetering van de oncologische zorg, de nazorg en de palliatieve zorg, zowel voor de inhoud als de organisatie van de zorg binnen en tussen instellingen. Daarnaast draagt IKNL nationaal en internationaal bij aan de beleidsvorming op het gebied van oncologische en palliatieve zorg.

 

IKNL rekent het (begeleiden van) ontwikkelen, implementeren en evalueren van multidisciplinaire, evidence based richtlijnen voor de oncologische en palliatieve zorg tot een van haar primaire taken. IKNL werkt hierbij conform de daarvoor geldende (inter)nationale kwaliteitscriteria. Bij ontwikkeling gaat het in toenemende mate om onderhoud (modulaire revisies) van reeds bestaande richtlijnen.

Doel en doelgroep

Doel

Een richtlijn is een aanbeveling ter ondersteuning van de belangrijkste knelpunten uit de dagelijkse praktijk. Deze richtlijn is zoveel mogelijk gebaseerd op wetenschappelijk onderzoek en consensus. De richtlijn palliatieve zorg bij hartfalen geeft aanbevelingen over begeleiding en behandeling van patiënten met hartfalen NYHA-klasse III en IV en beoogt hiermee de kwaliteit van de zorgverlening te verbeteren.

 

Doelpopulatie

Deze richtlijn heeft betrekking op volwassen patiënten met hartfalen met NYHA (New York Heart Association)-klasse III en IV, d.w.z. patiënten met een:

  • belangrijke beperking in de dagelijkse activiteit door symptomen die zich al voordoen bij beperkte inspanning, zoals vermoeidheid en kortademigheid bij lopen van 20-100 meter. Alleen rust geeft comfort en in rust zijn er geen klachten (klasse III);
  • ernstige beperking in activiteit door symptomen die al in rust ontstaan. Bij zeer geringe inspanning nemen de klachten in ernst toe (klasse IV).

Doelgroep

Deze richtlijn is bestemd voor alle professionals die betrokken zijn bij de zorg voor patiënten met hartfalen NYHA-klasse III en IV zoals huisartsen, specialisten ouderengeneeskunde, medisch specialisten (vooral cardiologen, internisten en klinisch geriaters), apothekers, verpleegkundigen, verpleegkundig specialisten, physician assistants, POHs (Praktijkondersteuners Huisarts), fysiotherapeuten, psychologen, maatschappelijke werkers, geestelijk verzorgers en andere bij de patiënt betrokken professionals.

Indien in de richtlijn wordt gesproken over zorgverleners rondom de patiënt met hartfalen, kunnen afhankelijk van de specifieke situatie van de patiënt alle bovengenoemde professionals bedoeld worden.

Samenstelling werkgroep

Alle werkgroepleden zijn afgevaardigd namens wetenschappelijke en beroepsverenigingen en hebben daarmee het mandaat voor hun inbreng. Bij de samenstelling van de werkgroep is geprobeerd rekening te houden met landelijke spreiding, inbreng van betrokkenen uit zowel academische als algemene ziekenhuizen/instellingen en vertegenwoordiging van de verschillende verenigingen/ disciplines. Het patiëntenperspectief is vertegenwoordigd door middel van afvaardiging van een ervaringsdeskundige (hartpatiënt) en een beleidsmedewerker van de Hart&Vaatgroep/Hartstichting. Bij de uitvoer van het literatuuronderzoek is een methodoloog/epidemioloog/literatuuronderzoeker betrokken.

Werkgroepleden
mw. dr. L. Bellersen, voorzitter, cardioloog, NVVC

mw. M.S.A. Aertsen, lid, verpleegkundig specialist, NVHVV en V&VN

mw. dr. Y.M.P. Engels, lid, universitair hoofddocent, Palliactief

dhr. J. van Erp, lid, Beleidsadviseur/patiëntvertegenwoordiger, Hart&Vaatgroep

dr. A. de Graeff, lid, internist-oncoloog, Palliactief

dr. M. van Leen, lid, specialist ouderengeneeskunde, Verenso

mw. dr. C.M.H.B. Lucas, lid, cardioloog, NVVC

mw. drs. C.W. Middeljans-Tijssen, lid, klinisch geriater, NVKG

dr. R.J.J.E.T. Starmans, lid, kaderhuisarts palliatieve zorg, NHG

drs. P.E. Polak, klankbordlid, cardioloog, NVVC

dhr. R. Tabak, klankbordlid, voorzitter PAR Radboud Health Academy, patiëntvertegenwoordiger Hart&Vaatgroep

 

Ondersteuning

mw. drs. M.G. Gilsing, adviseur (richtlijnen) palliatieve zorg, IKNL

mw. dr. O.L. van der Hel, literatuuronderzoeker, IKNL

dr. J. Vlayen, literatuuronderzoeker, ME-TA

mw. drs. A. van der Mei, secretaresse, IKNL

Belangenverklaringen

Om de beïnvloeding van de richtlijnontwikkeling of formulering van de aanbevelingen door conflicterende belangen te minimaliseren zijn de leden van de werkgroep gemandateerd door de wetenschappelijke en beroepsverenigingen.
Alle leden van de richtlijnwerkgroep hebben verklaard onafhankelijk gehandeld te hebben bij het opstellen van de richtlijn. Een onafhankelijkheidsverklaring ‘Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling' zoals vastgesteld door onder meer de KNAW, KNMG, Gezondheidsraad, CBO, NHG en Orde van Medisch Specialisten is door de werkgroepleden bij aanvang en bij afronding van het traject ingevuld. De bevindingen zijn schriftelijk vastgelegd in de belangenverklaring en opvraagbaar via info@iknl.nl.

Inbreng patiëntenperspectief

Twee patiëntvertegenwoordigers namen (via de Nederlandse Patiëntenfederatie en Hart&Vaatgroep) zitting in de richtlijnwerkgroep/klankbordgroep: een ervaringsdeskundige (hartpatiënt) en een beleidsmedewerker van de Hart&Vaatgroep/Hartstichting. De input van patiëntvertegenwoordigers is nodig voor de ontwikkeling van kwalitatief goede richtlijnen. Goede zorg voldoet immers aan de wensen en eisen van zowel zorgverlener als patiënt.
Door middel van onderstaande werkwijze is informatie verkregen en zijn de belangen van de patiënt meegenomen:

  • Bij aanvang van het richtlijntraject hebben de patiëntvertegenwoordigers knelpunten aangeleverd.
  • Via de Nederlandse Patiëntenfederatie en haar organisatielid de Hart&Vaatgroep is een enquête gehouden voor het inventariseren van de knelpunten.
  • De patiëntvertegenwoordigers waren aanwezig bij de vergaderingen van de richtlijnwerkgroep.
  • De patiëntvertegenwoordigers hebben de conceptteksten beoordeeld om het patiëntenperspectief in de formulering van de definitieve tekst te optimaliseren.
  • De Nederlandse Patiëntenfederatie (met organisatielid de Hart&Vaatgroep) is geconsulteerd in de externe commentaarronde.
  • De Nederlandse Patiëntenfederatie (en daarmee de Hart&Vaatgroep) heeft ingestemd met de inhoud van de richtlijn.

    Patiënteninformatie/een patiëntensamenvatting wordt opgesteld en gepubliceerd op de daarvoor relevante sites.

Methode ontwikkeling

Evidence based

Implementatie

Bevorderen van het toepassen van de richtlijn in de praktijk begint met een brede bekendmaking en verspreiding van de richtlijn. Bij verdere implementatie gaat het om gerichte interventies om te bevorderen dat professionals de nieuwe kennis en kunde opnemen in hun routines van de palliatieve zorgpraktijk, inclusief borging daarvan. Als onderdeel van elke richtlijn stelt IKNL samen met de richtlijnwerkgroep een implementatieplan op. Activiteiten en interventies voor verspreiding en implementatie vinden zowel op landelijk als regionaal niveau plaats. Deze kunnen eventueel ook op maat gemaakt worden per instelling of specialisme. Informatie hierover is te vinden op http://www.iknl.nl/. Het implementatieplan bij deze richtlijn is een belangrijk hulpmiddel om effectief de aanbevelingen uit deze richtlijn te implementeren voor de verschillende disciplines.

Werkwijze

Werkwijze

De werkgroep is op 5 juli 2016 voor de eerste maal bijeengekomen. Op basis van een door de werkgroepleden opgestelde enquête heeft een knelpuntenanalyse plaatsgevonden onder professionals en patiënten(vertegenwoordigers). Na het versturen van de enquête hebben 121 professionals en 3 patiënten gereageerd en knelpunten geprioriteerd en/of ingebracht. De meest relevante knelpunten zijn uitgewerkt tot 6 uitgangsvragen (bijlage 9).

Voor iedere uitgangsvraag werd uit de richtlijnwerkgroep een subgroep geformeerd.

Op basis van de uitkomsten van de enquête zijn de onderwerpen inschatten van de levensverwachting, advance care planning (ACP) en invloed van het starten en staken van medicatie (diuretica, ACE-remmers, ARB’s en bèta-blokkers) in de laatste levensfase uitgewerkt volgens de evidence based methodiek GRADE. Bij de beantwoording van deze uitgangsvragen verzorgde een (IKNL en externe) methodoloog het literatuuronderzoek. Dit betrof het uitvoeren van een systematische literatuursearch, het kritisch beoordelen van de literatuur en het verwerken van de literatuur in evidence tabellen. Daarnaast werd door de methodoloog een concept literatuurbespreking met bijbehorende conclusies aangeleverd voor deze uitgangsvragen. Vervolgens pasten de subgroepleden, na interne discussie met de methodoloog, de conceptliteratuurbespreking en conclusies aan en stelden overwegingen en aanbevelingen op.

De werkgroepleden raadpleegden voor de uitgangsvragen over palliatieve zorg en organisatie van zorg en communicatie de door hen zelf verzamelde relevante literatuur. Op basis hiervan hebben de werkgroepleden de literatuurbespreking, conclusies, overwegingen en aanbevelingen opgesteld.

De werkgroep heeft gedurende circa 7 maanden gewerkt aan de tekst van de conceptrichtlijn. Alle teksten zijn tijdens plenaire vergaderingen besproken en na verwerking van de commentaren door de werkgroep geaccordeerd. De conceptrichtlijn is op 20 juni 2017 ter becommentariëring aangeboden aan alle voor de knelpuntenanalyse benaderde wetenschappelijke, beroeps- en patiëntenverenigingen en de landelijke en regionale werkgroepen. Het commentaar geeft input vanuit het veld om de kwaliteit en de toepasbaarheid van de conceptrichtlijn te optimaliseren en landelijk draagvlak voor de richtlijn te genereren. Alle commentaren werden vervolgens beoordeeld en verwerkt door de richtlijnwerkgroep. Aan de commentatoren is teruggekoppeld wat met de reacties is gedaan.

De richtlijn is inhoudelijk vastgesteld op 28 november 2017. Tenslotte is de richtlijn ter autorisatie/accordering gestuurd naar de betrokken verenigingen/instanties.


Knelpunteninventarisatie

De uitkomsten van de knelpunteninventarisatie ziet u via onderstaande hyperlink:

Gegevens enquête professionals Richtlijn Palliatieve zorg bij hartfalen

 

Methode ontwikkeling

Elke module van de richtlijn bestaat uit een richtlijntekst. De teksten naar aanleiding van de uitgangsvragen zijn opgebouwd volgens het volgende vaste stramien: uitgangsvraag en aanbevelingen, literatuurbespreking, conclusies en overwegingen. De referenties zijn aangeleverd per module (of paragraaf) en de evidence tabellen staan in bijlage 11. De antwoorden op de uitgangsvragen (derhalve de aanbevelingen in deze richtlijn) zijn voor zover mogelijk gebaseerd op gepubliceerd wetenschappelijk onderzoek.
De uitgangsvragen 1, 3 en 6 zijn via de evidence based systematische methodiek uitgewerkt. Uitgangsvragen 2, 4 en 5 zijn zonder systematisch literatuuronderzoek uitgewerkt omdat de werkgroep verwachtte geen studies te vinden die antwoord geven op de vraag, specifiek voor de Nederlandse situatie.

De GRADE-methodiek

Uitgangsvragen 1, 3 en 6 zijn via de evidence based GRADE methodiek uitgewerkt.

Selectie
Naast de selectie op relevantie werd tevens geselecteerd op bewijskracht. Hiervoor werd gebruik gemaakt van de volgende hiërarchische indeling van studiedesigns gebaseerd op bewijskracht:

  1. Gerandomiseerde gecontroleerde studies (RCT's)
  2. Niet gerandomiseerde gecontroleerde studies (CCT's)

    Waar deze niet voorhanden waren werd verder gezocht naar vergelijkend cohortonderzoek.

Critical appraisal
De kwaliteit van bewijs wordt weergegeven in vier categorieën: hoog, matig, laag en zeer laag. RCT's starten hoog en observationele studies starten laag. Vijf factoren verlagen de kwaliteit van de evidentie (beperkingen in onderzoeksopzet, inconsistentie, indirectheid, imprecisie, publicatie bias) en drie factoren kunnen de kwaliteit van de evidentie verhogen (sterke associatie, dosis-respons relatie, plausibele (residuele) confounding) (zie tabel 1).


 Tabel 1. GRADE-methodiek voor het graderen van bewijs 

Quality of evidence

Study design

Lower if *

Higher if *

High (4)

Randomized trial

Study limitations

-1 Serious

-2 Very serious

Inconsistency

-1 Serious

-2 Very serious

Indirectness

-1 Serious

-2 Very serious

Imprecision

-1 Serious

-2 Very serious

Publication bias

-1 Likely

-2 Very likely

Large effect

+ 1 Large

+ 2 Very large

Dose response

+ 1 Evidence of a gradient

All plausible confounding

+ 1 Would reduce a demonstrated effect, or

+ 1 Would suggest a spurious effect when results show no effect

Moderate (3)

 

Low (2)

 

Observational study

Very low (1)

 

 

Algehele kwaliteit van bewijs

Omdat het beoordelen van de kwaliteit van bewijs in de GRADE-benadering per uitkomstmaat geschiedt, is er behoefte aan het bepalen van de algehele kwaliteit van bewijs. Zowel voor als na het literatuuronderzoek wordt door de richtlijnwerkgroep bepaald welke uitkomstmaten cruciaal, belangrijk en niet belangrijk zijn.
Het niveau van de algehele kwaliteit van bewijs wordt in principe bepaald door de cruciale uitkomstmaat met de laagste kwaliteit van bewijs. Als echter de kwaliteit van het bewijs verschilt tussen de verschillende cruciale uitkomstmaten zijn er twee opties:

  • De uitkomstmaten wijzen in verschillende richtingen (zowel gewenst als ongewenste effecten) of de balans tussen gewenste en ongewenste effecten is onduidelijk, dan bepaalt de laagste kwaliteit van bewijs van de cruciale uitkomstmaten de algehele kwaliteit van bewijs;
  • De uitkomstmaten wijzen in dezelfde richting (richting gewenst of richting ongewenst effecten), dan bepaalt de hoogste kwaliteit van bewijs van de cruciale uitkomstmaat dat op zichzelf voldoende is om de interventie aan te bevelen van de algehele kwaliteit van bewijs.

Tabel 2. Formulering conclusies op basis van kwaliteit van bewijs per uitkomstmaat

Kwaliteit van bewijs

Interpretatie

Formulering conclusie

Hoog

Er is veel vertrouwen dat het werkelijk effect dicht in de buurt ligt van de schatting van het effect.

Er is bewijs van hoge kwaliteit dat...

(Referenties)

Matig

Er is matig vertrouwen in de schatting van het effect: het werkelijk effect ligt waarschijnlijk dicht bij de schatting van het effect, maar er is een mogelijkheid dat het hier substantieel van afwijkt.

Er is bewijs van matige kwaliteit dat...

 

(Referenties)

Laag

Er is beperkt vertrouwen in de schatting van het effect: het werkelijke effect kan substantieel verschillend zijn van de schatting van het effect.

Er is bewijs van lage kwaliteit dat....

 

(Referenties)

Zeer laag

Er is weinig vertrouwen in de schatting van het effect: het werkelijke effect wijkt waarschijnlijk substantieel af van de schatting van het effect.

Er is bewijs van zeer lage kwaliteit dat....

(Referenties)

Formulering algehele kwaliteit van bewijs: hoog/matig/laag/zeer laag

 

Overwegingen en aanbevelingen
Aanbevelingen in richtlijnen geven een antwoord op de uitgangsvraag. De GRADE methodiek kent twee soorten aanbevelingen: sterke aanbevelingen of conditionele (zwakke) aanbevelingen. De sterkte van de aanbevelingen reflecteert de mate van vertrouwen waarin - voor de groep patiënten waarvoor de aanbevelingen zijn bedoeld - de gewenste effecten opwegen tegen de ongewenste effecten.

 

Formulering:

  • Sterkte aanbeveling: Doe/geef/etc. (gebiedende wijs)
  • Zwakke/conditionele aanbeveling: Overweeg te doen/te geven/etc.

Naast de evidence uit de literatuur (conclusies) zijn er andere overwegingen die meespelen bij het formuleren van de aanbeveling. Deze aspecten worden besproken onder het kopje ‘Overwegingen' in de richtlijntekst. Hierin worden de conclusies (op basis van de literatuur) geplaatst in de context van de dagelijkse praktijk en vindt een afweging plaats van de voor- en nadelen van de verschillende beleidsopties. De uiteindelijk geformuleerde aanbeveling is het resultaat van de conclusie(s) in combinatie met deze overwegingen.


Figuur 1. Van bewijs naar aanbeveling



Bij de overwegingen kan men informatie kwijt over:

  • veiligheid (bijvoorbeeld bijwerkingen, risico’s en complicaties);
  • patiëntenperspectief (waarden en voorkeuren van de patiënt);
  • professioneel perspectief (bijvoorbeeld tijdsbesparing);
  • beschikbaarheid, werkbaarheid en wenselijkheid van organisatie van zorg aspecten: kosten, voorzieningen, coördinatie, communicatie, gegevensverwerking, taakverdeling, verantwoordelijkheden, etc.
  • kosteneffectiviteit, besteed hierbij aandacht aan het perspectief (maatschappelijk perspectief versus gezondheidszorgperspectief).

Bij overwegingen kan men denken aan alle aspecten die niet vallen onder de systematische literatuuranalyse bij de uitgangsvraag maar wel van belang zijn bij het formuleren van de aanbeveling.


Methodiek bij de uitgangsvragen zonder systematisch literatuuronderzoek

Bij uitgangsvragen 2 (Wat is palliatieve zorg bij hartfalen?), 4 (Communicatie) en 5 (Organisatie van zorg) is geen systematisch literatuuronderzoek verricht omdat de werkgroep verwachtte geen studies te vinden die antwoord geven op de vraag, specifiek voor de Nederlandse situatie.

 

De aanbevelingen zijn uitsluitend gebaseerd op overwegingen die zijn opgesteld door de werkgroepleden op basis van kennis uit de praktijk en waar mogelijk onderbouwd door (niet systematisch) literatuuronderzoek.

De teksten zijn gebaseerd op evidence, maar de artikelen zijn niet methodologisch beoordeeld.
De overwegingen staan onder een apart kopje in de richtlijntekst. Hierin wordt de context van de dagelijkse praktijk beschreven en vindt een afweging plaats van de voor- en nadelen van de verschillende beleidsopties.

Volgende:
Palliatieve zorg bij hartfalen