Identificatie van patiënten met risico op PICS
Uitgangsvraag
Welke patiënten lopen risico op het ontwikkelen van PICS en zouden dus gevolgd moeten worden na ontslag van de intensive care?
Aanbeveling
Maak tijdens de IC opname een beoordeling van het risico op PICS. Dit is bepalend voor de vorm van IC-nazorg (zie ‘module Organisatie van IC-nazorg’).
Onderscheid drie risico categorieën: laag, gemiddeld en hoog risico op PICS.
Schat het risico op PICS allereerst in op basis van risicofactoren:
- Laag risico op PICS: na een ongecompliceerde electieve IC-opname (doorgaans na een geplande operatie).
- Gemiddeld risico op PICS: na spoedopname op de IC.
- Hoog risico op PICS:
- na IC-verblijf van 7 dagen of langer, en/of;
- na spoedopname en twee of meer van de volgende risicofactoren:
- leeftijd > 65 jaar;
- voor IC-opname reeds bestaande frailty (Clinical Frailty Scale 6 of hoger);
- voor IC-opname reeds bestaande symptomen van angststoornis of depressie;
- op de IC doorgemaakt delirium van in totaal 4 dagen of langer.
Maak bij de uiteindelijke beoordeling van het risico op PICS ook gebruik van expert opinion. Factoren om hierbij mee te wegen zijn:
- Een door IC-medewerkers gesignaleerde behoefte aan (intensieve-) IC-nazorg, ook als dit niet uit de risicofactoren zou blijken.
- Een nazorg traject georganiseerd vanuit het insturend specialisme, waardoor mogelijk juist minder IC-nazorg nodig is.
- Het risico op PICS-F en de behoefte van naasten aan IC-nazorg.
Overwegingen
Voor- en nadelen van de interventie en de kwaliteit van het bewijs
Op basis van de literatuursamenvatting kan niet worden geconcludeerd of patiënt karakteristieken en/of IC-opname variabelen risicofactoren zijn voor PICS. De bewijskracht van de gevonden studies is zeer laag, onder andere door beperkingen in de methodologische opzet. Er is behoefte aan kwalitatief goed opgezette studies, die gemaakte voorspellende modellen valideren. Ten aanzien van PICS-predictiemodellen is sprake van een grote kennislacune. Voor risicofactoren PICS werden 6 studies geïncludeerd waarbij geen eenduidige risicofactoren konden worden aangemerkt, vooral vanwege de beperkte kwaliteit van de studies. Ook hierbij heeft de werkgroep vastgesteld dat er een duidelijke kennislacune is op gebied van risicofactoren van PICS.
De werkgroep merkt op dat in een recente Nederlandse studie, die op het moment van de search nog niet was gepubliceerd, meerdere risicofactoren zijn geïdentificeerd die geassocieerd zijn met PICS-symptomen (Geense, 2021). Dit betreft een prospectieve multicenter cohortstudie in Nederland waarbij 2345 IC-patiënten werden geïncludeerd en waarbij door middel van multivariabele regressieanalyses risicofactoren zijn geïdentificeerd voor het fysieke, mentale en cognitieve domein van PICS. De associatiemodellen zijn niet extern gevalideerd. Echter, aangezien het een grote Nederlandse multicenter studie betreft, er geen studies waarin externe validatie plaats heeft gevonden beschikbaar zijn en de resultaten goed verklaarbaar zijn, kiest de werkgroep ervoor om de resultaten van deze studie mee te wegen in de aanbevelingen.
Geense (2021) geeft aanwijzingen dat de gezondheidsstatus van de patiënt voorafgaand aan de IC-opname sterk samenhangt met de kans op nieuwe PICS-problemen. Zo leidt ernstige vermoeidheid voorafgaand aan de opname, waarschijnlijk vaker tot toegenomen kwetsbaarheid, angst en depressie na de IC-opname. Angstsymptomen voorafgaand aan de IC-opname zijn waarschijnlijk geassocieerd met toegenomen angst, depressie en cognitieve problemen na IC-opname. Vooraf aanwezige symptomen van depressie gaan waarschijnlijk vaak samen met vermoeidheid en angst na IC-opname. Vrouwelijk geslacht lijkt een risicofactor voor kwetsbaarheid en vermoeidheid na IC-opname. Hogere leeftijd lijkt een risicofactor voor toename van kwetsbaarheid, cognitieve problemen, angst en PTSD-symptomen. Een hoger opleidingsniveau lijkt juist gunstig, en verkleint waarschijnlijk de kans op depressie of PTSD-symptomen. Ook een IC-opname na een geplande chirurgische operatie (>12uur IC-opname) lijkt geassocieerd met minder kwetsbaarheid, minder vermoeidheid, minder depressie en minder cognitieve problemen na de opname.
Verrassend genoeg bleek in de bovenstaande studie de ernst van ziekte en de IC-opnameduur (als continue variabele uitkomst) geen duidelijke voorspellers van PICS-symptomen (alle drie de domeinen). In de Britse ‘NICE guideline for rehabilitation after critical illness’ (2009) wordt een lange IC-opname duur wel aangemerkt als een risicofactor voor nieuwe fysieke of mentale klachten na de IC-opname, en dit strookt ook met de ervaring van de leden van de werkgroep. Ook hecht de werkgroep waarde aan de publicatie van Pandharipande (2013), al voldeed deze niet aan de selectiecriteria van de voor deze module uitgevoerde literatuurstudie. In deze studie werd een krachtig verband gezien tussen de duur van een tijdens de IC-opname optredend delirium (mediaan 4 dagen), en cognitieve problemen na ontslag van de IC (Pandharipande, 2013).
Op basis van het bovenstaande heeft de werkgroep de volgende risicofactoren aangemerkt, die tijdens de IC-opname kunnen worden gebruikt om het risico op PICS in te schatten:
- IC-spoedopname (medisch of chirurgisch)
- langdurige IC-opname (een week of langer)
- hogere leeftijd (> 65 jaar)
- voor IC-opname al bestaande kwetsbaarheid (clinical frailty scale 6 of hoger)
- voor IC-opname reeds aanwezige symptomen van angststoornis of depressie
- tijdens de IC-opname optredend delirium van 4 dagen of langer
Waarden en voorkeuren van patiënten (en evt. hun verzorgers)
Het is vooral van belang dat er geen voormalig IC-patiënten met symptomen van PICS gemist worden. Dit pleit voor het inrichten van een sensitief systeem, gebaseerd op risicofactoren voor PICS en gebruikmakend van screeningsinstrumenten om mogelijke symptomen van PICS laagdrempelig te herkennen. Hier staat tegenover dat het onwenselijk is om patiënten met een laag risico op PICS te belasten met bijvoorbeeld een onnodige poli-afspraak. Deze patiënten zouden mogelijk meer gebaat zijn bij een proactieve voorlichting en het advies contact op te nemen bij mogelijke PICS-symptomen. Dit geldt ook voor sommige patiënten die op basis van hun opnamediagnose al in een uitvoerig nazorgtraject zitten. Hier kan informatie over PICS in de ontslagbrief van de IC naar de behandelaars en de huisarts mogelijk volstaan.
Kosten (middelenbeslag)
Het adequaat identificeren van patiënten waarbij nazorg geïndiceerd is, zou in theorie kosten kunnen besparen. Het selecteren van patiënten op basis van risicofactoren zal geen grote financiële investeringen vragen. Als een dergelijk selectiesysteem echter te gevoelig is, en er veel patiënten nazorg krijgen die dat niet nodig hebben, dan werkt het systeem kostenverhogend. Om die reden ziet de werkgroep naast de risicofactoren een rol voor expert opinion bij het selecteren van patiënten voor een nazorgtraject. Expert opinion kan ertoe bijdragen dat de juiste patiënten nazorg aangeboden krijgen, en dat zowel overbehandeling als onderbehandeling wordt vermeden.
Aanvaardbaarheid, haalbaarheid en implementatie
Op welke wijze kunnen risicofactoren worden gebruikt?
Sommige van bovenstaande risicofactoren (spoedopname, hogere leeftijd) komen zonder enige moeite in beeld. Een wat grotere uitdaging is om de reeds voor IC-opname aanwezige symptomen van angst of depressie in kaart te brengen. Hiervoor is tijdens de IC-opname soms nog een korte (hetero-) anamnese nodig.
Er zal een beperkt draagvlak zijn voor een selectiesysteem wat alleen gebaseerd is op een afvinklijst van risicofactoren. Los van wel of niet aanwezige risicofactoren, kan voor de behandelaren immers heel duidelijk zijn dat een patiënt wel, of juist geen verhoogd risico heeft op PICS. Er is daarom ook een rol voor expert opinion. Intensivisten, de IC-nazorgcoördinator (zie module Organisatie van zorg), IC-verpleegkundigen, paramedici die de patiënt op de IC behandelen en de mogelijk al betrokken revalidatie arts, moeten in de gelegenheid zijn om een patiënt aan te merken voor IC-nazorg, ongeacht wel of niet aanwezige risicofactoren. Een logisch moment voor de definitieve beslissing over het risico op PICS en de gewenste mate van nazorg is het moment van ontslag van de IC. De uiteindelijke beslissing kan worden genomen door de intensivist die de patiënt ontslaat, of de nazorgcoördinator (zie module Organisatie van zorg – submodule ‘Coördinatie en taken met betrekking tot de organisatie van IC-nazorg’). Ook kan de patiënt en/ of naaste(n) zelf verzoeken om in aanmerking te komen voor een IC-nazorg traject.
Een bijzonder punt van aandacht is de nazorg bij PICS-F. Soms heeft de patiënt zelf weinig nazorg nodig, maar heeft de partner of een ander familielid dat des te meer. Ook dit moet worden meegewogen door de expert die de definitieve keuze maakt om wel of geen nazorg aan te bieden.
Rationale van de aanbeveling: weging van argumenten voor en tegen de interventies
De uitgevoerde literatuurstudie leverde geen bewezen risicofactoren voor PICS op. Een zeer recent gepubliceerde Nederlandse studie geeft mogelijk aanwijzingen, ondanks dat validatie van de gevonden associatiemodellen ontbreken. De werkgroep kiest vanwege de Nederlandse data en de omvang van deze multicenter studie en ondanks dat validatie van de gevonden associatiemodellen ontbreekt, ervoor om naast de ervaring van de werkgroep ook voorlopig de resultaten van deze studie mee te nemen bij de aanbeveling. Een deel van de risicofactoren waren factoren die al voorafgaand aan de IC-opname bepaald zijn.
Vanwege de beperkte wetenschappelijke onderbouwing voor de gevonden risicofactoren, en om te voorkomen dat blindelings gebruik van een afvinklijst met risicofactoren tot over- of onderbehandeling bij nazorg leidt, ziet de werkgroep bij de definitieve keuze voor de vorm van nazorg ook een rol voor expert opinion.
De werkgroep adviseert om uiterlijk bij ontslag van de IC te documenteren of patienten een laag, gemiddeld of hoog risico op PICS hebben. Deze indeling in drie risico categorien is richtinggevend voor de vorm van nazorg, zoals wel of geen bezoek aan de nazorgpoli (zie module 6 Organisatie van IC-nazorg, submodule 6.1).
Onderbouwing
Achtergrond
In Nederland overleeft ruim 90% van de opgenomen patiënten een intensive care (IC) opname. Een deel van deze patiënten heeft nadien echter klachten die samenhangen met de IC-behandeling en/of de doorgemaakte kritieke ziekte. Deze klachten kunnen fysiek, cognitief of mentaal van aard zijn, en worden ook wel het post-intensive care syndroom (PICS) genoemd. Om patiënten te ondersteunen bij het herstel na een IC-behandeling is het essentieel dat PICS tijdig wordt herkend. Een eerste stap hierbij is het onderkennen van risicofactoren voor PICS. Een vervolgstap zou kunnen zijn dat predictiemodellen worden gebruikt om patiënten met een hoog risico op PICS te identificeren. Door kennis van risicofactoren en het toepassen van eventuele predictiemodellen voor PICS, kan bepaald worden welke patiënten gevolgd moeten worden na ontslag van de intensive care.
Conclusies
- GRADE |
No conclusions could be drawn as the associations of the defined potential risk factors are not reported in at least one externally validated model or two unvalidated models investigating the association of patient characteristics and ICU-variables, adjusted for age and gender, with presence of anxiety in patients three or more months after discharge from the ICU.
Sources: - |
Very low GRADE |
The evidence is very uncertain about the effect of age, gender, problematic drinking, traumatic event exposure and lifetime psychological history (all adjusted for gender) on presence of depression in patients three or more months after discharge from the ICU.
Sources: Davydow, 2013, Hopkins, 2010, Myhren, 2010 and Paparrigopoulos, 2014 |
- GRADE |
For other potential risk factors as mentioned above, no conclusions could be drawn as the associations of the defined potential risk factors are not reported in at least one externally validated model or two unvalidated models investigating the association of patient characteristics and ICU-variables, adjusted for age and gender, with the presence of depression in patients three or more months after discharge from the ICU.
Sources: - |
Very low GRADE |
The evidence is very uncertain about the effect of age, gender, educational status, traumatic event exposures and lifetime psychological history (adjusted for age and gender), on the presence of PTSD in patients three or more months after discharge from the ICU.
Sources: Davydow, 2013, Myhren, 2010 and Paparrigopoulos, 2014 |
- GRADE |
For other potential risk factors as mentioned above, no conclusions could be drawn as the associations of the defined potential risk factors are not reported in at least one externally validated model or two unvalidated models investigating the association of patient characteristics and ICU-variables, adjusted for age and gender, with the presence of PTSD in patient three or more months after discharge from the ICU.
Sources: - |
- GRADE |
No conclusions could be drawn as the associations of the defined potential risk factors are not reported in at least one externally validated model or two unvalidated models investigating the association of patient characteristics and ICU-variables, adjusted for age and gender, with the presences of depression and PTSD (combined) in patients three or more months after discharge from the ICU.
Sources: - |
- GRADE |
No conclusions could be drawn as the associations of the defined potential risk factors are not reported in at least one externally validated model or two unvalidated models investigating the association of patient characteristics and ICU-variables, adjusted for age and gender, with walking distance or cognitive functioning in patients after three months or more after discharge from the ICU.
Sources: - |
Samenvatting literatuur
PICO 1: What is the diagnostic accuracy of a clinical decision making model used to determine the risk on developing PICS in patients after at least three months of discharge from the ICU?
Description of studies and results
No studies that answered PICO 1 were found.
PICO 2: What are the risk factors for the development of PICS after at least three months of discharge from the ICU?
Description of studies
Asimakopoulou (2014), Davydow (2013), Hopkins (2010), Myhren (2010), Paparrignopoulos (2014) and Pfoh (2016) presented multivariable models describing associations of patient characteristics and ICU variables with anxiety, depression, PTSD, and walking distance at least 3 months after discharge from the ICU. Details of the presented models are shown in Table 1.
Table 1: Presented models
Study |
Population |
N (% events) |
Analysis method |
Potential risk factors included in presented model |
Outcome measure |
Asimakopoulou, 2014; |
Patients who stayed at least 24 hours in the ICU, mean (95%CI) ICU length of stay: |
N=102 %depression + PTSD: 17.6% |
Multivariable logistic regression analysis, predictor selection by univariate analysis |
- Gender - Age - APACHE scale - Glasgow Coma Scale - Organ loss - Disability (not clearly defined) - Oxygen therapy |
Comorbidity major depression and PTSD at 3 months (prevalence rates were recorded according to MINI–DSM-IV clinical symptoms criteria) |
Davydow, 2013; USA |
Patients being admitted at least 24 hours in the ICU |
N=150 % PTSD at 3 months: 10% 2) % depression at 12 months: 17% % PTSD at 12 months: 15% |
Mixed-model linear regression analysis with pre-specified confounding variables
|
For outcomes 1 and 2 (see right column) - In-hospital substantial acute stress symptoms (defined as symptoms consistent with PTSD that are present for less than 1 month after occurrence of a traumatic stressor) - Age - Gender - Race - Education - Married/partner - Lifetime history of major depression - Problem drinking - Problem drug use - Traumatic events exposure - Charlson co-morbidity score - SAPS II - Mechanically ventilated - Surgery - blood product transfusion - Delirium - Physical restraints - Benzodiazepines - Opioids - Antidepressants |
1) Difference in PTSD between 3 and 12 months (PTSD Checklist-civilian version) 2) Difference in depression between 3 and 12 months (Patient Health Questionnaire-9) |
Hopkins, 2010; USA |
ARDS-survivors included in a trial regarding mechanical ventilation |
N=74 |
Stepwise multiple (linear) regression with bootstrap procedure for internal validation |
- History of alcohol dependence - Gender - Age |
Depression at one year (Beck Depression Inventory) |
Myhren, 2010; Norway |
Patients who stayed at least 24 hours to ICU |
1) N=159 % PTSD: 27%
2) N=187 % Anxiety: 18%
3) N=187 % Depression: 12% |
Multivariable logistic regression analysis, using forward Wald variable selection and adjusting for age and gender. |
1)
2)
3) |
1) PTSD at one year (Impact of Event Scale)
2) Anxiety at one year (Hospital Anxiety and Depression scale - Anxiety)
3) Depression at one year (Hospital Anxiety and Depression scale - Depression) |
Paparrignopoulos, 2014; Greece |
Consecutive adult patients admitted for at least 24 hours to ICU |
1+2+3+4) N=48 % Depression: 31% % PTSD: 25% |
1+2) Multivariable logistic regression analysis with forward conditional variable selection
3+4) Multivariable linear regression analysis with forward conditional variable selection |
1+2+3+4) - Gender - Age - Adulthood traumatic events - Childhood traumatic events - Stressful life events - Lifetime psychological history - Social issues |
1) Depression after 18-24 months (Center for Epidemiologic Studies for Depression)
2) PTSD after 18-24 months (Davidson Trauma Scale)
3) Depression after 18-24 months Epidemiologic Studies for Depression)
4) PTSD after 18-24 months Trauma Scale)
|
Pfoh, 2016; USA |
Mechanically ventilated patients with ARDS Median (IQR) ICU length of stay: 15 (10-23 days) |
N=193 |
Generalized linear mixed model, with a random intercept for each patient and main effects for each follow-up time |
- Age - Charlson comorbidity index |
1) Walking distance (6MWT - decline) 5-year follow-up period (multiple measurements) |
Results
Anxiety
Only Myhren (2010) presented a model with the outcome anxiety. As this study was not externally validated, results could not be compared with other studies and are as such not further described.
Depression
Four studies (Davydow, 2013; Hopkins, 2010; Myrhen, 2010; Paparrignopoulo, 2014) presented models with the outcome depression. As reported models had different included potential riskfactors, results could not be pooled. Potential risk factors age, gender, problem drinking, traumatic event exposure and lifetime psychological history were included in more than one study. Table 2a-e shows the relevance of reported associations regarding potential risk factors and depression.
Table 2a: Relevance of potential risk factor ‘age’ for depression
|
Effect size (95CI), age per year |
|
Outcome: change in depression score between 3 and 12 months (continuous, linear regression) |
||
|
Davydow, 2013 (model 2) |
β: -0.03 (-0.1 to 0.1) |
|
Davydow, 2013 (model 4) |
β: -0.03 (-0.1 to 0.1) |
Outcome: depression score (continuous, linear regression) |
||
|
Hopkins, 2010 |
β: -0.10 (n.r.) |
|
Paparrigopoulos, 2014 (model 3) |
β: 0.221 (0.043 to 0.400) |
Outcome: depression (dichotomous, logistic regression) |
||
|
Myhren, 2010 (model 3) |
n.r. |
|
Paparrigopoulos, 2014 (model 1) |
OR: 1.050 (1.005 to 1.096) |
Table 2b: Relevance of potential risk factor ‘gender’ for depression
|
Effect size (95CI), gender |
|
Outcome: Outcome: change in depression score between 3 and 12 months (continuous, linear regression), |
|
|
|
Davydow, 2013 (model 2) (male) |
β: -0.1 (-2.7 to 0.6) |
|
Davydow, 2013 (model 4) (male) |
β: -1.1 (-2.9 to 0.6) |
Outcome: depression score (continuous, linear regression) |
|
|
|
Hopkins, 2010, (female) |
β: 3.61 (n.r.) |
|
Paparrigopoulos, 2014 (model 3) (reference unknown) |
β: 0.049 (n.r.) |
Outcome: depression (dichotomous, logistic regression) |
|
|
|
Myhren, 2010 (model 3) (reference unknown) |
n.r. |
|
Paparrigopoulos, 2014 (model 1) (reference unknown) |
OR: 0.218 (n.r.) |
Table 2c: Relevance of potential risk factor ‘problem drinking’ for depression
|
Effect size (95CI), problem drinking |
|
Outcome: change in depression score between 3 and 12 months (continuous, linear regression) |
||
|
Davydow, 2013 (model 2) |
β=0.3 (−2.3 to 2.9) |
|
Davydow, 2013 (model 4) |
β=-0.7 (−3.5 to 2.1) |
Outcome: depression score (continuous, linear regression) |
||
|
Hopkins, 2010 |
β=8.62 (n.r.) |
Table 2d: Relevance of potential risk factor ‘traumatic event exposure’ for depression
|
Effect size (95CI), traumatic event exposure |
|
Outcome: change in depression score between 3 and 12 months (continuous, linear regression) |
|
|
|
Davydow, 2013, (model 2) |
β=0.6 (0.3 to 0.9) |
|
Davydow, 2013, (model 4) |
β=0.6 (0.2 to 0.9) |
Outcome: depression score (continuous, linear regression) |
|
|
|
Paparrigopoulos, 2014 (model 3) |
Adulthood β=0.124 (n.r.) Childhood β=0.192(n.r.) |
Outcome: depression (dichotomous, logistic regression) |
|
|
|
Paparrigopoulos, 2014 (model 1) |
Adulthood OR=0.861 (n.r.) Childhood OR=1.333(n.r.) |
Table 2e: Relevance of potential risk factor ‘lifetime psychological history’ for depression
|
Effect size (95CI), lifetime history of major depression/psychological history |
|
Outcome: change in depression score between 3 and 12 months (continuous, linear regression) |
|
|
|
Davydow, 2013, (model 2) |
β=2.9 (1.0 to 4.8) |
|
Davydow, 2013, (model 4) |
β=2.2 (0.1 to 4.2) |
Outcome: depression score (continuous, linear regression) |
|
|
|
Paparrigopoulos, 2014 (model 3) |
β=12.40 (5.411 to 19.38) |
Outcome: depression (dichotomous, logistic regression) |
|
|
|
Paparrigopoulos, 2014 (model 1) |
OR=9.540 (2.061 to 44.16) |
PTSD
Three studies (Davydow, 2013; Myhren, 2010; Paparrignopoulo, 2014) presented models with the outcome depression. Because models were not externally validated, only results regarding potential risk factors that were included in two or more studies are eligible to be discussed. For these studies, age, gender, educational status, problematic alcohol use, traumatic event exposures and lifetime psychological history are included in more than one study. Table 3a-e shows the relevance of reported associations regarding potential risk factors and PTSD.
Table 3a: Relevance of potential risk factor ‘age’ for PTSD
|
Effect size (95CI), age per year |
|
Outcome: change in PTSD score between 3 and 12 months (continuous, linear regression) |
|
|
|
Davydow, 2013, (model 1) |
β=-0.1 (-0.2 to 0.1) |
|
Davydow, 2013, (model 3) |
β=-0.1 (-0.2 to 0.1) |
Outcome: PTSD score (continuous, linear regression) |
|
|
|
Paparrigopoulos, 2014 (model 4) |
β=0.090 (n.r.) |
Outcome: PTSD (dichotomous, logistic regression) |
|
|
|
Myhren, 2010 (model 1) |
n.r. |
|
Paparrigopoulos, 2014 (model 2) |
OR=0.384 (n.r.) |
Table 3b: Relevance of potential risk factor ‘gender’ for PTSD
|
Effect size (95CI), gender |
|
Outcome: change in PTSD score between 3 and 12 months (continuous, linear regression) |
||
|
Davydow, 2013, (model 1) (male) |
β=-2.7 (-6.0 to 0.6) |
|
Davydow, 2013, (model 3) (male) |
β=-2.2 (-5.8 to 1.3) |
Outcome: PTSD score (continuous, linear regression) |
||
|
Paparrigopoulos, 2014 (model 4) (reference unknown) |
β=0.15 (n.r.) |
Outcome: PTSD (dichotomous, logistic regression) |
||
|
Myhren, 2010 (model 1) (reference unknown) |
n.r. |
|
Paparrigopoulos, 2014 (model 2) (reference unknown) |
OR=2.399 (n.r.) |
Table 3c: Relevance of potential risk factor ‘educational status’ for PTSD
|
Effect size (95CI), educational status |
|
Outcome: change in PTSD score between 3 and 12 months (continuous, linear regression) |
||
|
Davydow, 2013, (model 1) (education less than high school) |
β=-0.3 (-4.7 to 5.3) |
|
Davydow, 2013, (model 3) (education less than high school) |
β=-0.3 (-5.0 to 5.6) |
Outcome: PTSD (dichotomous, logistic regression) |
||
|
Myhren, 2010 (model 1) (high education level) |
OR=0.38 (0.15 to 0.95) |
Table 3d: Relevance of potential risk factor ‘traumatic event exposure’ for PTSD
|
Effect size (95CI), traumatic event exposure |
|
Outcome: change in PTSD score between 3 and 12 months (continuous, linear regression) |
|
|
|
Davydow, 2013, (model 1) |
β=0.6 (0.04 to 1.12) |
|
Davydow, 2013, (model 3) |
β=0.6 (-0.1 to 1.2) |
Outcome: PTSD score (continuous, linear regression) |
|
|
|
Paparrigopoulos, 2014 (model 4) |
Adulthood β=17.01 (1.1 to 32.9) Childhood β=0.090 (n.r.) |
Outcome: PTSD (dichotomous, logistic regression) |
||
|
Paparrigopoulos, 2014 (model 2) |
Adulthood OR=2.891 (n.r.) Childhood OR=1.3333 (n.r.) |
Table 3e: Relevance of potential risk factor ‘lifetime psychological history’ for PTSD
|
Effect size (95CI), lifetime history of major depression |
|
Outcome: change in PTSD score between 3 and 12 months (continuous, linear regression) |
|
|
|
Davydow, 2013, (model 1) |
β=3.3 (-0.5 to 7.1) |
|
Davydow, 2013, (model 3) |
β=2.9 (-1.2 to 7.0) |
Outcome: PTSD score (continuous, linear regression) |
|
|
|
Paparrigopoulos, 2014 (model 4) |
β=19.67 (7.136 to 32.99) |
Outcome: PTSD (dichotomous, logistic regression) |
|
|
|
Paparrigopoulos, 2014 (model 2) |
OR=13.01 (2.413 to 70.1) |
Depression and PTSD (combined)
Only Asimakopoulou, 2014 presented a model with the outcome depression and PTSD. As this study was not externally validated, results could not be compared with other studies and are not further described.
Walking distance
Only Pfoh (2016) presented a model with the outcome walking distance. As this study was not externally validated, results could not be compared with other studies and are not further described.
Cognitive functioning
This outcome measure was not reported in the included studies.
Level of evidence of the literature
Anxiety
Due to limited available literature testing multivariable models meeting our inclusion criteria, level of evidence cannot be graded.
Depression
The level of evidence regarding the outcome measure depression started at high and was downgraded to very low because of the following reasons: selection bias (risk of bias, 1 level); unvalidated studies (bias due to indirectness, 1 level); number of included patients/events, and unreported confidence intervals (imprecision, two levels).
PTSD
The level of evidence regarding the outcome measure depression started at high and was downgraded to very low because of the following reasons: selection bias (risk of bias, 1 level); unvalidated studies (bias due to indirectness, 1 level); number of included patients/events, and unreported confidence intervals (imprecision, two levels).
Depression and PTSD (combined)
Due to limited available literature testing multivariable models meeting our inclusion criteria, level of evidence cannot be graded.
Walking distance and cognitive functioning
Due to limited available literature testing multivariable models meeting our inclusion criteria, level of evidence cannot be graded.
Zoeken en selecteren
PICO 1: What is the diagnostic accuracy of a clinical decision making model used to determine the risk on developing PICS in patients after at least three months of discharge from the ICU?
P: patients discharged from the ICU after at least 48 hours of admission
I: clinical decision making model determining the risk on developing PICS
C: clinical decision making model determining the risk on developing PICS
O: diagnostic accuracy
T: discharge from ICU
S: ICU
PICO 2: Which variables are risk factors for the development of PICS after at least three months of discharge from the ICU?
P: patients discharged from the ICU after at least 48 hours of admission
I: presence of patient characteristics (history of psychological burden, frailty, comorbidity) and ICU variables (acute ICU admission, APACHE score, duration of ICU admission, duration of mechanical ventilation, kidney failure, delirium)
C: absence of potential risk factors described under I
O: Anxiety (including PTSD), depression, walking distance and cognitive functioning at least 3 months after discharge from the ICU
T: discharge from ICU
S: ICU
Relevant outcome measures
The guideline development group considered all outcome measures as a critical outcome measure for decision making.
A priori, the working group did not define the outcome measures listed above but used the definitions used in the studies.
Study design and hierarchy
When reviewing literature, there is a hierarchy in quality of individual studies. Preferably, the effectiveness of a clinical decision model is evaluated in a clinical trial. Unfortunately, these studies are very rare. If not available, studies in which prediction models are developed and validated in other samples of the target population (external validation) are preferred as there is more confidence in the results of these studies compared to studies that are not externally validated. Most samples do not completely reflect the characteristics of the total population, resulting in deviated associations, possibly having consequences for conclusions. Studies validating prediction models internally (e.g. bootstrapping or cross validation) can be used to answer the first research question as well, but downgrading the level of evidence is obvious due to risk of bias and/or indirectness as it is not clear whether models perform sufficiently in target populations.
When no externally validated prediction model is available, we will try to answer PICO 2 by including studies reporting (unvalidated) prediction models and longitudinal association models. In our analyses, we will focus on the reported results regarding individual risk factors. Due to the low confidence in the results of unvalidated models, specific results regarding risk factors of interest reported in such models will be described only if potential risk factors have been used in at least two models/studies. In addition, univariable models cannot be included in the analyses or graded as confidence in these models is too low, because possible confounders are not taken into account when interpreting the effect of individual risk factors. The risk factors identified from multivariable (unvalidated) prediction models or multivariable longitudinal association models can be used to inform patients about the elevated risk on developing PICS, however they are less suitable to be used in clinical decision making.
Search and select (Methods)
The database Medline (via OVID) was searched with relevant search terms until February 17th 2020. The detailed search strategy is depicted under the tab Methods. The systematic literature search resulted in 157 hits.
The working group did not expect to find externally validated prediction models. The review of Haines (2020) confirmed the absence of such models. Therefore, the working group focused on the selection of literature meeting the criteria of PICO 2.
Studies were selected based on the following criteria:
- Being a systematic review, randomized controlled trial (RCT) or prospective observational study (cohort study).
- Reporting a multivariable model with outcome at three months after discharge or later as dependent variable and independent variables determined (patient characteristics and ICU variables) at or before discharge from ICU.
- Multivariable models must include relevant demographic variables as age and gender.
- Multivariable models do not take independent variables into account that were determined after ICU-discharge.
First, the working group screened the 157 potential systematic reviews, of which 25 systematic reviews were initially selected based on title and abstract screening. A total of 24 systematic reviews were excluded (see the table with reasons for exclusion under the tab Methods), and one systematic review was included (Lee, 2019). As this review had a recent search date and very broad inclusion criteria, the included 87 individual studies were screened. From the included studies in the review, 82 studies were excluded (see the table with reasons for exclusions under the tab Methods), and five studies were included. A sixth study, not described in the systematic review, was included based on expertise of the working group.
Results
No studies were included in the analysis of the literature regarding PICO 1 (including externally validated prediction models). Six studies were included in the analysis of the literature regarding PICO 2 (including multivariable (unvalidated) prediction models and multivariable longitudinal association models). Important study characteristics and results are summarized in the evidence tables. The assessment of the risk of bias is summarized in the risk of bias tables.
Referenties
- Asimakopoulou E, Madianos M. The prevalence of major depression-PTSD comorbidity among ICU survivors in five general hospitals of Athens: a cross-sectional study. Issues Ment Health Nurs. 2014 Dec;35(12):954-63. doi: 10.3109/01612840.2014.924609. Epub 2014 Oct 17. PMID: 25325150.
- Davydow DS, Zatzick D, Hough CL, Katon WJ. A longitudinal investigation of posttraumatic stress and depressive symptoms over the course of the year following medical- surgical intensive care unit admission. Gen Hosp Psychiatry. 2013 May- Jun;35(3):226-32. doi: 10.1016/j.genhosppsych.2012.12.005. Epub 2013 Jan 28. PMID: 23369507; PMCID: PMC3644338.
- Geense, W. W., Zegers, M., Peters, M., Ewalds, E., Simons, K. S., Vermeulen, H., van der
Hoeven, J. G., & van den Boogaard, M. (2021). New Physical, Mental, and Cognitive Problems 1 Year after ICU Admission: A Prospective Multicenter Study. American journal of respiratory and critical care medicine, 203(12), 1512–1521. https://doi.org/10.1164/rccm.202009-3381OC - Haines KJ, Hibbert E, McPeake J, Anderson BJ, Bienvenu OJ, Andrews A, Brummel NE, Ferrante LE, Hopkins RO, Hough CL, Jackson J, Mikkelsen ME, Leggett N, Montgomery-Yates A, Needham DM, Sevin CM, Skidmore B, Still M, van Smeden M, Collins GS, Harhay MO. Prediction Models for Physical, Cognitive, and Mental Health Impairments After Critical Illness: A Systematic Review and Critical Appraisal. Crit Care Med. 2020 Oct 15;48(12):1871–80. doi: 10.1097/CCM.0000000000004659. Epub ahead of print. PMID: 33060502; PMCID: PMC7673641.
- Hopkins, R. O., Key, C. W., Suchyta, M. R., Weaver, L. K., & Orme, J. F., Jr (2010). Risk factors
for depression and anxiety in survivors of acute respiratory distress syndrome. General hospital psychiatry, 32(2), 147–155. https://doi.org/10.1016/j.genhosppsych.2009.11.003 - Lee M, Kang J, Jeong YJ. Risk factors for post-intensive care syndrome: A systematic review and meta-analysis. Aust Crit Care. 2020 May;33(3):287-294. doi: 10.1016/j.aucc.2019.10.004. Epub 2019 Dec 12. PMID: 31839375.
- Myhren, H., Ekeberg, O., Tøien, K., Karlsson, S., & Stokland, O. (2010). Posttraumatic stress,
anxiety and depression symptoms in patients during the first year post intensive care unit discharge. Critical care (London, England), 14(1), R14. https://doi.org/10.1186/cc8870 - Pandharipande, P. P., Girard, T. D., Jackson, J. C., Morandi, A., Thompson, J. L., Pun, B. T.,
Brummel, N. E., Hughes, C. G., Vasilevskis, E. E., Shintani, A. K., Moons, K. G.,
Geevarghese, S. K., Canonico, A., Hopkins, R. O., Bernard, G. R., Dittus, R. S., Ely, E. W., & BRAIN-ICU Study Investigators (2013). Long-term cognitive impairment after critical illness. The New England journal of medicine, 369(14), 1306–1316. https://doi.org/10.1056/NEJMoa1301372 - Paparrigopoulos, T., Melissaki, A., Tzavellas, E., Karaiskos, D., Ilias, I., & Kokras, N. (2014).
Increased co-morbidity of depression and post-traumatic stress disorder symptoms and common risk factors in intensive care unit survivors: a two-year follow-up study. International journal of psychiatry in clinical practice, 18(1), 25–31. https://doi.org/10.3109/13651501.2013.855793 - Pfoh, E. R., Wozniak, A. W., Colantuoni, E., Dinglas, V. D., Mendez-Tellez, P. A., Shanholtz, C.,
Ciesla, N. D., Pronovost, P. J., & Needham, D. M. (2016). Physical declines occurring after hospital discharge in ARDS survivors: a 5-year longitudinal study. Intensive care medicine, 42(10), 1557–1566. https://doi.org/10.1007/s00134-016-4530-1
Evidence tabellen
Evidence tables
Evidence table for prediction modelling studies (based on CHARMS checklist)
Study reference |
Study characteristics |
Patient characteristics |
Candidate predictors |
Model development, performance and evaluation
|
Outcome measures and results |
Comments Interpretation of model |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Asimakopoulou, 2014 |
Source of data1 and date: Cohort March 2009 – June 2011
Setting/ number of centres and country: 5 ICU’s in the greater Athens area
Funding and conflicts of interest: Funding: not reported Conficts of interest: none |
Recruitment method2: Consecutive patients who met the inclusion criteria:
“The ICU sample delivered from the list of all hospitalised ICU patients during the described dates included 1,986 patients. Out of this group, 1,002 patients died during ICU treatment or after discharge. From the remaining sample of 984 patients, 834 were ineligible for the study for various reasons (cognitive impairment; not traceable). The final sample consisted of 150 subjects, 48 of whom refused to participate (thus a 68% response rate).”
Inclusion criteria:
Exclusion criteria:
Treatment received:
Participants: N=102
Mean age ± SD: 44.95±15.17 years
Sex: % M / % F 65/102 (63.7%) M 37/102 (36,3%)
Other important characteristics:
ICU length of stay (days) 33.61 (range: 2-169)
|
Describe candidate predictors3 and method and timing of measurement:
“Demographic and clinical information was collected on all patients, from the hospitals’ information systems.”
Predictor 1: Gender (female/male) Predictor 2: Age (in years) Predictor 3: Organ loss (yes/no) Predictor 4: Predictor 5: Sedation (yes/no) Predictor 6: Length of stay (16-60 days/>61 days/1-15 days)
Number of participants with any missing value4? Not reported
How were missing data handled5? Not specified. |
Development Modelling method6: “Independent variables that were found to bear a statistically significant association with the outcome in the context of univariate analyses were then entered simultaneously into the logistic regression model”
Performance Calibration measures7 and 95%CI: Likely Hosmer-Lemeshow test: p>0.05 Discrimination measures8 and 95%CI: Not reported Classification measures9: Not reported
Evaluation Method for testing model performance10: Not reported
|
Type of outcome: Combination of major depression and PTSD after 3 months
Definition and method for measurement of outcome: Mini International Neuropsychiatric Interview – MINI (version 5.0.0) (Sheehan et al., 1998) Depression and PTSD MINI–DSM-IV clinical symptoms criteria. The phrasing of the questions related to detection of symptoms – criteria for DSMIV diagnoses were modified in order to cover the time between the discharge from the hospital and the time of the interview.”
Endpoint or duration of follow-up: 3 months
Number of events/outcomes: 17.6% (n=18) comorbidity major depression with PTSD
RESULTS Multivariable model11:
Comorbidity major depression and PTSD
Alternative presentation of final model12: Not reported |
Interpretation: strongest predictors of major depression–PTSD comorbidity in the ICU group were the following: female gender, young age and severity of illness
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Davydow, 2013 |
Source of data1 and date: Cohort September 2010 – August 2011
Setting/ number of centres and country: Harborview medical center, Seattle, WA
Funding and conflicts of interest: Funding: non-commercial Conficts of interest: Dr. Katon discloses that he has received honoraria in the last 12 months for CME lectures funded indirectly by Lilly, Forest and Pfizer. |
Recruitment method2: Consecutive patients
Inclusion criteria:
Exclusion criteria: - Initial admission diagnosis of traumatic injury - pre-existing cognitive impairment or dementia diagnosis noted in the medical record - communication/language barrier - ICU length of stay (LOS) ≤ 24 hours - pre-existing medical illness with life expectancy of < 12 months - admission for a suicide attempt.
Treatment received:
Participants: N=150 follow-up interview
Characteristics of patients who completed follow-up:
Mean age ± SD: 49.0±14.6 years
Sex: % M / % F 69/120 (57.5%) M 51/120 (42.5%) F
Other important characteristics:
ICU length of stay (days) 7.5 (8.2)
|
Describe candidate predictors3 and method and timing of measurement:
“Baseline patient characteristics and ICU clinical factors were obtained through medical record review and in-person interview with the patient.”
Predictor 1: Age in years Predictor 2: Sex Predictor 3: Race Predictor 4: Education Predictor 5: marital/partnered state Predictor 6: lifetime history of major depression Predictor 7: number of prior traumatic event exposures Predictor 8: problem drinking at baseline Predictor 9: problem drug use at baseline Predictor 10: Charlson comorbidity score Predictor 11: SAPS II score Predictor 12: duration of mechanical ventilation Predictor 13: number of surgeries Predictor 14: number of blood product transfusions Predictor 15: days physically restrained Predictor 16: presence of probable delirium during the hospitalization Predictor 17: days of exposure to benzodiazepines Predictor 18: Opiods Predictor 19: Antipsychotics Predictor 20: Antidepressants Predictor 21: substantial acute stress syndrome.
Number of participants with any missing value4? 30 patients did not complete the 12 month interview.
How were missing data handled5? Not specified. |
Development Modelling method6: Mixed-model linear regression analysis with pre-specified confounding variables
Performance Calibration measures7 and 95%CI: Not reported Discrimination measures8 and 95%CI: Not reported Classification measures9: Not reported
Evaluation Method for testing model performance10: Not reported
|
Type of outcome: 1) symptoms of posttraumatic stress disorder over the course of the year following medical-surgical intensive care unit admission 2) symptoms of depression following medical surgical intensive care unit admission
Definition and method for measurement of outcome: 1) PTSD Checklist-civilian version. “Substantial PTSD symptoms can be ascertained with the PCL-C by following an algorithm that considers a score of 3 or more on at least 1 intrusive symptom, 3 avoidant symptoms, and 2 arousal symptoms as consistent with DSM diagnostic criteria” 2) Patient Health Questionnaire-9 “We defined substantial depressive symptoms as a PHQ-9 score ≥ 10”
Endpoint or duration of follow-up: 12 months
Number of events/outcomes: “At 3 months post-discharge from the ICU (mean: 88.8 days, SD: 28.0), 16% (95%Confidence Interval [95%CI]: 10%, 23%) of patients had substantial PTSD symptoms and 31% (95%CI: 23%, 39%) had substantial depressive symptoms.” “One year after ICU admission (mean: 356.4 days, SD: 29.2), the prevalence of substantial depressive symptoms had decreased to 17% (95%CI: 10%, 23%) while the prevalence of substantial PTSD symptoms was 15% (95%CI: 9%, 21%).”
RESULTS Multivariable model11:
PTSD
PTSD
Depression
Depression
Alternative presentation of final model12: Not reported |
Interpretation: and greater prior traumatic event exposure, we identified that a potentially modifiable factor, in-hospital substantial acute stress symptoms, was independently associated with greater severity of post-ICU PTSD and depressive symptoms.”
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Hopkins, 2010 |
Source of data1 and date: Acute respiratory distress syndrome survivors from a single-center mechanical ventilation randomized clinical trial of higher vs. lower tidal volume target strategies conducted from February 1994 to December 1999
Setting/ number of centres and country: Single-center; USA
Funding and conflicts of interest: Not reported |
Recruitment method2: First author invited ARDS-survivors from single-center mech. ventilation RCT of higher vs. lower tidal volume target strategies conducted from February 1994 to December 1999 [20]
120 patients evaluated for this study, of which
Inclusion criteria:
Exclusion criteria:
Treatment received:
Participants: N=74
Mean age ± SD: 46±16 years (range 16–81 years),
Sex: % M / % F 33/74 (45%) M / 41/74 (55%) F
Other important characteristics:
Hospital length of stay (days) 39±22
Number of ARDS risk factors, mean±SD: 3.1±1.3 0–1.8 Intubation duration (days), mean±SD: 28±19 3–94 ICU length of stay (days); mean±SD: 34±20 5–98 Hospital length of stay (days); mean±SD: 39±22 7–122 Charlson comorbidity index [36]; mean±SD: 1±1.2 0–4 Study enrollment APACHE II score 18.1±6.6 5–41 MOF score 7.2±3.5 0–18 PaO2/FiO2 107±32 54–151 FiO2 (%) 68±15 40–100 PaO2 mmHg 69±13 47–121 |
Describe candidate predictors3 and method and timing of measurement:
“Patient demographic and medical data were collected and recorded prospectively using hospital-wide clinical electronic medical records”
Predictor 1: history of alcohol dependence; defined using DSM IV criteria [23]. Predictor 2: Gender Predictor 3: Age
Number of participants with any missing value4? 1 year FU: N = 8/74 (11%); (3x death, 5x decline 1y FU)
How were missing data handled5? Not specified; patient excluded from analysis |
Development Modelling method6: stepwise multiple regressions with bootstrap procedure
Performance Calibration measures7 and 95%CI: Not reported Discrimination measures8 and 95%CI: Not reported Classification measures9: R2=.177, R2adj=.138
Evaluation Method for testing model performance10: internal validation; bootstrap procedure; “A bootstrap procedure was used to confirm which independent variables significantly predicted these outcomes. The bootstrap method takes a random sample of the original dataset with replacement. Sampling with replacement means that every sample is returned to the data set after sampling. Thus, a particular data point from the original data set could appear multiple times in a given bootstrap sample. A regression analysis is then computed for this bootstrap sample. The regression coefficients (B and beta) are recorded and the procedure starting with a new sample is repeated (1000 times total in our analysis for each outcome). Confidence intervals (95%) are then computed for each regression coefficient. Any variable that is clearly related to the outcome will have confidence intervals for its coefficients that do not include zero. Thus, those variables which met the confidence interval criterion were selected and entered into a multiple regression analysis to determine the significance of the model.”
|
Type of outcome: Anxiety (model does not fit inclusion criteria) Depression at 1-year follow-up
Definition and method for measurement of outcome: Depression: Beck Depression Inventory (BDI); 0–9 indicate minimal, 10–16 mild, 17–29 moderate and 30–63 severe depression; cut-off: >16
Endpoint or duration of follow-up: 1 year
Number of events/outcomes: 16% (n=11) had scores N>16 on the Beck Depression Inventory at 1 year
Depression score, mean±SD were within normal range: 1 year 9.3±9.5 (range 0–41)
RESULTS Multivariable model11:
Depression – 1 year (n=64) - bootstrap
Model summary: R2=.177, R2adj=.138, F(3,63)=4.53, P=.006.
Alternative presentation of final model12: Not reported |
Interpretation: exploratory, i.e. more research needed. Internal validation took place; not yet externally validated.
Age, gender and history of alcohol dependence are associated with a higher risk for depression at 1-year follow-up.
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Myhren, 2010 |
Source of data1 and date: prospective cohort study, Feb 2005 - Dec 2006
Setting/ number of centres and country: Single-center; Oslo University Hospital, Ullevaal, academic, tertiary-care centre; Norway
Funding and conflicts of interest: Funding not reported; authors declared not to have competing interests
|
Recruitment method2: Not specified; individuals approached after stay in ICU
Inclusion criteria:
Exclusion criteria:
illness (i.e. psychosis) severe head injury or cognitive failure
Treatment received: one physician and one team of nurses are assigned to the patient. Physical restraint is not used. During mechanical ventilation, the patients are treated with sedatives and analgesics.
Participants: N=255 (but, 194 at 1-year follow-up)
Mean age(SD): 47.9y (15.7)
Sex: % M 160/255 (62.7%) male
Other characteristics:
Length of ICU stay, days: 12.0 (10.3 to 13.8)
SAPS score, mean (CI): 37.0 (35.3 to 38.7) NEMS (Nine equivalents of nursing manpower use), mean/day (CI) 29.6 (28.8 to 30.5) Length ICU stay, mean days (CI): 12.0 (10.3 to 13.8) Mech. Ventilation, n (%) 216 (84.7) Duration of mech. Vent., mean days (CI) 11.0 (9.3 to 12.7) Disease category, n (%) Medical 107 (42.0) Surgical without trauma 62 (24.3) Trauma 86 (33.7) Mild/moderate head injury/disease, n (%) 72 (28.2) Transferred to local hospitals ICU, n (%) 132 (51.8) Transferred while still on MV, n (%) 66 (25.9) Life Orientation Test, mean (CI) 15.7 (15.1 to 16.3)
|
Describe candidate predictors3 and method and timing of measurement:
Predictor 1: Age; pretrauma variable Predictor 2: Gender; pretrauma variable Predictor 3: Educational status; pretrauma variable Predictor 4: Employment status; pretrauma variable Predictor 5: Personality trait; administered after ICU admission Predictor 6: Memory or pain; administered after ICU admission Predictor 7: Factual recall; administered after ICU admission Predictor 8: Delusional memories; administered after ICU admission
Number of participants with any missing value4? 35/194 (18%) not included in multivariate analysis due to any missing value
How were missing data handled5?
|
Development Modelling method6: Multivariable logistic regression analysis, using forward Wald variable selection and adjusting for age and gender. Variables were only included if the dependent variable in the univariate analyais (p>0.2)
Performance Calibration measures7 and 95%CI: See results (only reported for PTSD) Discrimination measures8 and 95%CI: Not reported Classification measures9: See results Evaluation Method for testing model performance10: No validation reported
|
Type of outcome:
Definition and method for measurement of outcome: PTSD:
Anxiety / Depression
Endpoint or duration of follow-up: 12 months
Number of events/outcomes:
RESULTS Multivariable model11:
Posttraumatic stress symptoms – 1 year
Multivariate model showed a good fit to the data: Hosmer-lemeshow statistic of 4.93 of 8 degrees of freedom (P=0.77).
Anxiety – 1 year Retrieved from text; only statistically significant associations were reported
Depression – 1 year Retrieved from text; only statistically significant associations were reported
Alternative presentation of final model12: Not reported
|
Interpretation: Exploratory, i.e. more research needed.
of pain and factual recall were independent predictors of posttraumatic stress symptoms.
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Paparrigopoulos, 2014 |
Source of data1 and date: Consecutive adult patients admitted for at least 24 h to the ICU of a general hospital during a two-year period
Setting/ number of centres and country: Not specified; Greece
Funding and conflicts of interest: Funding not reported; no conflicted to declare |
Recruitment method2: 308 patients were contacted by telephone after 18-24 months after ICU discharge;
Incl/excl. criteria: “unselected sample of adult patients without using any strict exclusion criteria”
Treatment received?
Participants: N=48
Mean age ± SD: 52.7±2.8 Sex: % M / % F 69% male, 31% female
Other important characteristics:
Duration of ICU stay, mean±SD, days: 13±3
Marital status: Single 33% Married 50% Divorced/widowed 17% SES: Above average 13% Average 66% Below average 21% Education: Illiterate/basic 35% Intermediate 38% Higher/Highest 27%
|
Describe candidate predictors3 and method and timing of measurement: Demographic information was obtained from medical record, other information was “self-reported during a semi-structured interview”
Predictor 1: Sex Predictor 2: Age Predictor 3: Adulthood traumatic events (as determined during the interview) Predictor 4: Childhood traumatic events (as determined during the interview) Predictor 5: Stressful Life Events (as determined during the interview) Predictor 6: Lifetime Psychiatric History Predictor 7: Social Issues
Number of participants with any missing value4? 0; patients included that answered phone and were eligible to participate (no reasons for exclusion described)
How were missing data handled5? Not reported; not applicable as only patients included that could be reached by phone.
|
Development Modelling method6: Multivariate linear and logistic regression analysis with forward conditional variable selection was implemented to confirm the observed associations between risk factors and positively screened depression and PTSD cases.
Performance Calibration measures7 and 95%CI: Not reported
Discrimination measures8 and 95%CI: Not reported
Classification measures9: Depression was explained by 34% of the variance in the linear analysis.
Evaluation Method for testing model performance10: No validation reported
|
Type of outcome: Depression: dichotomous PTSD: dichotomous
Definition and method for measurement of outcome: Depression: Center for Epidemiologic Studies for Depression (CES-D); cut-off at 16 PTSD: 17-item Davidson Trauma Scale (DTS) was used for the assessment of PTSD Symptoms; cut-off at 40
Endpoint or duration of follow-up: Phone interview (18-24 months after discharge)
Number of events/outcomes: Depression: n=15, 31% PTSD: n=12, 25%
RESULTS Multivariable model11: logistic regression
Depression
PTSD
Linear regression Depression
PTSD
Alternative presentation of final model12: Not reported |
Interpretation: exploratory, i.e. more research needed;
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Pfoh, 2016 |
Source of data1 and date: Medical record and new assessment; enrolment 2004-2007 in primary ICAP study. ARDS patients followed until late 2012.
Setting/ number of centres and country: 13 ICU’s from 4 hospitals, Baltimore, USA
Funding and conflicts of interest: This research was supported by the National Institutes of Health (P050HL73994, R01HL088045, and K24HL088551) along with the Johns Hopkins Institute for Clinical and Translational Research (ICTR) (UL1 TR 000424-06). Dr. Pfoh’s time was supported by an Institutional National Research Service Award (T32HP10025B0) to Johns Hopkins School of Medicine; all authors declare that they have no conflict of interest to disclosure. |
Recruitment method2: 5-year longitudinal analysis is part of Improving Care for ALI Patients (ICAP) study which recruited mechanically ventilated patients with acute lung injury (ARDS).
Inclusion criteria:
Exclusion criteria:
Treatment received?
Participants: N = 193
Age, median (IQR): 49 (IQR 41–58) years Sex: n (%) male 107 (55%) male
Other important characteristics:
APACHE II score at ICU admission: 23 [19– 28] Maximum daily SOFA organ failure score in ICU: median 9 [IQR 7–11] Dialysis in ICU: 44 (23%) Severity of ARDS (respiratory SOFA score) median 4 (IQR 3, 4) Physical therapy in the ICU 100 (52%) Mean length of stay at ICU: Median 15 (IQR 10-23) |
Describe candidate predictors3 and method and timing of measurement:
Patient baseline (pre-ARDS): Predictor 1:
Predictor 2:
Predictor 3:
Predictor 4:
These predictors were analysed in a model separate from the ‘other predictors’ that are described below.
Other predictors: ICU severity of illness measures:
ICU variables:
benzodiazepines (in midazolam-equivalents)
ICU days with Richmond Agitation Sedation Scale score −4 or −5)
Number of participants with any missing value4? six patients (3 %) were missing one or more of the physical status outcomes
How were missing data handled5?
|
Development Modelling method6:
model, with a random intercept for each patient and main effects for each follow-up time
Performance Calibration measures7 and 95%CI: Not reported
Discrimination measures8 and 95%CI: Not reported
Classification measures9: Not reported
Evaluation Method for testing model performance10: No validation reported |
Type of outcome:
Definition and method for measurement of outcome: Exercise capacity is reported as the percentage of predicted value for the 6-min walk test
each patient was defined as “declined” when a comparison of his/her current and prior score revealed a decrease that was greater than the Reliable Change Index (RCI )at each follow-up
Endpoint or duration of follow-up: 5-year follow-up period
Number of events/outcomes: 103 (53 %) had ≥1 decline(s) in exercise capacity (6MWT),
RESULTS Multivariable model11:
Exercise capacity – 5-year follow-up (n=193)
Alternative presentation of final model12: Not reported |
Interpretation:
|
1 Cohort, case-control, randomised trial participants, registry data
2 Consecutive participants?
3 Or describe number and type of candidate predictors, e.g. demographics, patient history, physical examination, additional testing, disease characteristics.
4 Include predictors and outcome
5 Complete-case analysis, imputation, other method
6 Logistic, survival, neural networks, machine learning technique
7 Calibration plot, calibration slope, Hosmer-Lemeshow test
8 C-statistic, D-statistic, log-rank
9 Sensitivity, specificity, predictive values, net reclassification improvement and a priori cut points
10 Development dataset only (internal) or separate external validation
11 Including predictor weights or regression coefficients, intercept, baseline survival, model performance measures
12 E.g. sum score, nomogram, score chart, predictions of specific risk subgroups
Table of quality assessment – prognostic factor (PF) studies
Based on: QUIPSA (Haydn, 2006; Haydn 2013)
Study reference
(first author, year of publication) |
Study participation
Study sample represents the population of interest on key characteristics?
(high/moderate/low risk of selection bias) |
Study Attrition
Loss to follow-up not associated with key characteristics (i.e., the study data adequately represent the sample)?
(high/moderate/low risk of attrition bias) |
Prognostic factor measurement
Was the PF of interest defined and adequately measured?
(high/moderate/low risk of measurement bias related to PF) |
Outcome measurement
Was the outcome of interest defined and adequately measured?
(high/moderate/low risk of measurement bias related to outcome) |
Study confounding
Important potential confounders are appropriately accounted for?
(high/moderate/low risk of bias due to confounding) |
Statistical Analysis and Reporting
Statistical analysis appropriate for the design of the study?
(high/moderate/low risk of bias due to statistical analysis) |
Asimakopoulou, 2014 |
High risk
Sample is inadequate representation of whole group of patients; only 5,1% of approached patients included in study |
Low risk
Missing data is not reported. |
High risk
Predictor disability was not clearly described. Method and timing is unclear. |
Low risk
Outcome defined (depression and PTSD) and adequately measured |
Low risk
Relevant analysis age and gender adjusted |
Low risk
Appropriate analysis; logistic regressions |
Davydow, 2013 |
High risk
Only 150 of eligible patients (1183) participated. |
Moderate risk
“Patients who did not complete follow-up were more likely to have substantial acute stress symptoms during their hospitalization” |
Low risk |
Low risk |
Low risk |
Low risk |
Hopkins, 2010 |
Moderate risk
All patients participate an RCT |
Low risk
“Of the 74 ARDS survivors enrolled in the study, three died in the first year following hospital discharge from: pulmonary fibrosis/cor pulmonale, liver failure or diabetic complications. Five survivors declined to return for 1-year follow up (e.g., busy schedules or not interested), which resulted in 66 survivors who completed the 1-year evaluation. Two ARDS survivors died in the second year (bowel obstruction or cardiac failure), and two declined to return for the 2-year follow-up, resulting in 62 survivors who completed the 2-year evaluation.” |
Low risk
Defined (“history of alcohol dependence, history of smoking, gender, ratio of PaO2 to FiO2, hours of mechanical ventilation, APACHE II score and presence of cognitive sequelae at discharge and 1 year after discharge”) and adequately measured. |
Low risk
Outcome defined (depression and anxiety) and adequately measured |
Low risk
Relevant analysis age and gender adjusted |
Low risk
Appropriate analysis, stepwise multiple regressions; and bootstrap to internally validate model |
Myhren, 2010 |
Moderate risk
Source and dates are not adequately described |
Moderate risk
Lost- to follow-up group differs in variable of interest at baseline.
“Patients that were lost to follow up (n = 61) scored significantly higher on HADS-Anxiety at baseline compared with those who completed follow up (6.6 vs. 5.3, P = 0.041), but not significantly different on HADS Depression (5.5 vs. 4.5, P = 0.116) or IES-total (25.0 vs. 21.8, P = 0.207).” |
Low risk
PFs defined and adequately described. |
Low risk
Outcome defined and adequately described. |
Low risk
All analyses age and gender adjusted |
Low risk
Appropriate analysis; logistic regressions, age/gender adjusted |
Paparrigopoulos, 2014 |
High risk
Sample is inadequate representation of whole group of patients; only 16% of approached patients included in study (41% had died, 41% could not be reached and 2% was excluded). |
Low risk
Not applicable as patients were approached at moment of follow-up measurement, 18-24 months after ICU discharge. |
Low risk
Defined (sex, age, adulthood/childhood traumatic events, stressful life events, lifetime psychiatric history, social issues) and adequately measured. |
Low risk
Outcome defined and adequately described. |
Low risk
Relevant analysis age and gender adjusted |
Low risk
Appropriate analysis; logistic regressions |
Pfoh, 2016 |
Moderate risk
Patients were included from another trial and were only included if completed 1 or more physical assessment at 3 or 6 months of follow-up. The included group was younger and healthier (lower Charlson comorbidity score) compared to patients that were not included (died or ineligible for evaluation).
|
Low risk
Missing data imputed as ‘declined’ if retrieved why data was not present; otherwise remained missing. Per outcome 1-3% of observations remained missing. |
Low risk
Defined (age per decade, male, functional comorbidity Index, Charlson comorbidity index) and adequately measured. |
Low risk
Outcome defined and adequately described. |
Low risk
Relevant analysis age and gender adjusted |
Low risk
Appropriate analysis; generalized linear mixed model |
Table of excluded studies
Author and year |
Reason for exclusion |
Abelha, 2013 |
Does not fit PICO (outcome) |
Adam, 2018 |
Does not fit PICO (confounders) |
Adhikari, 2009 |
Does not fit PICO (confounders) |
Adhikari, 2011 |
Does not fit PICO (risk factors - timing) |
Aitken, 2015 |
Does not fit PICO (risk factors - timing) |
Ali, 2008 |
Does not fit PICO (outcome) |
Alison, 2012 |
Does not fit PICO (timing - crossectional design) |
Altman, 2018 |
Does not fit PICO (outcome) |
Balas, 2009 |
Does not fit PICO (outcome) |
Balas, 2011 |
Does not fit PICO (outcome) |
Bashar, 2018a |
Does not fit PICO (outcome - timing < 3months) |
Bashar, 2018b |
Does not fit PICO (outcome-timing <3 months) |
Battle, 2013 |
Does not fit PICO (outcome) |
Battle, 2015 |
Does not fit PICO (confounders) |
Battle, 2017 |
Does not fit PICO (confounders) |
Baumbach, 2018 |
Does not fit PICO (outcome) |
Bienvenu, 2013 |
Does not fit PICO (confounders) |
Bienvenu, 2018 |
Does not fit PICO (confounders) |
Bruck, 2018 |
Does not fit PICO (outcome) |
Brummel, 2014 |
Does not fit PICO (outcome) |
Brummel, 2017 |
Does not fit PICO (outcome) |
Capuzzo, 2010 |
Does not fit PICO (confounders) |
Castillo, 2016a |
Does not fit PICO (risk factors - timing, confounders) |
Castillo, 2016b |
Does not fit PICO (risk factors - timing, confounders) |
Chan, 2018 |
Does not fit PICO (outcome) |
Chen, 2017 |
Does not fit PICO (outcome) |
Choi, 2016 |
Univariate analysis |
Davydow, 2009 |
Does not fit PICO (determints - timing) |
De Miranda, 2011 |
Univariate analysis |
De Rooij, 2008 |
Does not fit PICO (outcome) |
Denehy, 2012 |
Does not fit PICO (confounders) |
Dettling-Ihnenfeldt, 2017 |
Does not fit PICO (outcome) |
Dowdy, 2008 |
Does not fit PICO (confounders) |
Ferrante, 2016 |
Does not fit PICO (outcome) |
Govers, 2014 |
Does not fit PICO (outcome) |
Griffith, 2016 |
Does not fit PICO (outcome) |
Hayhurst, 2018 |
Does not fit PICO (outcome) |
Hodgson, 2017 |
Does not fit PICO (outcome) |
Huang, 2016 |
Does not fit PICO (determinants - timing) |
Hweidi, 2018 |
Does not fit PICO (outcome - timing < 3months) |
Jackson, 2011 |
Does not fit PICO (outcome) |
Jeng, 2008 |
Does not fit PICO (outcome) |
Johansson, 2008 |
Does not fit PICO (confounders) |
Lai, 2017 |
Does not fit PICO (outcome) |
Langerud, 2018 |
Does not fit PICO (outcome) |
Levinson, 2016 |
Does not fit PICO (outcome) |
McKinley, 2013 |
Does not fit PICO (outcome) |
Merriweather, 2018 |
Does not fit PICO (outcome) |
Milton, 2018 |
Does not fit PICO (confounders) |
Mitchel, 2018 |
Does not fit PICO (outcome) |
Morandi, 2018 |
Does not fit PICO (outcome) |
Myhren, 2009 |
Does not fit PICO (outcome-timing <3 months) |
Myhren, 2011 |
Does not fit PICO (outcome) |
Neto, 2016 |
Does not fit PICO (outcome) |
Orwelius, 2008 |
Does not fit PICO (outcome) |
Paddle, 2014 |
Does not fit PICO (confounders) |
Pandharipande, 2013 |
Does not fit PICO (outcome) |
Pereira, 2018 |
Does not fit PICO (outcome) |
Pintado, 2016 |
Does not fit PICO (outcome) |
Rattray, 2010 |
Does not fit PICO (confounders) |
Ringdal, 2010 |
Does not fit PICO (outcome) |
Sakusic, 2018 |
Does not fit PICO (outcome) |
Schandl, 2013 |
Does not fit PICO (confounders) |
Schandl, 2014 |
Does not fit PICO (outcome) |
Shaffer, 2016 |
Does not fit PICO (outcome-timing <3 months) |
Strom, 2010 |
Univariate analysis |
Svenningsen, 2013 |
Univariate analysis |
Talisayon, 2011 |
Does not fit PICO (outcome-timing <3 months) |
Thomas, 2016 |
Does not fit PICO (outcome/analysis) |
Torgersen, 2011 |
Does not fit PICO (outcome) |
Van den Boogaard, 2012 |
Does not fit PICO (confounders) |
Vesz, 2013 |
Does not fit PICO (outcome) |
Vesz, 2018 |
Does not fit PICO (outcome) |
Wade, 2012 |
Does not fit PICO (confounders) |
Wallen, 2008 |
Does not fit PICO (outcome-timing <3 months) |
Weinert, 2008 |
Univariate analysis |
Wintermann, 2017 |
Does not fit PICO (risk factors - timing) |
Wintermann, 2018 |
Does not fit PICO (outcome) |
Witteveen, 2017 |
Does not fit PICO (outcome) |
Wolfe, 2018 |
Does not fit PICO (outcome) |
Wolters, 2017 |
Does not fit PICO (outcome) |
Wu, 2018 |
Does not fit PICO (outcome - timing < 3months) |
Verantwoording
Autorisatiedatum en geldigheid
Laatst beoordeeld : 19-09-2022
Laatst geautoriseerd : 19-09-2022
Geplande herbeoordeling : 01-01-2025
Herbeoordeling module Identificatie van patiënten met risico op PICS - 2025
Herbeoordeling modules Preventie van PICS en
Preventie van PICS-F, Screeningsinstrumenten, Organisatie van zorg - 2027
Algemene gegevens
Autorisatie van de VRA onder voorbehoud van bekrachtiging tijdens de ALV.
De ontwikkeling van deze richtlijnmodule werd ondersteund door het Kennisinstituut van de Federatie Medisch Specialisten (www.demedischspecialist.nl/kennisinstituut) en werd gefinancierd uit de Stichting Kwaliteitsgelden Medisch Specialisten (SKMS). De financier heeft geen enkele invloed gehad op de inhoud van de richtlijnmodule.
Samenstelling werkgroep
Voor het ontwikkelen van de richtlijnmodule is in 2019 een multidisciplinaire werkgroep en klankbordgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen (zie hiervoor de Samenstelling van de werkgroep) die betrokken zijn bij de zorg voor (voormalig) IC-patiënten.
Werkgroep
- Prof. dr. D. van Dijk, intensivist, NVIC (voorzitter)
- Dr. H.R. Holtslag, revalidatiearts, VRA (voorzitter)
- Dr. L.L.A. Bisschops, internist-intensivist, NIV
- Dr. M. van den Boogaard, senior onderzoeker, V&VN
- Drs. M.A.E.A. Brackel, voorzitter patiëntorganisatie IC Connect (tot 1 januari 2022), jeugdarts niet praktiserend
- Drs. H. van Dis, klinisch psycholoog, epidemioloog, NIP
- Dhr. R. Klerks, patiëntvertegenwoordiger, stichting FCIC
- Dr. M.M.C. van Mol, postdoc onderzoeker, psycholoog en IC Verpleegkundige, V&VN
- Dr. M. van der Schaaf, lector Revalidatie in de Acute Zorg en senior onderzoeker, KNGF
- Drs. M.S. van der Steen, internist-intensivist, NVIC
- Dr. M.Ch.E. van de Woude, anesthesioloog-intensivist, NVA
Klankbordgroep
- Drs. M.W. Brouwer, GZ-psycholoog, NIP
- Mw. N.A. Bruins, internist-intensivist, NIV
- Dr. D.S. Dettling-Ihnenfeldt, fysiotherapeut/onderzoeker, KNGF
- Drs. M.P.M. Dremmen, revalidatiearts, VRA
- Dr. H. Endeman, internist-intensivist, NIV
- Mw. S. op ’t Hoog, verpleegkundig specialist ICU en voorzitter netwerkgroep V&VN VS ICU (tot februari 2022)
- Mw. M.W.J.C. Prins-Smulders, verpleegkundig specialist ICU, V&VN ICU (vanaf februari 2022)
- Dr. K.A.J. Kuijpers, revalidatiearts, VRA
- Dr. F.A. van de Laar, huisarts
- Drs. A.J. Meinders, internist-intensivist, NIV
- Dr. A.F.C. Schut, intensivist, NIV
- Mw. M. Siebel, patiëntorganisatie IC Connect
- Dr. G.J. Versteegen, klinisch psycholoog, NIP
- Dr. L.C.M. Vloet, lector Acute Intensieve zorg HAN, voorzitter FCIC
- Prof. dr. A.R.H. van Zanten, internist-intensivist, NIV
Met ondersteuning van
- Dr. G. Peeters, senior adviseur Kennisinstituut van de Federatie Medisch Specialisten (tot november 2019)
- Dr. S. Persoon, senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten (vanaf november 2019)
- Dr. V.C.M. Cox, adviseur, Kennisinstituut van de Federatie Medisch Specialisten (vanaf februari 2020 tot november 2020)
- Drs. M.E. Wessels, medisch informatiespecialist Kennisinstituut van de Federatie Medisch Specialisten
- Dr. S.N. Hofstede, senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten (vanaf april 2022)
Belangenverklaringen
De Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling is gevolgd. Alle werkgroepleden hebben schriftelijk verklaard of zij in de laatste drie jaar directe financiële belangen (betrekking bij een commercieel bedrijf, persoonlijke financiële belangen, onderzoeksfinanciering) of indirecte belangen (persoonlijke relaties, reputatiemanagement) hebben gehad. Gedurende de ontwikkeling of herziening van een module worden wijzigingen in belangen aan de voorzitter doorgegeven. De belangenverklaring wordt opnieuw bevestigd tijdens de commentaarfase.
Een overzicht van de belangen van werkgroepleden en het oordeel over het omgaan met eventuele belangen vindt u in onderstaande tabel. De ondertekende belangenverklaringen zijn op te vragen bij het secretariaat van het Kennisinstituut van de Federatie Medisch Specialisten.
Werkgroep
Werkgroeplid |
Functie |
Nevenfuncties |
Gemelde belangen |
Ondernomen actie |
Dijk, van |
Hoogleraar IC geneeskunde UMC Utrecht |
Geen |
Geven van voordrachten voor de stichting Family and Patient centered Intensive Care (FCIC) (onbetaald) |
Geen |
Holtslag |
Revalidatiearts, opleider & chef de polikliniek, Amsterdam UMC, locatie AMC |
Lid Raad van Toezicht van De Zorgcirkel (betaald) Adviseur NOC*NSF, Papendal, Arnhem, (betaald) |
IC-revalidatie is een onderwerp waar onze afdeling (Revalidatie) belang aan hecht, er wordt op onze afdeling ook onderzoek naar gedaan |
Geen |
Bisschops |
Internist-intensivist afdeling intensive care Radboudumc |
Geen |
Geen |
Geen |
Boogaard, van den |
Senior onderzoeker afdeling lntensive Care Radboudumc en projectleider MONITOR-IC
|
Onbezoldigde functies: - Bestuurslid European Delirium Association - Adviseur Network for lnvestigation of Delirium: Unifying Scientists (NIDUS) - Organisator IC-café regio Nijmegen & Omstreken - Lid werkgroep Longterm Outcome and ICU Delirium van de European Society of lntensive Care Medicine |
Projectleider MONITOR-lC (langetermijngevolgen lC-opname project; multicenter). De MONITOR-IC studie is niet door de industrie gesponsord.
Studie naar de effectiviteit van gestructureerde en gepersonaliseerde IC-nazorg. |
Geen trekker/meelezer bij de module organisatie van zorg. Geen verdere actie. |
Brackel-Welten |
Voorzitter IC Connect, patientenorganisatie voor (voormalig) IC-patienten en naasten, tot 1 januari 2022 (vrijwilligerswerk)
Bestuurslid Stichting Family and patient Centered Intensive Care (FCIC), tot 1 januari 2022 (vrijwilligerswerk)
Jeugdarts KNMG niet praktiserend |
Geen |
Geen |
Geen |
Dis, van |
Gepensioneerd Afdeling Medische Psychologie en Psychiatrie, Onze Lieve Vrouwe Gasthuis, Amsterdam en Afdeling Psychologie, Brein en Cognitie, van de Universiteit van Amsterdam
Thans Gastdocent Medische Psychologie & Farmacopsychologie, Afdeling Psychologie, Brein & Cognitie, Universiteit van Amsterdam, Roeterseiland Campus, Nieuwe Achtergracht 126 B, 1018 WT, Amsterdam
Docent RINO-Amsterdam (postacademische onderwijs GGZ), Leidseplein 5, Amsterdam |
Nederlandse Vereniging Gezondheidszorgpsychologie en haar specialismen (NVGzP): secretaris bestuur, Vz Cie Kwaliteit, Vz Cie Somatiek (onbetaald).
Landelijke Vereniging Medische Psychologie: Beroepsbelangen, Vz Werkgroep Farmacopsychologie, Werkgroep Slaap (onbetaald) |
Geen |
Geen |
Klerks |
Patiëntenvertegenwoordiger/ ervaringsdeskundige naaste, FCIC |
Geen |
Geen |
Geen |
Mol, van |
Onderzoeker Psycholoog en IC-verpleegkundige Erasmus MC (1 fte) |
Vrijwilliger Stichting FCIC Secretaris
Vacatiegeld en reiskostenvergoeding |
Geen |
Geen |
Schaaf, van der |
Associate professor Amsterdam UMC (afd. revalidatiegeneeskunde) en Hogeschool van Amsterdam |
Vrijwilliger Stichting FCIC (onbetaald) Bestuurslid REACH netwerk (onbetaald) |
Geen |
Geen |
Steen, van der |
lnternist-lntensivist Pantein Ziekenhuis Beugen
Associate professor Amsterdam UMC (afd. revalidatiegeneeskunde) en Hogeschool van Amsterdam |
CVO van vereniging voor Ostheopatie (onkostenvergoeding)
CMIO netwerk (onbezoldigd)
Vrijwilliger FCIC en coorzitter Stichting REACH netwerk (onbezoldigd) |
ZonMw Project Citizen Health; projectleider (betaald/onkostenvergoeding) DIGNIC project; Digitale gepersonaliseerde Nazorg na een opname op de Intensive Care Afdeling. |
Geen |
Woude, van der |
Anesthesioloog-Intensivist Zuyderland Medisch Centrum 0,6 FTE Medisch manager RVE Verpleegcentrum Zuyderland 0,3 FTE |
Geen |
Geen |
Geen |
Peeters (tot 11-2019) |
Senior adviseur/teamleider Kennisinstituut van de Federatie Medisch Specialisten |
Senior Atlantic Fellow for Equity in Brain Health, Global Brain Health Institute, Trinity College Dublin (onderzoeker; onbetaald).
Verzorgen van onderwijs voor de epidemiologische onderwerpen in het curriculum voor de eerstejaars fellows in het programma van de Global Brain Health Institute. |
Functie bij het Global Brain Health Institute: Er zijn soms financiële voordelen in de vorm van vergoeding van registratie en reiskosten voor congresbezoek.
|
Geen |
Persoon (vanaf 11-2019) |
Adviseur Kennisinstituut van de Federatie Medisch Specialisten |
Tot oktober 2018 Gastvrijheidsaanstelling afdeling Revalidatie Academisch Medisch Centrum, Amsterdam, in verband met promotietraject. Project: Physical fitness to improve fitness and combat fatigue in patients with multiple myeloma or lymphoma treated with high dose chemotherapy.
April 2018-september 2018: Docent Team Technologie, Fontys Paramedische Hogeschool. Begeleiden van studenten bij afstudeerstages. Max 1 dag in de week, betaald. |
Geen promotieonderzoek werd gefinancierd door KWF, financier had geen invloed op uitkomsten onderzoek of op huidige werkzaamheden. |
Geen |
Cox (vanaf 02-2020) |
Adviseur Kennisinstituut van de Federatie Medisch Specialisten |
Promotieonderzoek, getiteld: “Partners of patients with acquired brain injury – impact dyadic relationships and support”
Gefinancierd door ZonMW, projectnummer #630000002 CARE4BRAIN: personalized CAREgiver and patient support in rehabilitation FOR patients with acquired BRAIN Deficits |
Geen, financier promotieonderzoek had geen invloed op de uitkomsten onderzoek of op de huidige werkzaamheden. |
Geen |
Klankbordgroep
Klankbord-groeplid |
Functie |
Nevenfuncties |
Gemelde belangen |
Ondernomen actie |
Brouwer Mengerink |
GZ-psycholoog, St. Antoniusziekenhuis |
Geen |
Geen |
Geen |
Bruins
|
Internist-intensivist Medisch Centrum Leeuwarden
|
Commissie Nazorg NVIC (onbetaald).
Medisch manager ZE Acuut. 0,2 FTE |
Ondersteunt lopend onderzoek naar het herstel van IC patiënten, niet als hoofdonderzoeker. |
Geen |
Dettling-Ihnenfeldt
|
Fysiotherapeut/onderzoeker AmsterdamUMC, locatie AMC
|
Secretaris Stichting REACH netwerk (onbetaald) |
Geen |
Geen |
Dremmen
|
Revalidatiearts Zuyderland Medisch Centrum Heerlen - Sittard-Geleen. Voorheen via Adelante Zorggroep |
Geen |
Geen |
Geen |
Endeman
|
Internist-intensivist, Erasmus MC, Rotterdam |
Geen |
Geen |
Geen |
Op ’t Hoog (tot februari 2022) |
Verpleegkundig specialist ICU Elisabeth Tweesteden-ziekenhuis
|
Voorzitter V&VNVS ICU netwerk (onbetaald).
Lid Verpleegkundige Advies Raad Elisabeth Tweesteden-ziekenhuis – vanuit loondienst.
Lid Dagelijks bestuur Vakgroep Verpleegkundig Specialisten Elisabeth Tweesteden-ziekenhuis (onbetaald). |
Geen |
Geen |
Kuijpers |
Revalidatiearts, Medisch spectrum Twente |
Geen |
Geen |
Geen |
Laar, van de |
Huisarts (0,6 fte), onderzoeker/docent Academisch Gezondheidscentrum Thermion (0,4 fte), Radboud UMC, afdeling eerstelijns geneeskunde |
Geen |
Werkt samen in onderzoek naar post-IC patiënten (en familie) met onderzoekers IC RaboudUMC ( MiCare studie) |
Geen |
Meinders |
Internist-intensivist St Antonius ziekenhuis, Utrecht |
Geen |
Geen |
Geen |
Prins-Smulders (vanaf februari 2022) |
Verpleegkundig specialist ICU Elisabeth Tweesteden-ziekenhuis
|
Vrijwilliger IC-connect FCIC (onbetaald) |
Geen |
Geen |
Schut |
Intensivist Ikazia ziekenhuis Rotterdam |
Geen |
Geen |
Geen |
Siebel |
Ervaringsdeskundige patiëntenorganisatie ICConnect |
Geen |
Geen |
Geen |
Versteegen |
Klinisch psycholoog, UMCG |
Plaatsvervangend Hoofdopleider Psychotherapie, PPO, Groningen (0,1 fte) (mede)verantwoordelijk voor de opleiding tot Psychotherapeut |
Geen |
Geen |
Vloet
|
Voorzitter FCIC, vrijwilligersfunctie |
Bestuurslid Venticare (onbetaald) |
Vanuit lectoraat diverse gesubsidieerde trajecten op IC gebied. Momenteel geen op gebied van nazorg. |
Geen |
Zanten, van |
lnternist-intensivist, Medisch Hoofd & Opleider, afdeling lntensive Care, Ziekenhuis Gelderse Vallei, Ede (0.8 FTE)
Buitengewoon Hoogleraar Wageningen Univeristy & Research, Wageningen (0.2 FTE) |
Lid GIC, Lid platform Kwaliteit NlV, Lid ESPEN richtlijn commissie Voeding volwassen lC patienten, Lid MEN sectie ESICM, working group gastrointestinal failure Lid SKMS/ZonMw richtlijn Voeding en IC, Lid klankbordgroep SKMS/ZonMw richtlijn Nazorg en Revalidatie IC, Lid diverse congrescommissies (Nationale Voedingscongres, lnternational Sepsis Symposium Netherlands, Mythen Missers en Maatwerk lnfectieuze bedreigingen,Mythen Missers en Maatwerk Circulatie, Mythen Missers en Maatwerk Beademing, Begrenzingen Intensive Care, Masterclass lC Schiermonnikoog, Masterclass Voeding en IC)
Betaald: Medisch Lid METC-Oost, kamer 4 WUR. Expertiserapportages: Medirisk, Hofman Letselschade, Centramed, Rechtbank Midden-Nederland spreker/onkostenvergoedingen bovengenoemde congressen in NL. Spreker/onkostenvergoedingen internationale congressen: ISICEM, ESICM, ESPEN, ASPEN, CSPEN, IrSPEN, PENSA, BAPEN, BRASPEN, CSCCM, Middle-East Nutrition Summit. |
Lezingen, consultancy, reiskostenvergoedingen voor bedrijven in afgelopen 5 jaar: Abbott, AOP Pharma (Amomed), BBraun, Baxter, Cablon Medical, Cardinal Health, Danone-Nutricia, DIM3, Fresenius-Kabi, Lyric, Mermaid, Nestle-Novartis. Rousselot.
Partner die Congresbureau Interactie voert.
Scholingen in acute zorg en IC geneeskunde.
Participatie als onderzoeker in lC sepsis trials (b.v. AKPA-ART 123 trombomoduline, adrenomedulline trial, Revival trial), VitaCCa trial (OHCA, vitamine C), opbrengsten vloeien naar Stichting lC research en worden niet uitgekeerd aan onderzoekers. Zelf geinitieerd onderzoek: VIRS-studie, (investigator initiated registry argipressine bij septische shock, grant AOP Pharma), Protein supplement RCT post ICU (grant Rousselot), nutrition intake post ICU (Valifood study, Prospect I&II study, grant Nutricia).
Gemelde belangen zijn niet relevant voor deze richtlijnmodule. |
Geen |
Inbreng patiëntenperspectief
Er werd aandacht besteed aan het patiëntenperspectief door participatie van een afgevaardigde in de werkgroep vanuit Stichting FCIC en een afgevaardigde vanuit patiëntorganisatie IC Connect. De conceptmodule is tevens voor commentaar voorgelegd aan Stichting FCIC, patiëntorganisatie IC Connect en de Patiëntenfederatie Nederland.
Methode ontwikkeling
Evidence based
Implementatie
De aanbevelingen in deze module hangen met betrekking tot de implementatie (on)mogelijkheden sterk samen met die in de module Organisatie van zorg – submodule ‘Coördinatie en taken met betrekking tot de organisatie van IC-nazorg’. Voor een overzicht van het verwachte tijdspad voor implementatie, verwacht effect op kosten, de randvoorwaarden voor implementatie, mogelijke barrières voor implementatie en te ondernemen acties verwijzen wij u naar het implementatieplan bij deze module.
Werkwijze
AGREE
Deze richtlijnmodule is opgesteld conform de eisen vermeld in het rapport Medisch Specialistische Richtlijnen 2.0 van de adviescommissie Richtlijnen van de Raad Kwaliteit. Dit rapport is gebaseerd op het AGREE II instrument (Appraisal of Guidelines for Research & Evaluation II; Brouwers, 2010).
Kwalitatieve raming van mogelijke financiële gevolgen in het kader van de Wkkgz
Bij de richtlijn is conform de Wet kwaliteit, klachten en geschillen zorg (Wkkgz) een kwalitatieve raming uitgevoerd of de aanbevelingen mogelijk leiden tot substantiële financiële gevolgen. Bij het uitvoeren van deze beoordeling zijn richtlijnmodules op verschillende domeinen getoetst (zie het stroomschema op de Richtlijnendatabase).
Uit de kwalitatieve raming blijkt dat er waarschijnlijk geen substantiële financiële gevolgen zijn, zie onderstaande tabel.
Module |
Uitkomst kwalitatieve raming |
Toelichting |
Module Preventie van PICS |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft en het overgrote deel (±90%) van de zorgaanbieders en zorgverleners al aan de norm voldoet. Er worden daarom geen substantiële financiële gevolgen verwacht. |
Module Preventie PICS-F |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële investering vraagt. |
Module Identificatie van patiënten met risico op PICS |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële investering vraagt. |
Module Screeningsinstrumenten voor PICS |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële investering vraagt. |
Module Coördinatie en taken met betrekking tot de organisatie van IC-nazorg |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële gevolgen met zich meebrengt, dat er geen toename van >5% is in het aantal in te zetten voltijdsequivalenten aan zorgverleners en het geen wijziging in het opleidingsniveau van zorgpersoneel betreft. Er worden daarom geen substantiële financiële gevolgen verwacht. |
Module Overdracht klinische informatie in de keten |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële investering vraagt. Er worden daarom geen substantiële financiële gevolgen verwacht. |
Module Informatievoorziening aan en communicatie met de patiënt en naasten |
Waarschijnlijk geen substantiële financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt ook uit de toetsing dat het geen nieuwe manier van zorgverlening of andere organisatie van zorgverlening betreft die substantiële financiële investering vraagt. Er worden daarom geen substantiële financiële gevolgen verwacht. |
Knelpuntenanalyse en uitgangsvragen
Tijdens de voorbereidende fase inventariseerde de werkgroep de knelpunten met betrekking tot de preventie, herkenning en behandeling van PICS. Tevens zijn er knelpunten aangedragen door Inspectie Gezondheidszorg en Jeugd (IGJ), Koninklijk Nederlands Genootschap voor Fysiotherapie (KNGF), Nederlandse Internisten Vereniging (NIV), NVIC, VRA, Nederlandse Vereniging voor Klinische Geriatrie (NVKG), Nederlandse Vereniging voor Heelkunde (NVvH), Nederlandse Vereniging voor Psychiatrie (NVvP), Stichting FCIC, IC Connect en Verpleegkundigen en Verzorgenden Nederland - Intensive Care (V&VN-IC) tijdens een Invitational conference. Een verslag hiervan is opgenomen in de bijlagen.
Op basis van de uitkomsten van de knelpuntenanalyse zijn door de werkgroep concept-uitgangsvragen opgesteld en definitief vastgesteld.
Uitkomstmaten
Na het opstellen van de zoekvraag behorende bij de uitgangsvraag inventariseerde de werkgroep welke uitkomstmaten voor de patiënt relevant zijn, waarbij zowel naar gewenste als ongewenste effecten werd gekeken. Hierbij werd een maximum van acht uitkomstmaten gehanteerd. De werkgroep waardeerde deze uitkomstmaten volgens hun relatieve belang bij de besluitvorming rondom aanbevelingen, als cruciaal (kritiek voor de besluitvorming), belangrijk (maar niet cruciaal) en onbelangrijk. Tevens definieerde de werkgroep tenminste voor de cruciale uitkomstmaten welke verschillen zij klinisch (patiënt) relevant vonden.
Methode literatuursamenvatting
Een uitgebreide beschrijving van de strategie voor zoeken en selecteren van literatuur is te vinden onder ‘Zoeken en selecteren’ onder Onderbouwing. De beoordeling van de kracht van het wetenschappelijke bewijs wordt hieronder toegelicht.
Beoordelen van de kracht van het wetenschappelijke bewijs
De kracht van het wetenschappelijke bewijs werd bepaald volgens de GRADE-methode. GRADE staat voor ‘Grading Recommendations Assessment, Development and Evaluation’ (zie http://www.gradeworkinggroup.org). De basisprincipes van de GRADE-methodiek zijn: het benoemen en prioriteren van de klinisch (patiënt) relevante uitkomstmaten, een systematische review per uitkomstmaat en een beoordeling van de bewijskracht per uitkomstmaat op basis van de acht GRADE-domeinen (domeinen voor downgraden: risk of bias, inconsistentie, indirectheid, imprecisie en publicatiebias; domeinen voor upgraden: dosis-effect relatie, groot effect en residuele plausibele confounding).
GRADE onderscheidt vier gradaties voor de kwaliteit van het wetenschappelijk bewijs: hoog, redelijk, laag en zeer laag. Deze gradaties verwijzen naar de mate van zekerheid die er bestaat over de literatuurconclusie, in het bijzonder de mate van zekerheid dat de literatuurconclusie de aanbeveling adequaat ondersteunt (Schünemann, 2013; Hultcrantz, 2017).
Definitie |
|
Hoog |
|
Redelijk |
|
Laag |
|
Zeer laag |
|
Bij het beoordelen (graderen) van de kracht van het wetenschappelijk bewijs in richtlijnen volgens de GRADE-methodiek spelen grenzen voor klinische besluitvorming een belangrijke rol (Hultcrantz, 2017). Dit zijn de grenzen die bij overschrijding aanleiding zouden geven tot een aanpassing van de aanbeveling. Om de grenzen voor klinische besluitvorming te bepalen moeten alle relevante uitkomstmaten en overwegingen worden meegewogen. De grenzen voor klinische besluitvorming zijn daarmee niet één op één vergelijkbaar met het minimaal klinisch relevant verschil (Minimal Clinically Important Difference, MCID). Met name in situaties waarin een interventie geen belangrijke nadelen heeft en de kosten relatief laag zijn, kan de grens voor klinische besluitvorming met betrekking tot de effectiviteit van de interventie bij een lagere waarde (dichter bij het nul-effect) liggen dan de MCID (Hultcrantz, 2017).
Overwegingen (van bewijs naar aanbeveling)
Om te komen tot een aanbeveling zijn naast (de kwaliteit van) het wetenschappelijke bewijs ook andere aspecten belangrijk en worden meegewogen, denk bijvoorbeeld aan aanvullende argumenten uit bijvoorbeeld de biomechanica of fysiologie, waarden en voorkeuren van patiënten, kosten (middelenbeslag), aanvaardbaarheid, haalbaarheid en implementatie. Deze aspecten zijn systematisch vermeld en beoordeeld (gewogen) onder het kopje ‘Overwegingen’ en kunnen (mede) gebaseerd zijn op expert opinion. Hierbij is gebruik gemaakt van een gestructureerd format gebaseerd op het evidence-to-decision framework van de internationale GRADE Working Group (Alonso-Coello, 2016a; Alonso-Coello 2016b). Dit evidence-to-decision framework is een integraal onderdeel van de GRADE methodiek.
Formuleren van aanbevelingen
De aanbevelingen geven antwoord op de uitgangsvraag en zijn gebaseerd op het beschikbare wetenschappelijke bewijs en de belangrijkste overwegingen en een weging van de gunstige en ongunstige effecten van de relevante interventies. De kracht van het wetenschappelijk bewijs en het gewicht dat door de werkgroep wordt toegekend aan de overwegingen, bepalen samen de sterkte van de aanbeveling. Conform de GRADE-methodiek sluit een lage bewijskracht van conclusies in de systematische literatuuranalyse een sterke aanbeveling niet a priori uit en zijn bij een hoge bewijskracht ook zwakke aanbevelingen mogelijk (Agoritsas, 2017; Neumann, 2016). De sterkte van de aanbeveling wordt altijd bepaald door weging van alle relevante argumenten tezamen. De werkgroep heeft bij elke aanbeveling opgenomen hoe zij tot de richting en sterkte van de aanbeveling zijn gekomen.
In de GRADE-methodiek wordt onderscheid gemaakt tussen sterke en zwakke (of conditionele) aanbevelingen. De sterkte van een aanbeveling verwijst naar de mate van zekerheid dat de voordelen van de interventie opwegen tegen de nadelen (of vice versa), gezien over het hele spectrum van patiënten waarvoor de aanbeveling is bedoeld. De sterkte van een aanbeveling heeft duidelijke implicaties voor patiënten, behandelaars en beleidsmakers (zie onderstaande tabel). Een aanbeveling is geen dictaat, zelfs een sterke aanbeveling gebaseerd op bewijs van hoge kwaliteit (GRADE-gradering HOOG) zal niet altijd van toepassing zijn, onder alle mogelijke omstandigheden en voor elke individuele patiënt.
Implicaties van sterke en zwakke aanbevelingen voor verschillende richtlijngebruikers |
||
|
Sterke aanbeveling |
Zwakke (conditionele) aanbeveling |
Voor patiënten |
De meeste patiënten zouden de aanbevolen interventie of aanpak kiezen en slechts een klein aantal niet. |
Een aanzienlijk deel van de patiënten zouden de aanbevolen interventie of aanpak kiezen, maar veel patiënten ook niet. |
Voor behandelaars |
De meeste patiënten zouden de aanbevolen interventie of aanpak moeten ontvangen. |
Er zijn meerdere geschikte interventies of aanpakken. De patiënt moet worden ondersteund bij de keuze voor de interventie of aanpak die het beste aansluit bij zijn of haar waarden en voorkeuren. |
Voor beleidsmakers |
De aanbevolen interventie of aanpak kan worden gezien als standaardbeleid. |
Beleidsbepaling vereist uitvoerige discussie met betrokkenheid van veel stakeholders. Er is een grotere kans op lokale beleidsverschillen. |
Organisatie van zorg
In de knelpuntenanalyse en bij de ontwikkeling van de richtlijnmodule is expliciet aandacht geweest voor de organisatie van zorg: alle aspecten die randvoorwaardelijk zijn voor het verlenen van zorg (zoals coördinatie, communicatie, (financiële) middelen, mankracht en infrastructuur). Randvoorwaarden die relevant zijn voor het beantwoorden van deze specifieke uitgangsvraag zijn genoemd bij de overwegingen. Meer algemene, overkoepelende, of bijkomende aspecten van de organisatie van zorg worden behandeld in de module Organisatie van zorg.
Commentaar- en autorisatiefase
De conceptrichtlijnmodule werd aan de betrokken (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd ter commentaar. De commentaren werden verzameld en besproken met de werkgroep. Naar aanleiding van de commentaren werd de conceptrichtlijnmodule aangepast en definitief vastgesteld door de werkgroep. De definitieve richtlijnmodule werd aan de deelnemende (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd voor autorisatie en door hen geautoriseerd dan wel geaccordeerd.
Literatuur
Agoritsas T, Merglen A, Heen AF, Kristiansen A, Neumann I, Brito JP, Brignardello-Petersen R, Alexander PE, Rind DM, Vandvik PO, Guyatt GH. UpToDate adherence to GRADE criteria for strong recommendations: an analytical survey. BMJ Open. 2017 Nov 16;7(11):e018593. doi: 10.1136/bmjopen-2017-018593. PubMed PMID: 29150475; PubMed Central PMCID: PMC5701989.
Alonso-Coello P, Schünemann HJ, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Rada G, Rosenbaum S, Morelli A, Guyatt GH, Oxman AD; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 1: Introduction. BMJ. 2016 Jun 28;353:i2016. doi: 10.1136/bmj.i2016. PubMed PMID: 27353417.
Alonso-Coello P, Oxman AD, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Vandvik PO, Meerpohl J, Guyatt GH, Schünemann HJ; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 2: Clinical practice guidelines. BMJ. 2016 Jun 30;353:i2089. doi: 10.1136/bmj.i2089. PubMed PMID: 27365494.
Brouwers MC, Kho ME, Browman GP, Burgers JS, Cluzeau F, Feder G, Fervers B, Graham ID, Grimshaw J, Hanna SE, Littlejohns P, Makarski J, Zitzelsberger L; AGREE Next Steps Consortium. AGREE II: advancing guideline development, reporting and evaluation in health care. CMAJ. 2010 Dec 14;182(18):E839-42. doi: 10.1503/cmaj.090449. Epub 2010 Jul 5. Review. PubMed PMID: 20603348; PubMed Central PMCID: PMC3001530.
Hultcrantz M, Rind D, Akl EA, Treweek S, Mustafa RA, Iorio A, Alper BS, Meerpohl JJ, Murad MH, Ansari MT, Katikireddi SV, Östlund P, Tranæus S, Christensen R, Gartlehner G, Brozek J, Izcovich A, Schünemann H, Guyatt G. The GRADE Working Group clarifies the construct of certainty of evidence. J Clin Epidemiol. 2017 Jul;87:4-13. doi: 10.1016/j.jclinepi.2017.05.006. Epub 2017 May 18. PubMed PMID: 28529184; PubMed Central PMCID: PMC6542664.
Medisch Specialistische Richtlijnen 2.0 (2012). Adviescommissie Richtlijnen van de Raad Kwalitieit. https://richtlijnendatabase.nl/over_deze_site.html
Neumann I, Santesso N, Akl EA, Rind DM, Vandvik PO, Alonso-Coello P, Agoritsas T, Mustafa RA, Alexander PE, Schünemann H, Guyatt GH. A guide for health professionals to interpret and use recommendations in guidelines developed with the GRADE approach. J Clin Epidemiol. 2016 Apr;72:45-55. doi: 10.1016/j.jclinepi.2015.11.017. Epub 2016 Jan 6. Review. PubMed PMID: 26772609.
Schünemann H, Brożek J, Guyatt G, et al. GRADE handbook for grading quality of evidence and strength of recommendations. Updated October 2013. The GRADE Working Group, 2013. Available from http://gdt.guidelinedevelopment.org/central_prod/_design/client/handbook/handbook.html.
Schünemann HJ, Oxman AD, Brozek J, Glasziou P, Jaeschke R, Vist GE, Williams JW Jr, Kunz R, Craig J, Montori VM, Bossuyt P, Guyatt GH; GRADE Working Group. Grading quality of evidence and strength of recommendations for diagnostic tests and strategies. BMJ. 2008 May 17;336(7653):1106-10. doi: 10.1136/bmj.39500.677199.AE. Erratum in: BMJ. 2008 May 24;336(7654). doi: 10.1136/bmj.a139.
Schünemann, A Holger J [corrected to Schünemann, Holger J]. PubMed PMID: 18483053; PubMed Central PMCID: PMC2386626.
Wessels M, Hielkema L, van der Weijden T. How to identify existing literature on patients' knowledge, views, and values: the development of a validated search filter. J Med Libr Assoc. 2016 Oct;104(4):320-324. PubMed PMID: 27822157; PubMed Central PMCID: PMC5079497.
Zoekverantwoording
Zoekacties zijn opvraagbaar. Neem hiervoor contact op met de Richtlijnendatabase.