Terug naar zoekresultaten

Tweedelijns Astmazorg

Volgen
Initiatief: NVALT Aantal modules: 12
Bijlagen
Download richtlijn

Fenotypering in diagnostisch traject

Beoordeeld: 12-09-2025

Uitgangsvraag

Wat is de rol van vroegtijdige fenotypering van patiënten met niet-ernstig astma om een slechte uitkomst (ongecontroleerd astma of ernstig astma) te voorkomen?

Aanbeveling

Beoordeel bij elke patiënt met niet-ernstig astma of er sprake is van treatable traits en behandel deze adequaat.

 

Overweeg fenotypering bij patiënten met niet-ernstig astma. Het identificeren van onderliggende immunopathologie kan zinvol zijn om meer ziekte-inzicht te krijgen en behandelingsstrategieën aan te passen naar individueel niveau.

Overwegingen

Voor- en nadelen van de interventie en de kwaliteit van het bewijs

In de systematische literatuuranalyse werd gezocht naar de impact van fenotypering op het voorspellen van astma controle, een stabiele astma controle vragenlijst, exacerbaties en longfunctie versus niet fenotypering in patiënten met astma. Er werden geen studies gevonden met intern of extern gevalideerde multivariabele modellen voor het voorspellen van astmacontrole bij volwassenen indien er vroeg werd gefenotypeerd.

 

Wel werd er één studie gevonden die enkele niet gevalideerde modellen beschreef die de associatie tussen lage en hoge bronchodilatatie responsiviteit op exacerbaties onderzocht. In deze studie werden twee modellen gebruikt. Model 1 werd aangepast voor geslacht, leeftijd, BMI, rookstatus, baseline FEV1% voorspeld, bijwerkingen in het voorgaande jaar, gemiddelde dagelijkse ICS-dosis en therapietrouw gedurende de 12 maanden follow-up periode. Model 2 werd aangepast op dezelfde manier als model 1, maar met toevoeging van allergische rhinitis en eczeem. Deze lieten zien dat patiënten met een hoge bronchodilatatie responsiviteit een lager risico lopen op het krijgen van exacerbaties. Het vertrouwen in een goede prestatie van deze modellen ten aanzien van de voorspellende waarde is echter zeer laag vanwege het ontbreken van zowel interne als externe validatie. Daardoor kunnen geen consequenties worden verbonden aan de uitkomsten van deze modellen.

 

Vanwege het ontbreken van studies naar een gevalideerd model, werd de bewijskracht van de literatuur niet beoordeeld en konden geen gegradeerde conclusies worden getrokken.

 

Astma is een heterogene ziekte, met verschillende onderliggende pathofysiologische processen. Herkenbare clusters van demografische, klinische en/of pathofysiologische karakteristieken worden astma fenotypes genoemd. Lang is er gedacht dat er twee belangrijke fenotypes waren: allergisch (extrinsiek) en niet-allergisch (intrinsiek) astma. Daarna zijn er op basis van vele andere karakteristieken andere fenotypes geopperd, voorbeelden hiervan zijn bijvoorbeeld leeftijd van start van ziekte, of obesitas. Hoe meer karakteristieken er kwamen, hoe meer overlap er kwam tussen de verschillende fenotypes. Bovendien was er ook niet altijd een directe relatie tussen fenotype en behandelstrategie. Het voordeel van fenotypering om de mogelijkheid van de behandeling van een astmapatiënt te individualiseren kwam daarmee te vervallen. Daarop kwam er een nieuwe manier van indelen, meer op basis van de onderliggende immunopathologie, waarbij er 2 grote groepen kwamen: T2hoog en T2 laag. Alleen voor de patiënten met een ernstig astma is er een sterke relatie gevonden tussen specifieke pathologische kenmerken en reactie op behandelingen (oa biological), en is er dus een goede reden om een patiënt met ernstig astma te fenotyperen (Chung, 2013).

 

Bij niet-ernstig astma is er weinig onderzoek gedaan naar de rol of het juiste tijdstip van fenotypering. Een van de eerste grote studies naar fenotypering laat wel zien dat patiënten in de eerste lijn vaak stabiel mild tot matig ernstig astma hebben met goed effect van behandeling en in de tweede lijn vaker refractair zijn (Haldar AJRCCM, 2008).

 

De GINA adviseert echter wel om bij élke patiënt met astma de mate van astma controle in kaart te brengen. Deze astma controle bestaat niet alleen uit de ernst van astma symptomen, maar ook uit het risico op longaanvallen (exacerbaties). Factoren welke het risico op een longaanval verhogen, mogelijk zonder dat de patiënt hierbij toename van astma symptomen heeft zijn onder andere obesitas, chronische rhinosinusitis, reflux, roken, blootstelling aan allergenen indien gesensibiliseerd, luchtwegvervuiling, depressie en angst (GINA, 2023/Agusti ERJ, 2016). Deze risico factoren en comorbiditeiten welke potentieel te verbeteren zijn, worden ook wel treatable traits genoemd. Het identificeren van deze treatable traits is niet het hetzelfde als fenotypering, maar er is wel enige overlap.

 

Voorbeelden van treatable traits zijn inhalatieallergieën en obesitas.

 

Indien er anamnestisch aanwijzingen zijn voor een inhalatie-allergie, kan een screeningstest worden overwogen. Indien er sprake is een allergie is uiteraard de eerste stap om blootstelling aan dit allergeen te minderen. Daarna komt de mogelijkheid van allergeen specifieke immunotherapie (SLIT/SCIT), waarvoor we verwijzen naar module Allergeen Immunotherapie rondom allergeen immunotherapie in deze richtlijn.

 

Obesitas kan ook worden gezien als separaat fenotype, omdat er vaak sprake is van slechtere astma controle in obese patiënten, met groter risico op exacerbaties en de reactie op ICS kan verminderd zijn.  Een paar studies hebben laten zien dat gewichtsverlies de astma controle en longfunctie verbeterde, en het medicatie gebruik verminderde in obese patiënten met astma (Moreira 2013). De meest opvallende resultaten zijn na bariatrische chirurgie bij patiënten met morbide obesitas (Dixon, 2011; Van Huisstede, 2015), maar zelfs 5-10% gewichtsverlies met een dieet met of zonder sporten, kan al leiden tot verbetering van astma controle en kwaliteit van leven (Scott 2013).

 

Samenvattend, het is onduidelijk of fenotypering ongecontroleerd of ernstig astma kan voorspellen, maar het identificeren van treatable traits en eventuele interventies hierop zijn wel relevant. 

 

Waarden en voorkeuren van patiënten (en evt. hun verzorgers)

Het al dan niet in kaart brengen van factoren die de astma kunnen verslechteren danwel het fenotype kan wel van waarde zijn voor de patiënt om meer inzicht te geven in hun eigen ziekte. Op deze manier kan de behandeling mogelijk tot individueel niveau worden aangepast. Hierbij zal meegewogen moeten worden in welke mate en hoe zinvol het is om aanvullende testen uit te voeren die belastend ervaren kunnen worden voor de patiënt als de patiënt mild-matig ernstig stabiel astma heeft.  In dat geval zal aanvullende diagnostiek niet altijd behandelconsequenties hebben

 

Kosten (middelenbeslag)

Aan het berekenen van de BMI ter beoordeling van obesitas zijn geen kosten verbonden. Het bepalen van een inhalatie-allergieën kan door middel van bloedonderzoek of huidpriktest. Kosten hiervan zijn laag.

 

Aanvaardbaarheid, haalbaarheid en implementatie

Het fenotyperen van patienten met mild-matig ernstig astma haalbaar en aanvaardbaar. Veel van de treatable traits zijn makkelijk in kaart te brengen door middel van anamnese en bloedonderzoek danwel een huidtest. Het moment van inzetten van het onderzoek is geadviseerd na het stellen van de diagnose om over diagnostiek te voorkomen.  

 

Rationale van de aanbeveling: weging van argumenten voor en tegen de interventie

De rol van fenotypering bij niet-ernstig astma is onduidelijk. Het identificeren van treatable traits zoals bijvoorbeeld persisterend roken, obesitas, reflux, chronische rhinosinusitis is wel belangrijk, omdat hiervoor wel specifieke behandelstrategieën of adviezen zijn.

 

Het is niet duidelijk of bij patiënten met niet-ernstig astma vroeg fenotyperen ernstig of ongecontroleerd astma kan voorkomen. Het identificeren van onderliggende immunopathologie of treatable traits kan echter wel zinvol zijn om meer ziekte-inzicht te krijgen en behandelingsstrategieën aan te passen naar individueel niveau

Onderbouwing

Clusters van patiënten met dezelfde demografische, klinische of (patho)fysiologische kenmerken noemen we een fenotype. Fenotyperen speelt een belangrijke rol in de behandeling van (ernstig) astma. In ernstig astma zijn fenotype-gedreven behandelingen beschikbaar. Echter is er (nog) geen bewezen sterke correlatie tussen het fenotyperen van een patiënt en de reactie op de primaire behandeling. De vraag is dan ook of fenotyperen behandelwinst oplevert bij diagnose of follow-up van patiënten met niet-ernstig astma. 

None.

Description of studies

Unvalidated model

Liu (2022) investigated the correlation between reduced bronchodilator reversibility (BDR) and non-type 2 high asthma using an unvalidated logistic regression model in a prospective cohort. A total of 456 adults with clinically stable asthma were consecutively recruited in a secondary asthma clinic in China. Patients were identified as either BDRlow or BDRhigh using both the GINA guideline and Ward’s criterion to assess associations with adverse events. Main outcome measure was the risk of severe asthma exacerbations. Details of the presented model is shown in Table 1.

 

Table 1. Studies reporting unvalidated models

Study

Population

N (% events)

Analysis method

Outcome

Liu, 2022

Patients diagnosed with asthma as defined by European Respiratory Society/American Thoracic Society guidelines and GINA

 

N=411

Moderate-to-severe AE

Guideline-based criterion:

BDRhigh: 18.5%

BDRlow: 28.6%

 

Ward’s criterion:

BDRhigh: 17.2%

BDRlow: 31.2%

 

Severe AE

Guideline-based criterion:

BDRhigh: 10.3%

BDRlow: 17.2%

 

Ward’s criterion:

BDRhigh: 9.1%

BDRlow: 19.3%

An adjusted RR was calculated using two logistic regression models. Model 1 was adjusted for sex, age, BMI, smoking status, baseline FEV1% predicted, AEs in the previous year, average daily ICS dose, and adherence during the 12- month follow-up period. Model 2 was adjusted as same as model 1 further plus allergic rhinitis and eczema.

Relative risk to predict asthma exacerbations with BDR phenotypes

Results

Prevalence asthma control

No studies reporting model predicting asthma control with phenotyping factors in patient with diagnosis asthma were included in this literature analysis. One study was found reporting asthma exacerbations which can be used as an indirect measure of asthma control.

 

Asthma control questionnaire

No studies were found reporting asthma control questionnaire.

 

Model performance

Unvalidated models

Exacerbations

Liu (2022) reported both moderate-to-severe asthma exacerbations (MSAE) and severe asthma exacerbations (SAE) that occurred during the 12 months follow-up. Two logistic regression models were used to predict MSAE and SAE. Model 1 was adjusted for sex, age, BMI, smoking status, baseline FEV1% predicted, asthma exacerbations in the previous year, average daily ICS dose, and adherence during the 12- month follow-up period. Model 2 was adjusted the same as model 1, while also adjusted for allergic rhinitis and eczema. Details of the presented models are shown in Table 2.

 

Table 2. Unvalidated models predicting exacerbations

Study

Outcome

Predictors:
effectsize (95%CI)

Performance

Liu (2022);
Intervention; identified as either BDRlow or BDRhigh using both the GINA guideline and Ward’s criterion;

N=231

 

Moderate-to-severe asthma exacerbation

Guideline-based criterion

Model 1: 1.77 (95% CI; 1.17 to 2.48)

Model 2: 1.83 (95% CI; 1.22 to 2.56)

 

Ward’s criterion

Model 1: 1.84 (95% CI; 1.25 to 2.55)

Model 2: 1.94 (95% CI; 1.32 to 2.68)

Not reported

Severe asthma exacerbation

Guideline-based criterion

Model 1: 2.15 (95% CI; 1.20 to 3.54)

Model 2: 2.24 (95% CI; 1.25 to 3.68)

 

Ward’s criterion

Model 1: 2.27 (95% CI; 1.30 to 3.68)

Model 2: 2.46 (95% CI; 1.40 to 4.00)

Not reported

Lung function

No studies were found reporting lung function.

 

Level of evidence of the literature

The level of evidence was not graded, because none of the included studies reported validated models.

A systematic review of the literature was performed to answer the following question:  

What is the impact of phenotyping compared to non-phenotyping in patients with diagnosis asthma on the control of asthma?

P: Patient with diagnosis asthma (no COPD, no ACOS)
I:

Prediction model:

Outcome: asthma control

Factors: phenotyping (based on additional tests): T2 mediated, obesity, allergy, smoking, eosinophil, treatable traits
C: Other prediction model or no comparison (no phenotyping)
O:

Model performance (discrimination parameters like area under the curve, sensitivity, specificity, predictive value) for asthma control

Relevant outcome measures

The guideline development group considered model performance as a critical outcome measure for decision making.

 

The working group defined the performance of the included models as follows (Cohen, 1988):

R2 < 0.02: very weak;

0.02 ≤ R2 < 0.13: weak;

0.13 ≤ R2 < 0.26: moderate;

R2 ≥ 0.26: substantial

 

0.7≤AUC<0.8: acceptable;

0.8≤AUC<0.9: excellent;

AUC≥0.9: outstanding.

 

Prognostic research: Study design and hierarchy

When reviewing literature, there is a hierarchy in quality of individual studies. Preferably, the effectiveness of a prediction 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. The confidence in the results of unvalidated prediction models is very low. Therefore, such models will not be graded. This is also applicable for association models. The risk factors identified from such models can be used to inform patients about the risk on asthma control, however they are less suitable to be used in clinical decision making.

 

Search and select (Methods)

The databases Medline (via OVID) and Embase (via Embase.com) were searched with relevant search terms until March 31st, 2023. The detailed search strategy is depicted under the tab Methods. The systematic literature search resulted in 1244 hits. Studies were selected based on the following criteria:

  • Being a systematic review, randomized controlled trial (RCT) or observational study (cohort study).
  • Reporting multivariable longitudinal association model or prediction model with outcome asthma control as dependent variable and independent variables (T2 mediated, obesity, allergy, smoking, eosinophil, treatable traits) determined.

27 studies were initially selected based on title and abstract screening. After reading the full text, 26 studies were excluded (see the table with reasons for exclusion under the tab Methods), and one study was included. No validated model was reported in this study.

 

Results

One study was included in the analysis of the literature. No evidence and risk of bias tables were performed and the study was not graded, as the reported model was not validated.

  1. Chung KF. New treatments for severe treatment-resistant asthma: targeting the right patient. Lancet Respir Med. 2013 Oct;1(8):639-652. doi: 10.1016/S2213-2600(13)70128-0. Epub 2013 Aug 9. Erratum in: Lancet Respir Med. 2013 Oct;1(8):592. PMID: 24461667.
  2. Dixon AE, Pratley RE, Forgione PM, Kaminsky DA, Whittaker-Leclair LA, Griffes LA, Garudathri J, Raymond D, Poynter ME, Bunn JY, Irvin CG. Effects of obesity and bariatric surgery on airway hyperresponsiveness, asthma control, and inflammation. J Allergy Clin Immunol. 2011 Sep;128(3):508-15.e1-2. doi: 10.1016/j.jaci.2011.06.009. Epub 2011 Jul 23. PMID: 21782230; PMCID: PMC3164923.
  3. Liu, L. (2022, June 23). Reduced bronchodilator reversibility correlates with non-type 2 high asthma and future exacerbations: A prospective cohort study.
  4. Moreira A, Bonini M, Garcia-Larsen V, Bonini S, Del Giacco SR, Agache I, Fonseca J, Papadopoulos NG, Carlsen KH, Delgado L, Haahtela T. Weight loss interventions in asthma: EAACI evidence-based clinical practice guideline (part I). Allergy. 2013 Apr;68(4):425-39. doi: 10.1111/all.12106. Epub 2013 Mar 1. PMID: 23452010.
  5. Scott HA, Gibson PG, Garg ML, Pretto JJ, Morgan PJ, Callister R, Wood LG. Dietary restriction and exercise improve airway inflammation and clinical outcomes in overweight and obese asthma: a randomized trial. Clin Exp Allergy. 2013 Jan;43(1):36-49. doi: 10.1111/cea.12004. PMID: 23278879.
  6. van Huisstede A, Rudolphus A, Castro Cabezas M, Biter LU, van de Geijn GJ, Taube C, Hiemstra PS, Braunstahl GJ. Effect of bariatric surgery on asthma control, lung function and bronchial and systemic inflammation in morbidly obese subjects with asthma. Thorax. 2015 Jul;70(7):659-67. doi: 10.1136/thoraxjnl-2014-206712. Epub 2015 Apr 30. PMID: 25934136.
  7. Venkatesan, P. (2023). 2023 GINA report for asthma. The Lancet Respiratory Medicine, 11(7), 589.

Evidence table for prediction modelling studies (based on CHARMS checklist)

Research question: What is the impact of phenotyping compared to non-phenotyping in patients with diagnosis asthma on the control of asthma?

Study reference

Study characteristics

Patient characteristics

Candidate predictors

Model development, performance and evaluation

 

Outcome measures and results

Comments

Interpretation of model

Liu, 2022

 

 

Source of data1 and date: Patients recruited at hospital asthma clinic between October 2015 and October 2018

 

Setting/ number of centres and country: Single center hospital asthma clinic in China

 

Funding and conflicts of interest:

This study was supported by the National Key Development Plan for Precision Medicine Research (2017YFC091004), the National Natural Science Foundation of China (81920108002, 81870027, 81670023 and 81900026), Science and Technology Foundation of Sichuan Province (2018SZ0167), and 1.3.5 project for disciplines of excellence-Clinical Research Incubation Project, West China Hospital, Sichuan University (2018HXFH016), China Postdoctoral Science Foundation (2019M653437) and Post-Doctor Research Project, West China Hospital, Sichuan University (2019HXBH066).

 

No conflict of interest

Recruitment method2:

Consecutive participants

 

Inclusion criteria:

European Respiratory Society/American Thoracic Society guidelines and GINA

 

Exclusion criteria: patients with a history of cancer, rheumatic diseases, other severe unstable chronic diseases. Patients who were currently pregnant or breastfeeding, had dementia, or unable to perform the required tests

 

Treatment received?

ICS therapy

 

Participants:

N = 411

 

Mean age ± SD:

46.7 ± 14.0

 

Sex:

36.4% M/ 63.6% F

 

Other important characteristics:

 

BMI ± SD:

23.2 ± 3.66

 

 

Describe candidate predictors3 and method and timing of measurement:

 

Predictor 1: BDRhigh (Guideline based)

Predictor 2: BDRlow (Guideline based)

Predictor 3: BDRhigh (Ward’s criterion based)

Predictor 4: BDRlow (Ward’s criterion based)

 

Number of participants with any missing value4?

N (%): Not reported

 

 

How were missing data handled5?

Not included in analysis

Development

Modelling method6:

Logistic regression

 

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: internal/external

Not reported

 

 

Type of outcome: single

 

Definition and method for measurement of outcome: Not reported

 

Endpoint or duration of follow-up:- 12 months

 

Number of events/outcomes:

Guideline-based criterion:

BDRhigh:

BDRlow:

 

Ward’s criterion:

BDRhigh:

BDRlow:

 

 

RESULTS

Multivariable model11:

Guideline-based criterion:

BDRhigh:

BDRlow:

 

Ward’s criterion:

BDRhigh:

BDRlow:

 

 

Alternative presentation of final model12:

Not reported

Interpretation: exploratory, i.e. more research needed.

 

Comparison with other studies?

None reported

 

Generalizability?

More research needed

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 excluded studies (voor systematic review search I)

Reference

Reason for exclusion

Demarche S, Schleich F, Henket M, Paulus V, Louis R, Van Hees T. Step-down of inhaled corticosteroids in non-eosinophilic asthma: A prospective trial in real life. Clin Exp Allergy. 2018 May;48(5):525-535. doi: 10.1111/cea.13106. Epub 2018 Mar 6. PMID: 29383782.

Wrong intervention: stepdown protocol

DiMango E, Rogers L, Reibman J, Gerald LB, Brown M, Sugar EA, Henderson R, Holbrook JT. Risk Factors for Asthma Exacerbation and Treatment Failure in Adults and Adolescents with Well-controlled Asthma during Continuation and Step-Down Therapy. Ann Am Thorac Soc. 2018 Aug;15(8):955-961. doi: 10.1513/AnnalsATS.201711-886OC. PMID: 29863899.

Wrong intervention: stepdown protocol

Garg Y, Kakria N, Katoch CDS, Bhattacharyya D. Exhaled nitric oxide as a guiding tool for bronchial asthma: A randomised controlled trial. Med J Armed Forces India. 2020 Jan;76(1):17-22. doi: 10.1016/j.mjafi.2018.02.001. Epub 2018 Mar 21. PMID: 32020963; PMCID: PMC6994752.

Wrong design: no prognostic model

Guida G, Bagnasco D, Carriero V, Bertolini F, Ricciardolo FLM, Nicola S, Brussino L, Nappi E, Paoletti G, Canonica GW, Heffler E. Critical evaluation of asthma biomarkers in clinical practice. Front Med (Lausanne). 2022 Oct 10;9:969243. doi: 10.3389/fmed.2022.969243. PMID: 36300189; PMCID: PMC9588982.

Wrong design: narrative review

Huang WJ, Huang GT, Zhan QM, Chen JL, Luo WT, Wu LH, Wu LY, Wu LY, Lu ZN, Sun YF. The neutrophil to lymphocyte ratio as a novel predictor of asthma and its exacerbation: a systematic review and meta-analysis. Eur Rev Med Pharmacol Sci. 2020 Nov;24(22):11719-11728. doi: 10.26355/eurrev_202011_23819. PMID: 33275241.

Wrong outcome: asthma diagnosis

Krishnan JA, Lazarus SC, Blake KV, Sorkness CA, Covar R, Dyer AM, Lang JE, Lugogo NL, Mauger DT, Wechsler ME, Wenzel SE, Cardet JC, Castro M, Israel E, Phipatanakul W, King TS. Biomarkers to Predict Response to Inhaled Corticosteroids and Long-Acting Muscarinic Antagonists in Adolescents and Adults with Mild Persistent Asthma. Ann Am Thorac Soc. 2022 Mar;19(3):372-380. doi: 10.1513/AnnalsATS.202105-613OC. PMID: 34793687; PMCID: PMC8937224.

Wrong model: only univariate analysis

Lehtimäki L, Csonka P, Mäkinen E, Isojärvi J, Hovi SL, Ahovuo-Saloranta A. Predictive value of exhaled nitric oxide in the management of asthma: a systematic review. Eur Respir J. 2016 Sep;48(3):706-14. doi: 10.1183/13993003.00699-2016. Epub 2016 Aug 4. PMID: 27492830.

Wrong intervention: FeNO

Li, G. and Han, L. H. and Ma, Y. F. Application of detection of eosinophils in induced sputum in bronchial asthma.

Acta Medica Mediterranea. 2019.

Wrong design: no prognostic model

Matsunaga K, Hirano T, Oka A, Ito K, Edakuni N. Persistently high exhaled nitric oxide and loss of lung function in controlled asthma. Allergol Int. 2016 Jul;65(3):266-71. doi: 10.1016/j.alit.2015.12.006. Epub 2016 Jan 25. PMID: 26822895.

Wrong design: no prognostic model

Morjaria JB, Rigby AS, Morice AH. Asthma phenotypes: do cough and wheeze predict exacerbations in persistent asthma? Eur Respir J. 2017 Dec 7;50(6):1701366. doi: 10.1183/13993003.01366-2017. PMID: 29217600.

Wrong intervention: coughing and wheezing

Neelamegan R, Saka V, Tamilarasu K, Rajaram M, Selvarajan S, Chandrasekaran A. Clinical Utility of Fractional exhaled Nitric Oxide (FeNO) as a Biomarker to Predict Severity of Disease and Response to Inhaled Corticosteroid (ICS) in Asthma Patients. J Clin Diagn Res. 2016 Dec;10(12):FC01-FC06. doi: 10.7860/JCDR/2016/20656.8950. Epub 2016 Dec 1. PMID: 28208871; PMCID: PMC5296444.

Wrong outcome: FeNO levels

Oppenheimer J, Hoyte FCL, Phipatanakul W, Silver J, Howarth P, Lugogo NL. Allergic and eosinophilic asthma in the era of biomarkers and biologics: similarities, differences and misconceptions. Ann Allergy Asthma Immunol. 2022 Aug;129(2):169-180. doi: 10.1016/j.anai.2022.02.021. Epub 2022 Mar 7. PMID: 35272048.

Wrong design: review

Pavord ID, Holliday M, Reddel HK, Braithwaite I, Ebmeier S, Hancox RJ, Harrison T, Houghton C, Oldfield K, Papi A, Williams M, Weatherall M, Beasley R; Novel START Study Team. Predictive value of blood eosinophils and exhaled nitric oxide in adults with mild asthma: a prespecified subgroup analysis of an open-label, parallel-group, randomised controlled trial. Lancet Respir Med. 2020 Jul;8(7):671-680. doi: 10.1016/S2213-2600(20)30053-9. Epub 2020 Mar 11. PMID: 32171064.

Wrong design: post-hoc analysis

Pérez de Llano L, García-Rivero JL, Urrutia I, Martínez-Moragón E, Ramos J, Cebollero P, Carballada F, Blanco-Aparicio M, Vennera MDC, Merino M, Torralba-García Y, Plaza V. A Simple Score for Future Risk Prediction in Patients with Controlled Asthma Who Undergo a Guidelines-Based Step-Down Strategy. J Allergy Clin Immunol Pract. 2019 Apr;7(4):1214-1221.e3. doi: 10.1016/j.jaip.2018.10.017. Epub 2018 Oct 25. PMID: 30368006.

Wrong outcome: stepdown failure prediction

Phillips KM, Hoehle LP, Caradonna DS, Gray ST, Sedaghat AR. Association of severity of chronic rhinosinusitis with degree of comorbid asthma control. Ann Allergy Asthma Immunol. 2016 Dec;117(6):651-654. doi: 10.1016/j.anai.2016.09.439. PMID: 27979022.

Wrong intervention: CRS questionnaire

Porpodis K, Tsiouprou I, Apostolopoulos A, Ntontsi P, Fouka E, Papakosta D, Vliagoftis H, Domvri K. Eosinophilic Asthma, Phenotypes-Endotypes and Current Biomarkers of Choice. J Pers Med. 2022 Jun 30;12(7):1093. doi: 10.3390/jpm12071093. PMID: 35887589; PMCID: PMC9316404.

Wrong design: review

Wechsler, M. E. (2022). Eosinophilic Lung Diseases: ERS Monograph 95 (Vol. 95). European Respiratory Society.

Wrong design: book as part of  series of ERS Monograp

Silkoff PE, Strambu I, Laviolette M, Singh D, FitzGerald JM, Lam S, Kelsen S, Eich A, Ludwig-Sengpiel A, Hupp GC, Backer V, Porsbjerg C, Girodet PO, Berger P, Leigh R, Kline JN, Dransfield M, Calhoun W, Hussaini A, Khatri S, Chanez P, Susulic VS, Barnathan ES, Curran M, Das AM, Brodmerkel C, Baribaud F, Loza MJ. Asthma characteristics and biomarkers from the Airways Disease Endotyping for Personalized Therapeutics (ADEPT) longitudinal profiling study. Respir Res. 2015 Nov 17;16:142. doi: 10.1186/s12931-015-0299-y. PMID: 26576744; PMCID: PMC4650115.

Wrong design: review

Ulrik CS, Lange P, Hilberg O. Fractional exhaled nitric oxide as a determinant for the clinical course of asthma: a systematic review. Eur Clin Respir J. 2021 Feb 24;8(1):1891725. doi: 10.1080/20018525.2021.1891725. PMID: 33708363; PMCID: PMC7919904.

Wrong intervention: FeNO

van der Schee MP, Palmay R, Cowan JO, Taylor DR. Predicting steroid responsiveness in patients with asthma using exhaled breath profiling. Clin Exp Allergy. 2013 Nov;43(11):1217-25. doi: 10.1111/cea.12147. PMID: 24152154.

Wrong design: validation study

Vedel-Krogh S, Fallgaard Nielsen S, Lange P, Vestbo J, Nordestgaard BG. Association of Blood Eosinophil and Blood Neutrophil Counts with Asthma Exacerbations in the Copenhagen General Population Study. Clin Chem. 2017 Apr;63(4):823-832. doi: 10.1373/clinchem.2016.267450. Epub 2017 Feb 16. PMID: 28209625.

Wrong design: retrospective

Walsh CJ, Zaihra T, Benedetti A, Fugère C, Olivenstein R, Lemière C, Hamid Q, Martin JG. Exacerbation risk in severe asthma is stratified by inflammatory phenotype using longitudinal measures of sputum eosinophils. Clin Exp Allergy. 2016 Oct;46(10):1291-302. doi: 10.1111/cea.12762. Epub 2016 Jun 27. PMID: 27214328.

Niet zonder fenotypes; twee fenotypes

Wang Y, Liu K, Hu K, Yang J, Li Z, Nie M, Dong Y, Huang H, Chen J. Impact of obstructive sleep apnea on severe asthma exacerbations. Sleep Med. 2016 Oct;26:1-5. doi: 10.1016/j.sleep.2016.06.013. Epub 2016 Sep 29. PMID: 28007353.

Wrong intervention: sleep apnea

Westerhof GA, Korevaar DA, Amelink M, de Nijs SB, de Groot JC, Wang J, Weersink EJ, ten Brinke A, Bossuyt PM, Bel EH. Biomarkers to identify sputum eosinophilia in different adult asthma phenotypes. Eur Respir J. 2015 Sep;46(3):688-96. doi: 10.1183/09031936.00012415. Epub 2015 Jun 25. PMID: 26113672.

Wrong design: diagnostic accurary

Xiang Y, Ji H, Zhou Y, Li F, Du J, Rasmy L, Wu S, Zheng WJ, Xu H, Zhi D, Zhang Y, Tao C. Asthma Exacerbation Prediction and Risk Factor Analysis Based on a Time-Sensitive, Attentive Neural Network: Retrospective Cohort Study. J Med Internet Res. 2020 Jul 31;22(7):e16981. doi: 10.2196/16981. PMID: 32735224; PMCID: PMC7428917.

Wrong study type: model validation

Zeiger RS, Schatz M, Yang SJ, Chen W. Fractional Exhaled Nitric Oxide-Assisted Management of Uncontrolled Persistent Asthma: A Real-World Prospective Observational Study. Perm J. 2019;23:18-109. doi: 10.7812/TPP/18-109. PMID: 31050641; PMCID: PMC6499115.

Wrong intervention: FeNO

 

Beoordelingsdatum en geldigheid

Laatst beoordeeld  : 12-09-2025

Initiatief en autorisatie

Initiatief:
  • Nederlandse Vereniging van Artsen voor Longziekten en Tuberculose
Geautoriseerd door:
  • Nederlandse Vereniging van Artsen voor Longziekten en Tuberculose
  • Nederlandse Vereniging voor Keel-Neus-Oorheelkunde en Heelkunde van het Hoofd-Halsgebied
  • Nederlandse Vereniging voor Kindergeneeskunde
  • Nederlandse Internisten Vereniging - Allergologie en Klinische Immunologie
  • astmaVereniging Nederland en Davos

Algemene gegevens

De ontwikkeling/herziening 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 2022 een multidisciplinaire werkgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen (zie hiervoor de samenstelling van de werkgroep) die betrokken zijn bij de zorg voor patiënten met niet-acute astma in de tweedelijn.

 

Werkgroep

  • Dr. B. (Bas) Langeveld, longarts, werkzaam in het Deventer ziekenhuis te Deventer, NVALT (voorzitter)
  • Dr. A. (Astrid) Aardenburg – van Huisstede, longarts, werkzaam in Noordwest Ziekenhuisgroep
  • Dr. M (Marijke) Amelink, longarts, werkzaam in het Spaarne Gasthuis te Haarlem, NVALT
  • Drs. L.M. (Leonie) Imming, longarts, werkzaam in Medisch Spectrum Twente te Enschede, NVALT
  • Dr. B. (Bart) Hilvering, longarts, werkzaam in het Amsterdam UMC te Amsterdam, NVALT
  • Dr. J.N.G. (Hanneke) Oude Elberink, allergoloog, werkzaam in het Universitair Medisch Centrum Groningen te Groningen, NIV/NVvAKI
  • Dr. M.E. (Marjolein) Cornet, KNO-arts, werkzaam in het Alrijne ziekenhuis te Leiden, NVKNO
  • Prof. dr. J.W.M. (Jean) Muris, huisarts en hoogleraar Huisartsgeneeskunde, NHG
  • Drs. M.H.A. (Mariëtte) Scholma-Bronsema, verpleegkundige specialist Astma/COPD/OSA, werkzaam in het Wilhelmina Ziekenhuis te Assen, V&VN
  • Drs. Y. (Yvonne) Kappe, senior beleidsadviseur, Longfonds & VND
  • Drs. E.M. (Esther) van der Roest, ervaringsdeskundige, VND
  • S.T. (Saskia) van Dorst M, ervaringsdeskundige, Longfonds

Klankbordgroep

  • Wendy Bokxem, Verpleegkundig specialist longgeneeskunde i.o, werkzaam in Ziekenhuisgroep Twente te Hengelo, V&VN 

Met ondersteuning van

  • M. (Mark) van Eck, junior adviseur, Kennisinstituut van de Federatie Medisch Specialisten
  • Dr. J. (Janneke) Hoogervorst-Schilp, senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten
  • Dr. A.N. (Nynke) Kampstra, adviseur, Kennisinstituut van de Federatie Medisch Specialisten

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

Dr. B. (Bas) Langeveld, (voorzitter)

Longarts, Deventer ziekenhuis

Incidenteel deelname adviesraad industrie (AstraZeneca, Novartis, GSK) over biologicals (betreft ernstig astma, dit valt buiten scope van de richtlijn)

Deelname Studies: AstraZeneca: ANDHI, tot 2019

GSK: NIMBLE, start 2e kwartaal 2022 (PI)

Studies betreffen middelen voor de behandeling van ernstig astma, dit valt buiten de inhoud van deze richtlijn.

Opbrengst komt ten goede van de onderzoeksafdeling longziekten van het Deventer ziekenhuis

Geen restricties (ernstig astma valt buiten deze richtlijn). Deelname adviesraad wordt neergelegd gedurende richltijnontwikkeling.

Dr. A. (Astrid) Aardenburg – van Huisstede

Longarts, Noordwest Ziekenhuisgroep

Bijscholing huisartsen CASPIR (betaald)

Principal Investigator diverse onderzoeken opgezet door farmacie (betaald)

Voor alle genoemde studies lokale projectleider:

* UMCG - High-flow therapie bij COPD

* Astra Zeneca - Oberon studie (COPD)

* Franciscus Gasthuis - Tricolon studie (COPD)

* Rapsodie database ernstig astma - Geen projectleider

Geen restricties

Dr. M (Marijke) Amelink

Longarts, Spaarne ziekenhuis

Research waarbij unrestricted grant van teva (onbetaald voor mij) mbt ernstig astma.

- spreker caspir cursus (betaald via caspir)

- verschillende keren een adviesraad gedaan voor pharmacie (eenmalige vergoeding voor astra Z, GSK, Sanofi)

- mede voorzitter noord NL symposium met Els Weersink (sponsor chiesi, onbetaald). Staat los van astma.

Ik heb geen aandelen, opties of financiële belangen bij een bedrijf. Geen lopend betaald adviseurschap.

1 unrestricted grand mbt ernstig astma

Geen restricties

Drs. L.M. (Leonie) Imming

Longarts, MST

Geen

GSK: NIMBLE, start 2e kwartaal 2022. Studie betreft middelen voor de behandeling van ernstig astma, dit valt buiten de inhoud van deze richtlijn.

Geen restricties

Dr. B. (Bart) Hilvering

Longarts, Amsterdam UMC

Incidenteel advisory boards en voordrachten over ernstig astma door GSK, AstraZeneca, Sanofi, dit valt buiten de scope van de richtlijn

Lokale PI voor de AIRLEAF en CLAIRLEAF studie, geïnitieerd door Boehringer Ingelheim, medicatie voor bronchiectasieen, dit valt buiten de scope van de richtlijn

Geen restricties

Dr. J.N.G. (Hanneke) Oude Elberink

Internist-allergoloog, UMCG

Geen

Geen

Geen restricties

Dr. M.E. (Marjolein) Cornet

KNO-arts, Alrijne ziekenhuis

Geen

Geen

Geen restricties

Prof. dr. J.W.M. (Jean) Muris

Geen

Geen

Geen

Geen restricties

M.H.A. (Mariëtte) Scholma-Bronsema

Verpleegkundig specialist longziekten

Wilhelmina Ziekenhuis Assen

Vrijwilliger longfonds

voorzitter kwaliteitsteam Assen van de Huisartsen Zorg Drenthe. Lid van transmurale zorg aanpak astma-COPD (landelijke commissie).

Geen

Geen restricties

Drs. Y. (Yvonne) Kappe

Projectleider Longfonds en astmaVereniging Nederland en Davos

 

Geen

Geen

Geen restricties

Drs. E.M. (Esther) van der Roest

ErvaringsdeskundigeastmaVereniging Nederland en Davos

Geen

Geen

Geen restricties

S.T.M. (Saskia) van Dorst

Ervaringsdeskundige Longfonds

 Geen

Geen

Geen restricties

Klankbordgroep

Klankbordgroep

lid

Functie

Nevenfuncties

Gemelde belangen

Ondernomen actie

Drs. W. (Wendy) Bokxem

Verpleegkundig specialist longgeneeskunde, ZGT Hengelo

Geen

Geen

Geen restricties

Inbreng patiëntenperspectief

Er werd aandacht besteed aan het patiëntenperspectief door afvaardiging van astmaVereniging Nederland en Davos en Longfonds in de werkgroep. De verkregen input is meegenomen bij het opstellen van de uitgangsvragen, de keuze voor de uitkomstmaten en bij het opstellen van de overwegingen (zie kopje waarden en voorkeuren van patiënten). De conceptrichtlijn is tevens voor commentaar voorgelegd aan de Patientenfederatie Nederland en de aangeleverde commentaren zijn bekeken en verwerkt.

 

Wkkgz & Kwalitatieve raming van mogelijke substantiële financiële gevolgen

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 raming

Toelichting

Fenotypering in diagnostisch traject               

 

Geen financiële gevolgen

Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (>40.000 patiënten), volgt uit de toetsing dat het overgrote deel (±90%) van de zorgaanbieders en zorgverleners al aan de norm voldoet. Er worden daarom geen financiële gevolgen verwacht.

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).

 

Knelpuntenanalyse en uitgangsvragen

Tijdens de voorbereidende fase inventariseerde de werkgroep de knelpunten in de zorg voor patiënten met niet-acute astma. Tevens zijn er (aanvullende) knelpunten aangedragen door de Nederlandse Associatie Physician Assistants, Longfonds en Astma Vereniging Nederland en Davos, NVALT-sectie astma & allergie, COPD & Astma Huisartsen Advies Groep en de Nederlandse Vereniging van Ziekenhuizen via een schriftelijke knelpuntenanalyse. Een verslag hiervan is opgenomen onder aanverwante producten. 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. Indien mogelijk werd de data uit verschillende studies gepoold in een random-effects model. Review Manager 5.4 werd gebruikt voor de statistische analyses. 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).

GRADE

Definitie

Hoog
  • er is hoge zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • het is zeer onwaarschijnlijk dat de literatuurconclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Redelijk
  • er is redelijke zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • het is mogelijk dat de conclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Laag
  • er is lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • er is een reële kans dat de conclusie klinisch relevant verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Zeer laag
  • er is zeer lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt;
  • de literatuurconclusie is zeer onzeker.

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 nuleffect) 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, zoals 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. http://richtlijnendatabase.nl/over_deze_site/over_richtlijnontwikkeling.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.

Zoekverantwoording

Algemene informatie

Richtlijn: NVALT – tweedelijns astmazorg

Uitgangsvraag:  UV03 wat is de rol van vroegtijdige fenotypering van patiënten met niet-ernstig astma om een slechte uitkomst te voorkomen

Database(s): Ovid/Medline, Embase

Datum: 6-2-2023, 31-3-2023

Periode: 2000-

Talen: nvt

Literatuurspecialist: Ingeborg van Dusseldorp

BMI zoekblokken: voor verschillende opdrachten wordt (deels) gebruik gemaakt van de zoekblokken van BMI-Online https://blocks.bmi-online.nl/ Bij gebruikmaking van een volledig zoekblok zal naar de betreffende link op de website worden verwezen.

Toelichting:

31-3-2023

Bij de systematische reviews is onvoldoende evidence aangetroffen, vandaar dat wordt gekozen om de strategie opnieuw uit te voeren, te zoeken vanaf 2012 en de clinical trials en RCTs aan te bieden.

 

De sleutelartikelen worden gevonden in de clinical trials.

6-2-2023

In eerste instantie is deze vraag benaderd vanuit de diagnostiek. Toen bleek dat de sleutelartikelen niet werd gevonden is de uitgangsvraag aangepast en opgesteld als een prognostische vraag waarbij is gezocht met de volgende concepten:

 

Asthma AND (obesitas OR eosinophil OR type 2 mediated OR allergy OR smoking OR treatable traits OR fenotyping) AND exacerbation AND adults AND prognostic model

De twee sleutelartikelen worden gevonden in de basisstrategie.

Te gebruiken voor richtlijnen tekst:

In de databases Embase en Ovid/Medline is op 31-3-2023 met relevante zoektermen gezocht vanaf 2012 naar systematische reviews, RCTs en clinical trials over de rol van vroegtijdige fenotypering van patiënten met astma om een slechte uitkomst te voorkomen. De literatuurzoekactie leverde 1244 unieke treffers op.

Zoekopbrengst

31-3-2023

EMBASE

OVID/MEDLINE

Ontdubbeld t.o.v. 6-2-2023

SRs prognostisch

137

80

3

RCTs

824

491

1046

Observationele studies

 

 

 

 

 

 

 

Totaal

 

 

1049

6-2-2023

EMBASE

OVID/MEDLINE

Ontdubbeld

SRs prognostisch

161

100

195

RCTs

 

 

 

Observationele studies

 

 

 

Overig

 

 

 

Totaal

 

 

195

Zoekstrategie

Embase

No.

Query

Results

#21

#18 AND #20 SR

161

#20

'meta analysis'/exp OR 'meta analysis (topic)'/exp OR metaanaly*:ti,ab OR 'meta analy*':ti,ab OR metanaly*:ti,ab OR 'systematic review'/de OR 'cochrane database of systematic reviews'/jt OR prisma:ti,ab OR prospero:ti,ab OR (((systemati* OR scoping OR umbrella OR 'structured literature') NEAR/3 (review* OR overview*)):ti,ab) OR ((systemic* NEAR/1 review*):ti,ab) OR (((systemati* OR literature OR database* OR 'data base*') NEAR/10 search*):ti,ab) OR (((structured OR comprehensive* OR systemic*) NEAR/3 search*):ti,ab) OR (((literature NEAR/3 review*):ti,ab) AND (search*:ti,ab OR database*:ti,ab OR 'data base*':ti,ab)) OR (('data extraction':ti,ab OR 'data source*':ti,ab) AND 'study selection':ti,ab) OR ('search strategy':ti,ab AND 'selection criteria':ti,ab) OR ('data source*':ti,ab AND 'data synthesis':ti,ab) OR medline:ab OR pubmed:ab OR embase:ab OR cochrane:ab OR (((critical OR rapid) NEAR/2 (review* OR overview* OR synthes*)):ti) OR ((((critical* OR rapid*) NEAR/3 (review* OR overview* OR synthes*)):ab) AND (search*:ab OR database*:ab OR 'data base*':ab)) OR metasynthes*:ti,ab OR 'meta synthes*':ti,ab

898457

#19

#3 AND #18 sleutelartikelen gevonden

2

#18

#16 AND #17

4734

#17

'area under the curve'/exp OR 'brier score'/exp OR 'computer prediction'/exp OR 'c statistic'/exp OR 'c statistics'/exp OR 'integrated discrimination improvement'/exp OR 'net reclassification improvement'/exp OR 'net reclassification index'/exp OR 'prediction'/exp OR 'predictive model'/exp OR 'predictive modeling'/exp OR 'predictive validity'/exp OR 'predictive value'/exp OR 'regression analysis'/exp OR 'statistical model'/exp OR 'area under the curve':ti,ab,kw OR 'brier score*':ti,ab,kw OR 'c statistic*' OR 'computer prediction':ti,ab,kw OR 'decision curve anal*':ti,ab,kw OR (('net reclassification' NEAR/2 (improvement OR index)):ti,ab,kw) OR (((predict* OR statistical*) NEAR/3 (model* OR validity OR value)):ti,ab,kw) OR 'proportional hazards model*':ti,ab,kw OR 'r square*':ti,ab,kw OR regression:ti,ab,kw OR predict*:ti OR multivariate:ti,ab,kw OR multivariab*:ti,ab,kw

3128768

#16

#14 AND #15

33774

#15

'severe persistent asthma'/mj OR 'disease exacerbation'/exp OR 'deterioration'/exp OR 'decline':ti,ab,kw OR 'deteriorati*':ti,ab,kw OR 'going down':ti,ab,kw OR worse*:ti,ab,kw OR severe:ti,ab,kw OR brittle:ti,ab,kw OR fatal:ti,ab,kw OR refractor*:ti,ab,kw OR dependent:ti,ab,kw OR resistant:ti,ab,kw OR problem*:ti,ab,kw OR persist*:ti,ab,kw

7191665

#14

#13 AND [1-1-2000]/sd NOT ('conference abstract'/it OR 'editorial'/it OR 'letter'/it OR 'note'/it) NOT (('animal'/exp OR 'animal experiment'/exp OR 'animal model'/exp OR 'nonhuman'/exp) NOT 'human'/exp)

88197

#13

#12 NOT (('adolescent'/exp OR 'child'/exp OR adolescent*:ti,ab,kw OR child*:ti,ab,kw OR schoolchild*:ti,ab,kw OR infant*:ti,ab,kw OR girl*:ti,ab,kw OR boy*:ti,ab,kw OR teen:ti,ab,kw OR teens:ti,ab,kw OR teenager*:ti,ab,kw OR youth*:ti,ab,kw OR pediatr*:ti,ab,kw OR paediatr*:ti,ab,kw OR puber*:ti,ab,kw) NOT ('adult'/exp OR 'aged'/exp OR 'middle aged'/exp OR adult*:ti,ab,kw OR man:ti,ab,kw OR men:ti,ab,kw OR woman:ti,ab,kw OR women:ti,ab,kw))

265070

#12

#4 AND #11

330935

#11

#5 OR #6 OR #7 OR #8 OR #9 OR #10 OR 'phenotype'/exp OR phenotyp*:ti,ab,kw OR 'pheno typ*':ti,ab,kw

2704939

#10

'treatable trait'/de OR 'treatable trait*':ti,ab,kw

340

#9

'eosinophil'/exp OR (((acidophil* OR polymorph* OR pmn OR polynuclear*) NEAR/3 (leucocyt* OR leukocyt* OR granulocyt*)):ti,ab,kw)

82878

#8

'smoking and smoking related phenomena'/exp OR smoking:ti,ab,kw OR 'tobacco use':ti,ab,kw

597869

#7

'respiratory tract allergy'/exp OR 'airway hyper-responsiveness':ti,ab,kw OR 'airway hyperresponsiveness':ti,ab,kw OR 'airway hypersensitivity':ti,ab,kw OR 'respiratory tract hypersensitivity':ti,ab,kw OR allerg*:ti,kw

468993

#6

'obesity'/exp/mj OR obes*:ti,ab,kw OR obesit*:ti,ab,kw OR overweight*:ti,ab,kw OR 'adipositas':ti,ab,kw OR 'adiposity':ti,ab,kw OR 'corpulen*':ti,ab,kw OR 'fat overload syndrome':ti,ab,kw

651303

#5

((t2 OR 'type 2' OR 'type2') NEAR/3 asthma):ti,ab,kw

1015

#4

'asthma'/exp/mj OR 'bronchus hyperreactivity'/exp OR 'airway obstruction'/exp OR (((airway OR airflow OR repirator*) NEAR/2 (obstruct* OR occlusion* OR closure)):ti,ab,kw) OR ((bronch* NEAR/2 (hyperreactiv* OR 'hyper reactiv*' OR hyperrespons* OR 'hyper respons*')):ti,ab,kw) OR asthma*:ti,ab,kw OR wheez*:ti,ab,kw OR breathles*:ti,ab,kw

367242

#3

#1 OR #2 sleutelartikelen

2

#2

'predictors of accelerated decline in lung' AND coumou

1

#1

'clinical predictors of remission and persistence' AND westerhof

1

Ovid/Medline

#

Searches

Results

19

17 and 18 SR

100

18

meta-analysis/ or meta-analysis as topic/ or (metaanaly* or meta-analy* or metanaly*).ti,ab,kf. or systematic review/ or cochrane.jw. or (prisma or prospero).ti,ab,kf. or ((systemati* or scoping or umbrella or "structured literature") adj3 (review* or overview*)).ti,ab,kf. or (systemic* adj1 review*).ti,ab,kf. or ((systemati* or literature or database* or data-base*) adj10 search*).ti,ab,kf. or ((structured or comprehensive* or systemic*) adj3 search*).ti,ab,kf. or ((literature adj3 review*) and (search* or database* or data-base*)).ti,ab,kf. or (("data extraction" or "data source*") and "study selection").ti,ab,kf. or ("search strategy" and "selection criteria").ti,ab,kf. or ("data source*" and "data synthesis").ti,ab,kf. or (medline or pubmed or embase or cochrane).ab. or ((critical or rapid) adj2 (review* or overview* or synthes*)).ti. or (((critical* or rapid*) adj3 (review* or overview* or synthes*)) and (search* or database* or data-base*)).ab. or (metasynthes* or meta-synthes*).ti,ab,kf.

650866

17

15 and 16

3403

16

Area Under Curve/ or exp Forecasting/ or "Predictive Value of Tests"/ or exp Multivariate Analysis/ or exp Regression Analysis/ or exp Models, Statistical/ or area under the curve.ti,ab,kf. or brier score*.ti,ab,kf. or c statistic*.ti,ab,kf. or computer prediction.ti,ab,kf. or decision curve anal*.ti,ab,kf. or (net reclassification adj2 (improvement or index)).ti,ab,kf. or ((predict* or statistical*) adj3 (model* or validity or value)).ti,ab,kf. or proportional hazards model*.ti,ab,kf. or r square*.ti,ab,kf. or regression.ti,ab,kf. or predict*.ti. or multivaria*.ti,ab,kf.

2362142

15

14 not ((exp animals/ or exp models, animal/) not humans/) not (letter/ or comment/ or editorial/)

22119

14

limit 13 to yr="2000 -Current"

25263

13

12 not ((Adolescent/ or Child/ or Infant/ or adolescen*.ti,ab,kf. or child*.ti,ab,kf. or schoolchild*.ti,ab,kf. or infant*.ti,ab,kf. or girl*.ti,ab,kf. or boy*.ti,ab,kf. or teen.ti,ab,kf. or teens.ti,ab,kf. or teenager*.ti,ab,kf. or youth*.ti,ab,kf. or pediatr*.ti,ab,kf. or paediatr*.ti,ab,kf. or puber*.ti,ab,kf.) not (Adult/ or adult*.ti,ab,kf. or man.ti,ab,kf. or men.ti,ab,kf. or woman.ti,ab,kf. or women.ti,ab,kf.))

33355

12

10 and 11

43044

11

Status Asthmaticus/ or Disease Progression/ or Clinical Deterioration/ or decline.ti,ab,kf. or deteriorati*.ti,ab,kf. or going down.ti,ab,kf. or worse*.ti,ab,kf. or severe.ti,ab,kf. or brittle.ti,ab,kf. or fatal.ti,ab,kf. or refractor*.ti,ab,kf. or dependent.ti,ab,kf. or resistant.ti,ab,kf. or problem*.ti,ab,kf. or persist*.ti,ab,kf.

5533549

10

1 and 9

166461

9

7 or 8

1861515

8

exp Phenotype/ or phenotyp*.ti,ab,kf.

854716

7

2 or 3 or 4 or 5 or 6

1042981

6

treatable trait*.ti,ab,kf.

257

5

Eosinophils/ or ((acidophil* or polymorph* or pmn or polynuclear*) adj3 (leucocyt* or leukocyt* or granulocyt*)).ti,ab,kf.

46361

4

exp Smoking/ or smoking.ti,ab,kf. or "tobacco use".ti,ab,kf.

325998

3

exp Respiratory Hypersensitivity/ or airway hyper-responsiveness.ti,ab,kf. or ((airway or respiratory tract) adj3 (hyperresponsive* or hypersensitive*)).ti,ab,kf. or allerg*.ti,kf.

261473

2

exp Obesity/ or obes*.ti,ab,kf. or overweight*.ti,ab,kf. or 'over weight*'.ti,ab,kf. or adipositas.ti,ab,kf. or adiposity.ti,ab,kf. or excess body weight.ti,ab,kf. or corpulen*.ti,ab,kf. or fat overload syndrome.ti,ab,kf. or bariatr*.ti,ab,kf.

458553

1

exp Asthma/ or Bronchial Hyperreactivity/ or Airway Obstruction/ or ((airway or airflow or repirator*) adj2 (obstruct* or occlusion* or closure)).ti,ab,kf. or (bronch* adj2 (hyperreactiv* or hyper reactiv* or hyperrespons* or hyper respons*)).ti,ab,kf. or asthma*.ti,ab,kf. or wheez*.ti,ab,kf. or breathles*.ti,ab,kf.

243965
Volgende:
X-thorax bij aanvullend onderzoek