Werkhervatting bij patiënten met traumatisch hersenletsel. (FWOSB84)

Gepersonaliseerde voorspellingen over uitkomsten kunnen gemaakt worden door de nodige data prospectief te verzamelen of door gebruik te maken van routinematig verzamelde big data. Gezien de eerste optie veel middelen vereist, moet onderzocht worden of het gebruik van de beschikbare data geschikt is voor specifieke uitkomsten en aandoeningen. In dit project wordt dit gedaan voor het voorspellen van werkhervatting bij traumatische hersenletsels (TBI).
Dit project beoogt het maken van voorspellingen over de kans op verschillende werksituaties één jaar na de TBI. Data over ziekenhuisverblijf, zorggebruik en tewerkstelling worden gelinkt op individueel niveau. Bijkomende verzameling van een uitgebreidere dataset, bekomen uit patiëntendossiers en vragenlijsten, maakt de evaluatie mogelijk van de geschiktheid van big data om werkhervatting na TBI te voorspellen. Vooreerst wordt dit gedaan door het valideren van voorspellingen op basis van deze data. Daarna wordt onderzocht of de bijkomende variabelen de nauwkeurigheid van de voorspellingen kan verbeteren. In geval van een superieur uitgebreid model wordt nagegaan welke van de bijkomende variabelen het meest bijdragen aan de toename in voorspellende waarde. Voor deze variabelen wordt ook de kost geschat van data verzameling en pooling voor heel Vlaanderen. Het beste resulterende model kan gebruikt voor het informeren van patiënten, maar ook clinici en beleidsmakers over de verbetering van de praktijken rond de begeleiding naar werk.

Trefwoorden:traumatic brain injury, Predictive modelling, return to work

Disciplines:Gezondheidswetenschappen niet elders geclassificeerd