Onderzoek & Onderzoek in Nederland — Handleidingen & Nieuws

Nederland vervult een sleutelpositie in het Europese netwerk van statistisch-biologisch cardiovasculair onderzoek. De vereniging van diepgaande registratie, langlopende cohortstudies en een hechte gemeenschap van methodologen maakt het land tot een broedplaats voor vernieuwend data-onderzoek. Deze handleiding biedt een overzicht van toepasselijke infrastructuur, financieringsbronnen en recente trends die academici helpen om resultaatgerichte studies op te zetten.

EU-subsidies en samenwerkingsverbanden met Nederlandse inbreng

Nederlandse onderzoeksteams zijn vrijwel nooit afwezig in omvangrijke Europese cardiovasculaire programma’s. Binnen Horizon Europe en het eerdere programma Horizon 2020 namen zij deel aan of coördineerden projecten als BigData@Heart, euCanSHare en CVR-Mind. Deze consortia integreerden digitale medische dossiers, beelddata en omics-data, met Nederlandse biostatistici vaak de analysewerkpakketten coördineerden. Door de sterke IT-infrastructuur en ethische richtlijnen worden ook in toenemende mate federated learning-projecten vanuit ons land gecoördineerd.

Het Innovative Health Initiative (IHI) biedt kansen voor publiek-private samenwerking in de cardiologie. Partijen uit Nederland, onder wie UMC’s en biotechbedrijven, participeren in voorstellen en initiatieven rond digitale eindpunten en remote monitoring bij hartfalen. Daarnaast financiert de European Research Council (ERC) theoretisch statistisch onderzoek, zoals innovatieve causale methodieken voor tijdafhankelijke verstorende factoren, een thema dat rechtstreeks van toepassing is op observationele hartstudies.

Tevens binnenlandse financieringsorganisaties als ZonMw en de Hartstichting bevorderen biostatistisch onderzoek, doorgaans in synergie met EU-gelden. Het verdient aanbeveling voor onderzoekers om vroegtijdig aan te sluiten bij de European Society of Cardiology (ESC) werkgroepen, die functioneren als kraamkamer voor nieuwe multicenterstudies. De combinatie van specialistische statistische kennis en een samenwerkingsgerichte onderzoekscultuur maakt Nederlandse teams aantrekkelijk als coördinatoren of core-labpartners.

• Horizon Europe – Cluster Gezondheid: leider van werkpakket voor analyse van data en biostatistische modellen
• IHI / IMI – co-creatie van real-world evidence frameworks en synthetische controlegroepen
• ERC Advanced Grants – onderzoek naar methoden naar causale leertechnieken in observationele gegevens
• ZonMw – translationeel biostatistiekonderzoek en implementatie van instrumenten voor risicovoorspelling
• ESC-registers – EuroHeart en EORP, met Nederlandse dataspecialisten in de kernploeg

Een Europees centrum voor cardiovasculaire biostatistiek

Het Nederlandse resultaat in grootschalig data-onderzoek rond hart- en vaatziekten is niet toevallig https://biostat-chf.eu/. Al jarenlang worden burgers gevolgd in prospectieve studies zoals de Rotterdam Study, die uitgebreid gestratificeerde data leveren over incidentie, risicofactoren en langetermijnuitkomsten. Deze cohorten worden consequent gekoppeld aan landelijke registries en huisartsendata, wat longitudinale analyses toestaat die in veel andere landen niet bestaan.

Methodologen in Nederlandse universitair medische centra hebben baanbrekende prestaties geleverd op het gebied van competing risks-analyse, dynamische predictiemodellen en causale inferentie. De expertise in het hanteren van gecensureerde uitkomsten en tijdsafhankelijke covariaten wordt wereldwijd toegepast in cardiovasculaire trials. Doordat veel van deze methoden zijn ontwikkeld op Nederlandse data, genieten statistici hieruit een intuïtief vertrouwen in Europese onderzoeksconsortia.

Daarnaast speelt de Nederlandse biostatistiekgemeenschap een belangrijke rol in de harmonisatie van uitkomstmaten en studiedesigns. Vanuit de Netherlands Heart Registration tot de internationale IHI-projecten leggen Nederlandse statistici standaarden voor het opbouwen en analyseren van real-world evidence. Deze infrastructuur maakt het land tot een waardevolle partner voor multicenter trials en observationele mega-cohortstudies.

• Jarenlange bevolkingscohorten met uitgebreide biomerkers en beeldvorming
• Universele koppeling via het burgerservicenummer (BSN) in een nationaal gezondheidsdata-ecosysteem
• Uitgebreide expertise in overlevingsanalyse, joint models en mendeliaanse randomisatie
• Grote mate van datakwaliteit door uniforme registratie en validatiestudies

Vooraanstaande instituten en hun researchfocus

In vrijwel ieder UMC is een gespecialiseerde biostatistiek- of epidemiologieafdeling te vinden die zich focust op hart- en vaatziekten. Erasmus MC bevat de afdeling Epidemiologie & Biostatistiek, bekend van de Rotterdam Study en methodologisch leiderschap in prediction modelling. Het Julius Centrum van het UMC Utrecht verenigt eerstelijnsdata met verfijnde risicoscores en was bijvoorbeeld betrokken bij de ontwikkeling van de SCORE2-risicotabellen.

Het Leids Universitair Medisch Centrum (LUMC) heeft een solide traditie in vasculaire geneeskunde en big data-analyses binnen het Hart Long Centrum. In Maastricht bundelt het Cardiovascular Research Institute Maastricht (CARIM) basaal, klinisch en populatieonderzoek, waar biostatistici leveren aan grote cohorten zoals The Maastricht Study. Bovendien bieden de afdelingen Health Evidence in Nijmegen en de sectie Biostatistiek van het Amsterdam UMC speciale expertise op het raakvlak van machine learning en cardiovasculaire beeldvorming.

Ook buiten de academische ziekenhuizen zijn er belangrijke spelers, zoals het Nederlands Hartinstituut en onderzoeksgroepen bij het Nivel, die met routine zorgdata studies naar hartfalen en atriumfibrilleren uitvoeren. Al deze centra opereren nauw samen in landelijke initiatieven zoals de Dutch Cardiovascular Alliance (DCVA), wat synergie tussen methodologie en klinische vraagstukken bevordert.

• Erasmus MC – Afdeling Epidemiologie & Biostatistiek (Rotterdam Study, predictiemodellen)
• UMC Utrecht – Julius Centrum (eerste lijn, risicostratificatie SCORE2)
• Maastricht UMC+ – CARIM (populatie- en imagingonderzoek, The Maastricht Study)
• LUMC – Hart Long Centrum (big data in vasculaire geneeskunde, genetische epidemiologie)
• Radboudumc – Health Evidence (federated learning, Personal Health Train)
• Amsterdam UMC – Sectie Biostatistiek (overlevingsanalyse, klinische trials)

Databronnen en registers en registerstudies voor cardiovasculaire onderzoeken

De beschikbaar stellen van kwalitatieve registries is een van de belangrijkste voordelen van het Nederlandse onderzoeksklimaat. De Netherlands Heart Registration (NHR) registreert gegevens van alle cardiologische interventies, zoals dotterbehandelingen en klepimplantaties, en wordt aangevuld door elektronische medische dossiers. Daarnaast levert de Dutch Hospital Data (DHD) een gestandaardiseerd set klinische parameters die voor academisch onderzoek ontsloten kan worden via de aanvraagproces van het Dutch Institute for Clinical Auditing (DICA).

Bevolkingsgerichte cohorten zoals de Rotterdam Study, de ERGO-studie, HELIUS, Lifelines en de aankomende Generation R Next bieden gedetailleerde data met herhaalde metingen en genetische gegevens. Doordat deze registraties door het CBS en andere organisaties via het BSN aan elkaar te koppelen zijn, kunnen wetenschappers zorguitgaven, sterfte en medicatiegebruik longitudinaal bestuderen. Het PALGA-systeem (pathologie) en de huisartsregistraties van Nivel completeren het geheel door gegevens over comorbiditeit en histologie te leveren.

De opmars van de Health-RI-infrastructuur en het Nationaal Cohort Dashboard biedt het daarnaast steeds toegankelijker om datasets te lokaliseren en te hergebruiken. Biostatistici hebben een cruciale rol in de harmonisatie van uitkomstdefinities en het behandelen van ontbrekende gegevens, waardoor registeronderzoek kan voldoen aan de strikte eisen van regulatoire organisaties en medische tijdschriften.

• Netherlands Heart Registration (NHR) – interventie- en uitkomstengegevens bij coronair- en structureel hartlijden
• Rotterdam Study en ERGO – uitgebreide fenotypering en langdurige follow-up in de algemene populatie
• PALGA – nationaal pathologieregister met weefseldiagnoses
• Nivel Zorgregistraties – representatieve huisartsdata met recept- en verwijzingstrends
• Statistics Netherlands (CBS) microdata – overlijdensredenen, sociaal-economische gegevens en medische kosten

Normen rond klinisch hartonderzoek: wat biostatistici moeten weten

Biostatistici die in Nederland cardiovasculair onderzoek starten, moeten vertrouwd zijn met een complex regulatori landschap. Sinds de inwerkingtreding van verordening (EU) 536/2014 (Clinical Trials Regulation) worden alle klinische geneesmiddelenonderzoeken verzonden via het CTIS-portaal van het Europees Geneesmiddelenbureau. De Medisch Ethische Toetsingscommissies (METC’s) beoordelen daarbij zowel de wetenschappelijke als de statistische onderbouwing, inclusief steekproefgrootteberekeningen en interim-analyses.

Voor observationeel onderzoek met bestaande zorgdata is de Algemene Verordening Gegevensbescherming (AVG) richtinggevend, aangevuld met de Gedragscode Gezondheidsonderzoek en de Uitvoeringswet AVG. In de praktijk impliceert dit dat onderzoekers een data protection impact assessment (DPIA) dienen te verrichten en vaak steunen van een opt-out procedure voor patiëntinformatie, tenzij expliciete toestemming vereist is. Biostatistici worden steeds vaker verzocht om te onderbouwen dat koppeling van bronnen noodzakelijk is voor de beoogde analyse en dat de minimale gegevensverwerking wordt gebruikt.

De komst van de European Health Data Space (EHDS) zal secundair datagebruik verder harmoniseren en verschaft nieuwe mogelijkheden voor grensoverschrijdende cardiovasculaire studies. Nederlandse instellingen maken zich klaar door datacatalogi te standaardiseren en via Health-RI vindbaar te maken. Statistisch advies is onmisbaar bij het opstellen van metadata en bij het ontwerpen van privacy-preserverende analysestructuren zoals de Personal Health Train.

• CTIS-indiening voor interventionele trials met statistisch analysis plan (SAP) conform ICH-E9
• METC-goedkeuring inclusief beoordeling van steekproefomvang en tussentijdse stopping rules
• Privacy-impactbeoordeling voor observationele studies met gepseudonimiseerde data
• Gedragscode Gezondheidsonderzoek en toetsing door een privacy-functionaris bij koppeling van bronnen
• FAIR-principes implementeren op datacatalogi voor vindbare, toegankelijke en herbruikbare data

FAQ

Hoe komt het dat Nederlandse biostatistiek zo geschikt voor cardiovasculair onderzoek?

De specifieke combinatie van landelijke registries, langlopende cohorten en een sterke methodologische traditie typeert Nederland. Onderzoekers kunnen data via het BSN koppelen, waardoor bijzonder gedetailleerde longitudinale analyses mogelijk zijn. Daarnaast heeft de biostatistiekgemeenschap innovatieve technieken ontwikkeld, zoals competing risks- en joint models, die nu de standaard zijn in Europese cardiovasculaire studies.

Hoe verkrijg ik toegang tot landelijke hartregistries zoals de NHR?

Toegang tot de Netherlands Heart Registration geschiedt via een wetenschappelijke aanvraag bij het Dutch Institute for Clinical Auditing (DICA). U moet onderzoeksprotocol indienen dat wordt getoetst op haalbaarheid en privacywaarborgen. Na goedkeuring komt er een dataverwerkingsovereenkomst. De procedure neemt doorgaans enkele weken tot maanden, waarbij inzicht over de statistische analyse en dataminimalisatie de doorlooptijd kan bekorten.

Welke EU-subsidies zijn er voor biostatistisch hartonderzoek met Nederlandse deelname?

Horizon Europe (Cluster Gezondheid) en het Innovative Health Initiative (IHI) bieden de meest relevante financieringslijnen. Nederlandse teams kunnen bovendien aanspraak maken op ERC-beurzen voor fundamenteel methodologisch werk en op ZonMw-programma’s die synergie met EU-projecten vergroten. Ook binnen ESC-registers en de Europese samenwerkingsverbanden van de Hartstichting zijn er kansen voor biostatistische analyses en coördinatie van datawerkpaketten.

Welke methodologische innovaties uit Nederland kan ik inzetten in mijn studie?

Denk aan competing risks-modellen voor situaties waarin patiënten meerdere mogelijke eindpunten hebben, en joint models voor levende risicovoorspelling op basis van herhaalde metingen. Voor causaal onderzoek uit observationele data zijn doubly robuste schatters en TMLE geschikt. Wilt u privacy-gevoelige gegevens analyseren zonder centrale opslag, dan biedt de Personal Health Train een bewezen gedistribueerde aanpak die al in cardiovasculaire projecten is toegepast.

Aan welke ethische eisen moet ik voldoen aan bij observationeel data-onderzoek in Nederland?

U moet voldoen aan de AVG en de Gedragscode Gezondheidsonderzoek, een data protection impact assessment (DPIA) maken en privacy-functionarissen inschakelen bij verbinding van bronnen. Voor retrospectief onderzoek met gepseudonimiseerde data is meestal geen METC-goedkeuring vereist, maar een opt-out regeling voor patiënten daarentegen. Documenteer te allen tijde de noodzaak van elke variabele en de minimale verwerking, en maak overeenkomsten over dataminimalisatie en bewaartermijnen.

Wat is precies de rol van de Personal Health Train in Europese projecten?

De Personal Health Train (PHT) biedt onderzoekers de kans om analyses te uitvoeren op data die lokaal wordt opgeslagen, in plaats van ze te centraliseren. In Europese cardiovasculaire consortia is PHT toegepast voor het opbouwen van predictiemodellen op elektronische patiëntendossiers zonder dat gevoelige informatie de instelling verlaat. Het model sluit naadloos aan op de European Health Data Space en wordt beschouwd als als referentie voor privacy-preserverend internationaal onderzoek.

Baanbrekende biostatistische methoden ‘made in the Netherlands’

Nederland heeft een rijke geschiedenis in het ontwikkelen van statistische methoden die onmiddellijk relevant zijn voor cardiovasculair onderzoek. De Fine en Gray-methode voor concurrerende risico’s, vaak toegepast bij sterfte na een hartinfarct waarbij andere doodsoorzaken als concurrerend evenement worden behandeld, vindt zijn oorsprong in werk van Nederlandse statistici. Ook dynamische predictie via joint models voor longitudinale biomarkers en overlevingstijd is sterk geworteld in de Nederlandse biostatistiek.

Recente innovaties focussen op het combineren van causale inferentie met machine learning. Onderzoekers aan de Universiteit Leiden en het UMC Utrecht publiceren over targeted learning en super learner-ensembles die de effectiviteit van behandelingen schatten uit observationele data. Dergelijke technieken worden ingezet om dagelijkse klinische praktijkdata te benutten voor vergelijkend effectiviteitsonderzoek, wanneer gerandomiseerde trials niet uitvoerbaar zijn.

Het concept van de Personal Health Train (PHT), gecreëerd in Nijmegen, stelt onderzoekers in staat om analyses uit te voeren op decentraal opgeslagen data zonder dat gevoelige patiëntgegevens de lokale server verlaten. Dit federated learning-model is inmiddels toegepast in meerdere Europese cardiovasculaire projecten en wordt gezien als blauwdruk voor privacy-vriendelijk internationaal onderzoek in lijn met de European Health Data Space.

• Competing risks en multi-state modellen voor complexe ziektetrajecten na hartfalen
• Joint models voor dynamische predictie met herhaald gemeten biomarkers zoals NT-proBNP
• Targeted maximum likelihood estimation (TMLE) en doubly robuste causale inferentie
• Persoonlijke Gezondheidstrein – gedistribueerde analyse van elektronische patiëntendossiers
• Bayesiaanse netwerken en machine learning voor vroegdetectie van ritmestoornissen