Nederland vervult een centrale rol in het continentale netwerk van biostatistisch cardiovasculair onderzoek. De samenvoeging van diepgaande registratie, langdurige cohortstudies en een hechte gemeenschap van methodologen vormt het land tot een centrum voor baanbrekend data-onderzoek. Deze handleiding verschaft een overzicht van toepasselijke infrastructuur, financieringsbronnen en actuele trends die wetenschappers ondersteunen om resultaatgerichte studies op te zetten.

Een Europese hub voor cardiovasculaire biostatistiek

Het Nederlandse resultaat in grootschalig data-onderzoek rond hart- en vaatziekten is geen toeval. Al decennialang worden burgers gevolgd in de tijd in prospectieve studies zoals de Rotterdam Study, die uitgebreid gestratificeerde data leveren over incidentie, risicofactoren en langetermijnuitkomsten. Deze cohorten worden stelselmatig gekoppeld aan landelijke registries en huisartsendata, wat longitudinale analyses faciliteert die in veel andere landen niet bestaan.

Methodologen in Nederlandse universitair medische centra hebben revolutionair werk 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 internationaal toegepast in cardiovasculaire trials. Doordat veel van deze methoden zijn opgebouwd op Nederlandse data, genieten statistici hieruit een vanzelfsprekend vertrouwen in Europese onderzoeksconsortia.

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

  • Langlopende bevolkingscohorten met uitgebreide biomerkers en beeldvorming
  • Landelijke koppeling via het burgerservicenummer (BSN) in een nationaal gezondheidsdata-ecosysteem
  • Grondige expertise in overlevingsanalyse, joint models en mendeliaanse randomisatie
  • Hoge mate van datakwaliteit door genormaliseerde registratie en validatiestudies

Vooraanstaande instituten en hun researchfocus

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

Het Leids Universitair Medisch Centrum (LUMC) heeft een sterke 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, waarbij biostatistici bijdragen aan grote cohorten zoals The Maastricht Study. Bovendien bieden de afdelingen Health Evidence in Nijmegen en de sectie Biostatistiek van het Amsterdam UMC bijzondere expertise op het raakvlak van machine learning en cardiovasculaire beeldvorming.

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

  • Erasmus MC – Afdeling Epidemiologie & Biostatistiek (Rotterdam Study, predictiemodellen)
  • UMC Utrecht – Julius Centrum (primaire zorg, risicostratificatie SCORE2)
  • Maastricht UMC+ – CARIM (bevolkings- en beeldvormingsstudies, The Maastricht Study)
  • LUMC – Hart Long Centrum (vaatgerelateerde big data, genetische epidemiologie)
  • Radboudumc – Health Evidence (federatief leren, Personal Health Train)
  • Amsterdam UMC – Sectie Biostatistiek (survivalanalyse, klinische trials)

Databronnen en registratieonderzoek voor cardiovasculaire wetenschappelijke projecten

De beschikbaarheid van hoogstaande registries is een van de belangrijkste voordelen van het Nederlandse onderzoeksklimaat. De Netherlands Heart Registration (NHR) verzamelt gegevens van alle cardiologische ingrepen, zoals dotterbehandelingen en klepimplantaties, en wordt gevuld door elektronische medische dossiers. Daarnaast biedt de Dutch Hospital Data (DHD) een uniforme set klinische gegevens die voor academisch onderzoek toegankelijk gemaakt kan worden via de aanvraagroute van het Dutch Institute for Clinical Auditing (DICA).

Bevolkingsgerichte studiegroepen zoals de Rotterdam Study, de ERGO-studie, HELIUS, Lifelines en de aankomende Generation R Next bieden gedetailleerde data met longitudinale metingen en genetische data. Doordat deze bronnen door het CBS en andere instanties via het BSN aan elkaar te koppelen zijn, kunnen onderzoekers zorguitgaven, sterfte en medicatiegebruik longitudinaal onderzoeken. Het PALGA-systeem (pathologie) en de huisartsregistraties van Nivel ronden af het plaatje door gegevens over comorbiditeit en histologie toe te voegen.

De opkomst van de Health-RI-infrastructuur en het Nationaal Cohort Dashboard maakt het bovendien steeds eenvoudiger om datasets te vinden en te hergebruiken. Biostatistici hebben een belangrijke rol in de harmonisatie van uitkomstdefinities en het hanteren van ontbrekende data, waardoor registeronderzoek kan beantwoorden aan de strenge eisen van regulatoire autoriteiten en medische publicaties.

  • Netherlands Heart Registration (NHR) – behandel- en uitkomstdata bij coronair- en structureel hartlijden
  • Rotterdam Study en ERGO – diepe fenotypering en follow-up op lange termijn in de algemene bevolking
  • PALGA – nationaal pathologieregister met weefseldiagnoses
  • Nivel Zorgregistraties – representatieve huisartsdata met voorschrijf- en verwijspatronen
  • Statistics Netherlands (CBS) microdata – doodsoorzaken, sociaaleconomische variabelen en medische kosten

Baanbrekende biostatistische methoden ‘made in the Netherlands’

Nederland heeft een omvangrijke geschiedenis in het ontwikkelen van statistische methoden die onmiddellijk relevant zijn voor cardiovasculair onderzoek. De Fine en Gray-methode voor concurrerende risico’s, vaak ingezet bij sterfte na een hartinfarct waarbij andere doodsoorzaken als concurrerend evenement worden gezien, 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 richten zich 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 gebruikt om dagelijkse klinische praktijkdata te benutten voor vergelijkend effectiviteitsonderzoek, wanneer gerandomiseerde trials niet mogelijk 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 achterlaten. Dit federated learning-model is inmiddels gebruikt in meerdere Europese cardiovasculaire projecten en wordt beschouwd 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
  • Gezamenlijke modellen voor dynamische predictie met herhaald gemeten biomarkers zoals NT-proBNP
  • TMLE-schatting en doubly robuste causale inferentie
  • Personal Health Train – gedistribueerde analyse van elektronische patiëntendossiers
  • Bayesiaanse netwerken en machine learning voor vroegdetectie van ritmestoornissen

Regelgeving rond klinisch hartonderzoek: wat biostatistici behoren te kennen

Biostatistici die in Nederland cardiovasculair onderzoek initiëren, moeten bedreven zijn in een complex regulatori landschap. Sinds de inwerkingtreding van verordening (EU) 536/2014 (Clinical Trials Regulation) worden alle klinische geneesmiddelenonderzoeken ingediend 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) leidend, aangevuld met de Gedragscode Gezondheidsonderzoek en de Uitvoeringswet AVG. In de praktijk houdt dit dat onderzoekers een data protection impact assessment (DPIA) moeten uitvoeren en vaak aangewezen zijn van een opt-out procedure voor patiëntinformatie, tenzij expliciete toestemming verplicht is. Biostatistici worden steeds vaker gevraagd om te onderbouwen dat koppeling van bronnen noodzakelijk is voor de beoogde analyse en dat de minimale gegevensverwerking wordt gehanteerd.

De komst van de European Health Data Space (EHDS) zal secundair datagebruik verder harmoniseren en verschaft nieuwe mogelijkheden voor grensoverschrijdende cardiovasculaire studies. Nederlandse instellingen stellen zich in 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
  • Data protection impact assessment (DPIA) voor observationele studies met gepseudonimiseerde data
  • Gedragscode voor gezondheidsonderzoek en toetsing door een privacy-functionaris bij koppeling van bronnen
  • FAIR-principes toepassen op datacatalogi voor vindbare, toegankelijke en herbruikbare data

Europese financiering en partnerships met Nederlandse inbreng

Onderzoeksgroepen uit Nederland zijn zelden afwezig in grote Europese cardiovasculaire initiatieven. Binnen Horizon Europe en de voorganger daarvan Horizon 2020 namen zij deel aan of coördineerden programma’s als BigData@Heart, euCanSHare en CVR-Mind. Deze consortia bundelden elektronische gezondheidsdossiers, beeldvorming en omics-data, waarbij Nederlandse biostatistici vaak de analysewerkpakketten coördineerden. Vanwege de krachtige digitale infrastructuur en ethische normen worden ook in toenemende mate federated learning-projecten vanuit ons land aangestuurd.

Het Innovative Health Initiative (IHI) creëert mogelijkheden voor publiek-private partnerschappen in de cardiologie. Partijen uit Nederland, waaronder UMC’s en biotechbedrijven, zijn actief in projectvoorstellen rond digitale uitkomstmaten en telemonitoring bij hartfalen. Daarnaast financiert de European Research Council (ERC) theoretisch statistisch onderzoek, zoals geavanceerde causale technieken voor tijdafhankelijke verstorende factoren, een vraagstuk dat direct toepasbaar is op observationele hartstudies.

Eveneens nationale financiers als ZonMw en de Hartstichting ondersteunen biostatistisch onderzoek, veelal in afstemming met EU-gelden. Het is voor onderzoekers raadzaam om tijdig aan te sluiten bij de European Society of Cardiology (ESC) werkgroepen, die fungeren als kraamkamer voor innovatieve multicenter trials. De samenvoeging van diepgaande statistische kennis en een collaboratieve research cultuur maakt Nederlandse teams waardevol als trekkers of centrale laboratoriumpartners.

  • Horizon Europe – Cluster Gezondheid: leider van werkpakket voor datatechnische analyse en biostatistische modellen
  • IHI / IMI – co-development van real-world evidence frameworks en virtuele controle-armen
  • ERC Advanced Grants – methodologisch onderzoek naar machine learning voor causaliteit in data uit observationeel onderzoek
  • ZonMw – biostatistisch onderzoek met klinische toepassing en invoering van instrumenten voor risicovoorspelling
  • ESC-registers – EuroHeart en EORP, met Nederlandse dataspecialisten in de kerngroep

FAQ

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

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

Op welke wijze verkrijg ik toegang tot landelijke hartregistries zoals de NHR?

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

Welke soorten EU-subsidies bestaan 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 verder 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.

Wat voor 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 veranderlijke risicovoorspelling op basis van herhaalde metingen biostat-chf.eu. 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 beantwoorden bij observationeel data-onderzoek in Nederland?

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

Wat houdt in de rol van de Personal Health Train in Europese projecten?

De Personal Health Train (PHT) stelt onderzoekers de mogelijkheid om analyses te draaien 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 aan naadloos aan op de European Health Data Space en wordt gezien als referentie voor privacy-preserverend internationaal onderzoek.