Development of Preoperative Prediction Models for Pain and Functional Outcome After Total Knee Arthroplasty Using The Dutch Arthroplasty Register Data
Oktober 2019: Publicatie Journal of Arthroplasty
Development of a preoperative prediction model for pain and functional outcome after total knee arthroplasty using The Dutch Arthroplasty Register (LROI) data
Tolk JJ, Waarsing JEH, Janssen RPA, van Steenbergen LN, Bierma-Zeinstra SMA, Reijman M
Uitkomstvoorspelling bij patiënten met totale knieprothese
Preoperatieve verwachtingen zijn van grote invloed op het behandelresultaat van een totale knieprothese (TKP). Voor optimaal verwachtingsmanagement is een voorspelling
van de uitkomst van de behandeling essentieel. Meerdere factoren die geregistreerd worden in de Landelijke Registratie Orthopedische Implantaten (LROI) kunnen voor deze voorspelling worden gebruikt. Het doel van deze studie was om voorspellingsmodellen te maken voor de kans op restklachten binnen 1 jaar na het plaatsen van een TKP. Vervolgens werden de prestaties van deze modellen geëvalueerd.
We gebruikten data uit de LROI van 7.071 patiënten die een TKP kregen tussen januari 2015 en juli 2017, waarbij zowel pre- als postoperatieve Patient Reported Outcome Measures (PROMs) geregistreerd waren. We stelden voorspellingsmodellen op,
afzonderlijk voor mannen en vrouwen met behulp van multipele lineaire regressieanalyses. Deze werden opgesteld voor postoperatieve tevredenheid, overall behandelsucces en de kans op verschillende restklachten. De modellen werden
beoordeeld op discriminatie (het vermogen om onderscheid te maken tussen patiënten met restklachten en patiënten zonder klachten) en kalibratie (de overeenkomst tussen de voorspelde en de werkelijke uitkomst).

Conclusie
Een aanzienlijk deel van de patiënten heeft restklachten na het plaatsen van een totale knieprothese. Deze studie toont aan dat patiëntgegevens en PROMs geregistreerd in de LROI gebruikt kunnen worden om een voorspelling te doen over de kans op restklachten. De voorspellingsmodellen zijn bruikbaar in de klinische praktijk voor verwachtingsmanagement.