Dutch DisMod. Constructing a set of consistent data for chronic disease modelling | RIVM

Om te komen tot consistente verzamelingen van invoergegevens voor dynamische modellen van chronische ziekten hebben we de consistentie binnen de modelcontext geanalyseerd van gegevens over incidentie, prevalentie en sterfte voor specifieke ziekten. Dergelijke modellen integreren gegevens uit verschillende bronnen en worden gebruikt om de volksgezondheids-effecten van trends in en interventies op risicofactoren door te rekenen. Incidentie- en prevalentie-gegevens komen uit huisartsenregistraties, epidemiologische onderzoeken en registraties in de gezondheidszorg, gegevens over overleving uit de wetenschappelijke literatuur, terwijl ziekte-specifieke sterftecijfers uit de CBS-statistieken komen. De opeenvolgende analysestappen zijn: 1) een vergelijking van de gegevens uit verschillende bronnen, 2) de berekening van remissie- en sterfterates uit gegeven incidentie- en prevalentierates, vervolgens 3) een vergelijking met data uit de literatuur. We hebben data ge6valueerd met betrekking tot longkanker, astma en COPD, coronaire hartziekten en hartfalen, diabetes mellitus, dementie, en beroerte. Verschillende algemene conclusies kunnen getrokken worden: de gevonden verschillen tussen de bronnen zijn meestal terug te vertalen naar verschillen in registratiekarakteristieken; voor veel aandoeningen is de berekende 'excess' sterfte veel groter dan de sterfte met de ziekte als de primaire doodsoorzaak in de CBS-statistieken; de geschatte sterfteparameters komen in de meeste gevallen goed overeen met die uit de literatuur; de aanwezigheid van trends in de tijd maakt het schatten van leeftijd-specifieke cijfers lastig.