Abstract
ACHTERGROND: 30% van de patiënten met een Majeure Depressieve Stoornis (MDS) vertoont een immuungemedieerd subtype, geassocieerd met een slechte respons op eerstelijns antidepressiva. Immuungerichte behandelstrategieën met anti-inflammatoire geneesmiddelen tonen goede resultaten en kunnen effectiever zijn bij dit subtype. Voor betere klinische studie designs, hebben we een leidraad nodig om de patiënten te selecteren die er baat bij hebben, over uitkomstmaten die de klinische effecten in kaart brengen, en hoe effectief elk geneesmiddel is per MDS subtype. DOEL: Bepalen van voorspellende markers in het bloed en het klinische fenotype voor een accurate patiëntenselectie in toekomstige klinische studies, de optimale uitkomstmaat voor immuungerichte behandelingen bij MDS, en een rangschikking van hun effectiviteit. AANPAK: Ik hanteer een dubbele aanpak, waarbij ik inzichten verworven door de opstart van een nieuwe klinische studie, zal combineren met gestratificeerde meta-analyses, het harmoniseren van studie designs, en het inzetten van machine learning in bestaande databases (n = 9 RCTs) binnen een internationaal consortium. IMPACT: Mijn project zal toekomstige RCT protocols optimaliseren. Dit zal leiden tot minder negatieve trials, wat kosteneffectief is en tot meer interesse zal leiden binnen de farmaceutische industrie. Een betere strategie voor patiëntenselectie en -behandeling kan dan klinische studies optimaliseren ook bij andere psychiatrische aandoeningen.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)