Looptijd: 1-7-2021 - 30-4-2022
Soa risico bij PrEP gebruikers: Kunnen we op soa’s testen op basis van voorspellende karakteristieken?
Het doel van dit onderzoek is om te onderzoeken of we socio-demografische en/of gedragskarakteristieken kunnen identificeren die een laag risico op seksueel overdraagbare aandoeningen voorspellen onder PrEP gebruikers.
Dit project is een samenwerking tussen de GGD-en van Amsterdam, Zuid-Limburg en Utrecht, en het Centrum Infectieziektenbestrijding (CIb) van het RIVM. Gebruikmakend van data van het Nationale PrEP Programma zullen we voorspellers van soa risico bij PrEP gebruikers bepalen middels machine learning. Het doel van deze aanpak is om uit de in de landelijk PrEP database beschikbare socio-demografische, seksueel gedrags en alcohol/drug gebruik variabelen voorspellers te identificeren van soa. Mogelijke voorspellers zouden kunnen zijn: leeftijd, seksuele voorkeur (exclusief homoseksueel of biseksueel), woonregio, drug gebruik, aantal seksuele partners is de voorgaande 6 maanden, frequentie van condoomloze seks met losse partners en eerdere soa’s. Uit eerdere ervaring weten we dat voorspellers mogelijk sterk met elkaar gecorreleerd zijn; daarom zullen we ook de correlatie tussen de voorspellers bekijken. Gebruikmakend van statistische technieken die bias bestraffen (bv. elastic-net), zal het mogelijk maken om een set aan voorspellers te identificeren waarbij bias minimaal is en precisie optimaal. We zullen daarnaast het belang van de voorspellers rangschikken met ensemble methods (bv. random forest), zodat we de meest bruikbare voorspellers voor soa’s kunnen identificeren. We zullen data uit Amsterdam, Utrecht en Maastricht (en mogelijk Den Haag) gebruiken voor de ontwikkeling van de set voorspellers en om de sensitiviteit en specificiteit en voorspellende waardes (positief en negatief) te bepalen van deze set. We hebben gekozen voor data uit deze steden om een beeld te krijgen van soa en gedrag in een grote en middelgrote stad en daarnaast een stad die meer in het platteland ligt. Wanneer we een efficiënte set voorspellers hebben geïdentificeerd die gebruikt zou kunnen worden voor selectieve soa screening (ook wel een risicoscore) zullen we deze voorspellers valideren met behulp van data van de andere 22 soa klinieken in Nederland die verzameld worden door het CIb.