COLOFIT en darmkanker

De COLOFIT-modellen omvatten FIT, leeftijd, geslacht, aantal bloedplaatjes (PLT) en gemiddeld celvolume (MCV) als voorspellers om het risico op colorectale kanker (CRC) te schatten(1):

• De prestaties van COLOFIT in de tijd varieerden aanzienlijk in de Nottingham dataset: COLOFIT leverde een reductie van 4,6% op in verwijzingen in de modelafleidingsgegevens en een reductie van 20,2% in de nieuwere interne validatiegegevens van Nottingham.

FIT-resultaten ≥ 10 µg hemoglobine per gram feces leiden gewoonlijk tot doorverwijzing, met een gevoeligheid van ongeveer 90% voor CRC (2):

• ongeveer 10 op de 11 patiënten met een positieve FIT die worden doorverwezen voor onderzoek naar mogelijk CRC hebben echter geen kanker.

Tamm et al. onderzochten of COLOFIT het aantal patiënten kon verminderen dat werd doorverwezen voor dringend onderzoek naar colorectale kanker in vergelijking met de standaardpraktijk om patiënten met FIT ≥ 10 µg/g door te verwijzen, zonder kankers te missen in vergelijking met FIT:

• COLOFIT werd extern gevalideerd in een grote real-world huisarts aangevraagde FIT dataset van 51.477 patiënten, gericht op een klinisch relevante metriek: de verandering in het percentage patiënten dat in aanmerking komt voor verwijzing zonder ontbrekende colorectale kankerdiagnoses in vergelijking met het gebruik van alleen FIT ≥ 10 µg/g.
  • ontdekten dat COLOFIT zou hebben geleid tot een vermindering van het aantal verwijzingen met 8% over de gehele onderzoeksperiode en tussen 23% vermindering en 2% toename, afhankelijk van de tijdsperiode
    • variatie toonde de rol aan van toenemende testpercentages en populatiekenmerken op de prestaties van het model
• de prestaties van COLOFIT varieerden in de loop van de tijd naarmate de testpercentages in Oxfordshire toenamen en er meer symptomatische patiënten met rectale bloeding of bloed in de ontlasting met een hoger risico werden opgenomen
  • geconstateerd dat een verwijzingsdrempel voor COLOFIT mogelijk niet direct overdraagbaar is als deze wordt geschat op basis van gegevens uit een andere omgeving of op basis van gegevens uit een eerdere periode uit dezelfde omgeving als de geteste populatie verandert
  • de optimale setting voor de implementatie van COLOFIT een populatie zou zijn die vergelijkbaar is met de oorspronkelijke afgeleide populatie in Nottingham, een 'pan-risk' populatie met stabiele percentages van zowel 'laag-risico' als 'hoog-risico' symptomen van darmkanker en die een gebufferde ontlastingafnameset gebruikt
  • aanbevelingen voor de implementatie van COLOFIT in nieuwe settings:
    1. Validatie met behulp van lokale gegevens zou de optimale aanpak zijn waar het haalbaar is en lokale gegevens gemakkelijk beschikbaar zijn. Voordat COLOFIT gebruikt wordt om de zorg voor patiënten te veranderen, zou het model gevalideerd moeten worden aan de hand van lokale gegevens om de verwijsdrempel te bepalen die het aantal verwijzingen vermindert zonder kankers te missen in vergelijking met FIT. Dit kan retrospectief worden gedaan in systemen waar FIT al is gebruikt en de andere variabelen in het model kunnen worden opgevraagd, of prospectief door het model een tijd passief te laten draaien terwijl er gegevens worden verzameld.
    2. COLOFIT kan vóór lokale validatie worden geïmplementeerd als er geen gegevens beschikbaar zijn om het model vóór implementatie onder de volgende voorwaarden te evalueren: FIT-positiviteit is ten minste 17% en het percentage darmkanker ligt in de buurt van 1,3-1,6%. Zonder lokale validatie kan COLOFIT een klein aantal kankers missen en het aantal verwijzingen ten opzichte van FIT niet verminderen.
    3. Controleer de prestaties van COLOFIT na de implementatie. De prestaties van COLOFIT kunnen na verloop van tijd nog steeds variëren door veranderingen in de geteste populatie. De optimale drempelwaarde voor de risicoscore om verwijzing aan te geven zal na verloop van tijd dienovereenkomstig veranderen. COLOFIT moet regelmatig opnieuw worden gevalideerd aan de hand van lokale gegevens om inzicht te krijgen in veranderingen in de geteste populatie en om een risicodrempel opnieuw te schatten als er nieuwe gegevens beschikbaar komen. Dit verkleint de kans op gemiste kankers, terwijl het aantal verwijzingen zo veel mogelijk beperkt blijft.

Referentie:

1. Crooks CJ et al. COLOFIT: Development and Internal-External Validation of Models Using Age, Sex, Faecal Immunochemical and Blood Tests to Optimise Diagnosis of Colorectal Cancer in Symptomatic Patients. Aliment Pharmacol Ther. 2025 Mar;61(5):852-864.
2. Tamm A et al. External validation of the COLOFIT colorectal cancer risk prediction model in the Oxford-FIT dataset: the importance of population characteristics and clinically relevant evaluation metrics. BMC Med. 2025 Aug 27;23(1):503.