Samenvatting

Omdat we veel klinisch relevante informatie uit anamnese, basisfunctieonderzoek, specifieke orthopedische tests, vragenlijsten en beeldvorming genereren en omdat veel van die informatie soms wel en soms niet bepalend is voor de actuele klacht van de patiënt met een musculoskeletale aandoening, is een goede kwaliteit van klinisch redeneren essentieel voor de professie fysiotherapie. Het ontwikkelen en gebruiken van ‘clinical decision support tools’ (CDST’s) leidt tot beter inzicht en meer transparantie in het klinisch redeneren. In dit artikel worden drie verschillende CDST’s beschreven: computergestuurde vragenlijsten, ‘clinical prediction rules’ (CPR’s) en theoretische modellen ondersteund door technologie. De drie beschreven voorbeelden betreffen de Start back screening tool (SBST), de Treatment based classification (TBC) en het concept klinisch redeneermodel voor schouderpijn van Stichting Schoudernetwerken Nederland (SSN). Duidelijk wordt dat de kwaliteit van de CDST’s nog te wensen overlaat, zeker de meer complexe vakinhoudelijke modellen die zijn ontwikkeld voor patiënten met lage rugpijn en schouderpijn blijken nog van onvoldoende kwaliteit. Dat neemt niet weg dat in de nabije toekomst het perspectief van betere modellen gekoppeld aan moderne technologie positief is. Bovendien helpt ook de ontwikkeling van een CDST de beroepsgroep in het aangeven van belangrijke klinische beslismomenten. En ook al is er sprake van een goede CDST, updaten van de kwaliteit blijft een belangrijk en doorgaand proces. Op die wijze toegepast fungeert het werken met CDST’s als een vliegwiel voor verbetering van de kwaliteit van fysiotherapeutisch klinisch redeneren.