Bayesovský hemodynamický model pro personalizované monitorování pacientů s městnavým srdečním selháním

Srdeční selhání (HF) je celosvětovým problémem. V současné době žije s tímto chronickým onemocněním 26 milionů lidí a prevalence se stále zvyšuje. Kromě tohoto rostoucího počtu v prevalenci je HF také zodpovědné za téměř 1 milion hospitalizací ročně v USA a v Evropě. To má následně i velký ekonomický dopad, zejména kvůli opakovaným přijímáním těchto pacientů. Adekvátní predikce dekompenzace by mohla zabránit (ne)zbytným hospitalizacím v důsledku srdečního selhání. Philips vyvíjí Bayesovský model pro chronické srdeční selhání, který umožňuje sledování pacientů se srdečním selháním v nemocnici i doma. Důležitou charakteristikou takového Bayesovského modelu je to, že jde o model založený na znalostech, na rozdíl od modelů založených na dolování dat, a pro začátek vyžaduje pouze několik údajů o pacientech (10–20 pacientů). Další důležitou vlastností je, že tyto „modely založené na znalostech“ jsou použitelné v jakémkoli prostředí, opět na rozdíl od modelů založených na dolování dat. Tím se navrhovaný model liší od konvenčních přístupů k modelování pro dolování dat. Při příjmu do nemocnice bude model „vyplněn“ osobními údaji pacienta. Následně, během zbytku pobytu v nemocnici nebo po propuštění z nemocnice, bude vstupem pro model řada symptomů a proměnných laboratorního měření („observables“). Výstupem modelu (výsledkem) bude pravděpodobnost zlepšení (proti zhoršení) stavu pacienta nebo stavu stavu srdečního selhání na stupnici (od 1-10). Model může pracovat s menším počtem vstupních proměnných, než je počet, se kterým byl „personalizován“. S menším počtem vstupních měření se přirozeně sníží spolehlivost výsledku. Tento modelovací přístup v podstatě zachycuje klinický způsob myšlení do modelu. Při správné interpretaci pomocí chytrého bayesovského modelování bude praktický lékař nebo geriatr schopen sledovat a léčit většinu pacientů se srdečním selháním. To odpovídá současnému uvažování o snížení nákladů na HC tím, že pacienty udrží doma a mimo nemocnici.

Klinické vyšetření je navrženo tak, aby vyhodnotilo, zda se výsledek „Bayesovského hemodynamického modelu“ srovnává s hodnocením stavu kardiologa. Účelem této studie je ověřit počítačový model, který byl vyvinut pro posouzení stavu pacienta se srdečním selháním. S tímto modelem se vyšetřovatelé snaží podporovat zdravotnické pracovníky s včasnou detekcí zhoršení stavu pacientů se srdečním selháním a poskytováním správné léčby, když je potřeba. V případě úspěchu by to mohlo pomoci pacientům se srdečním selháním zůstat déle doma a snížit počet hospitalizací.

Přehled klinické literatury je zdokumentován ve zprávě Personalizované monitorování srdečního selhání pomocí Bayesovské sítě, Anja v.d. Stolpe, Wim Verhaegh, Folke Noertemann, PR-TN 2017/00180.

Toto klinické vyšetření je potřebné, protože nejsou dostupné žádné úplné soubory dat, včetně hodnocení základní pravdy provedené kardiology, a to ani v existujících databázích, ani v klinické literatuře.

Klinická zkouška musí být provedena na populaci, která splňuje kritéria pro zařazení/vyloučení popsaná v kapitole 6, protože "Bayesovský hemodynamický model" je platný pouze pro tyto případy.