Predikce rizika fibrilace síní a asociace s jinými nemocemi (FIND-AF)

Fibrilace síní (FS) je hlavním problémem veřejného zdraví: je stále častější, znamená značné výdaje na zdravotní péči a je spojena s řadou nepříznivých následků. Pro včasnou diagnostiku FS, dříve než dojde k první komplikaci, existuje důvod. Předchozí výzkum screeningu AF je omezen nízkými výtěžky nových případů a mozkových příhod, kterým bylo ve vyšetřované populaci zabráněno. Aby byl screening FS klinicky a nákladově efektivní, je třeba zlepšit účinnost identifikace nově diagnostikované FS a nabízená intervence možná bude muset přesahovat orální antikoagulaci pro profylaxi mrtvice. Předchozí predikční modely pro incidentní AF byly omezeny zdroji dat a metodikami. Je zapotřebí přesný model, který využívá stávající rutinně shromažďovaná data, aby informoval lékaře o riziku FS na úrovni pacientů, informoval o národní politice screeningu a upozornil na příležitosti ke zlepšení výsledků pacientů ze screeningu FS nad rámec pouhé prevence mrtvice.

Bude prozkoumána aplikace Random Forest a multivariabilní logistická regrese k predikci incidentu AF v horizontu 6 měsíců predikce, což je časové okno konzistentní s prováděním vyšetřování AF. Pro odvození bude použit datový soubor Clinical Practice Research Datalink (CPRD)-GOLD a datový soubor Clalit Health Services bude použit pro mezinárodní externí geografickou validaci. Oba zahrnují velkou reprezentativní populaci a zahrnují klinické výsledky v rámci primární a sekundární péče. Analýzy budou zahrnovat metriky předpovědního výkonu a klinické užitečnosti. Budou použity pouze rizikové faktory dostupné v komunitě a model by tak mohl umožnit pasivní screening u vysoce rizikových jedinců v elektronické zdravotní dokumentaci, která je aktualizována prezentací nových dat. Cílem studie je vytvořit kalkulačku z úsporného modelu. Budou vypočítány Kaplan-Meierovy grafy pro jedince identifikované jako vyšší a nižší předpokládané riziko FS a odvozena kumulativní míra výskytu kardio-renálně-metabolických onemocnění bez FS a úmrtí v delším časovém horizontu, aby se zjistilo, jak je předpokládané riziko FS spojeno s řada nových chorobných stavů mimo AF.

Aby se zjistilo, zda je předpovědní model přenosný do geografických oblastí mimo Spojené království, bude výkon modelu externě ověřen v databázi Clalit Health Services v Izraeli. Validace bude zahrnovat účastníky pojištěné u Clalit s nepřetržitým členstvím po dobu nejméně 1 roku před 1. 1. 2019: 2 159 663 pacientů, z nichž 4 330 mělo nový incident AF (fibrilace síní a/nebo flutter síní) v první polovině roku 2019 . Populace studie bude zahrnovat všechny dostupné pacienty, kteří mají alespoň 1 rok sledování. Výstupem zájmu je první diagnostikovaná FS po základní linii a bude identifikována pomocí Read codes a ICD-9/10 kódů. Pacienti s méně než jedním rokem registrace, kteří jsou v okamžiku vstupu do studie mladší třiceti let nebo mají předchozí diagnózu fibrilace síní, budou vyloučeni.