Brug af digitale data til at forudsige CHD

Hjerte-kar-sygdomme er den største dødsårsag i USA. Mens sekundære forebyggelsesmetoder har forbedret patienternes levetid, er risikofaktorer og ugunstig sundhedsadfærd (f.eks. fysisk inaktivitet, rygning) meget udbredt, og i de fleste nutidige serier opfylder mindre end 1% af voksne alle faktorer for ideel CV-sundhed. Logistikken og praktiske forhold for at nå målet om ideel CV-sundhed er ikke blevet klart belyst. Retningslinjer for praksis anbefaler at bruge Framingham-risikoscore (FRS) eller andre risikoforudsigelsesværktøjer til at klassificere patienters risiko for CV-sygdom. Disse modeller er dog upræcise, og der er stigende fokus på at identificere markører, der giver bedre mål for risiko. Da digitale platforme i stigende grad bruges til at dokumentere livsstil og sundhedsadfærd, kan data fra digitale kilder give et vindue til manifestationer af nye risikofaktorer og potentielt en bedre karakterisering af eksisterende risikofaktorer. Selvom det virker som en kliché at nævne digitale datas dybe indvirkning på hverdagen, er der virkelig stor substans i de muligheder, disse nye medier giver for at forstå adfærdsmæssige, sociale og miljømæssige determinanter for sundhed. Dette projekt søger at identificere og karakterisere funktioner afledt af digitale data (f. sociale medier, onlinesøgning, mobile medier), som er forbundet med koronar hjertesygdom (CHD) og relaterede risikofaktorer, og udvikle modeller, der bruger digitale data og konventionelle prædiktive modeller til at forudsige CHD-risiko og sundhedsplejeudnyttelse.