Forudsigelse af slagtilfælde gennem internetsøgningsforespørgsler

I denne undersøgelse vil vi analysere Google-forespørgsler fra patienter indlagt i Tel-Aviv Sourasky Medical Center med slagtilfælde, mellem årene 2016-2020. efter den formelle udfyldelse af den underskrevne informerede samtykkeformular, vil samtykkende personer personligt anmode om deres søgedata fra Google Takeout-tjenesten fra op til 2 år før til et år efter slagtilfældet og give adgang til forskerne ved at oprette en engangsfil med disse data og dele dem med forskerne. Efter et informeret samtykke vil data fra Google-forespørgsler udtrækkes af deltagerne ved hjælp af google "Take Out"-tjenesten, fra op til 2 år før til et år efter slagtilfældet. Kontrolgrupperne vil bestå af patienter diagnosticeret med akut myokardieinfarkt (MI) og MI/apopleksifrie patienters ægtefæller. Rekruttering vil primært ske fra to institutionelt godkendte databaser over apopleksi og akut MI. I alt 450 deltagere vil blive rekrutteret, 150 i hver gruppe, baseret på tidligere erfaring for det minimalt store datasæt af forespørgselslogfiler, der er nødvendige for at konstruere en model og teste dens ydeevne.

Anonymitet vil blive garanteret gennem flere modaliteter; adgang til Google Takeout-data vil være begrænset til det minimale beløb, der kræves for at udføre forskningen og vil kun blive givet til medlemmer af dataanalyseteamet på Tel-Aviv University, mens adgang til de medicinske data kun vil blive givet til forskere fra Tel-Aviv Sourasky Medical Center. Derudover vil medlemmer af Tel-Aviv University Partner Team være forpligtet til at afstå fra alle positive forsøg på at identificere forsøgspersoner, der deltager i forsøget. Alle data, der deles med Tel-Aviv University, vil blive gemt på en lokal, krypteret harddisk. Dataene vil blive slettet fra Tel-Aviv Universitys computere ved afslutningen af ​​projektet.

Vores tidligere udviklede Machine Learning-model, som var i stand til at forudsige slagtilfælde hos forsøgspersoner sammenlignet med aldersmatchede kontroller med et område under kurve (AUC) på 0,972, hvilket svarer til en positiv forudsigelsesværdi på 52,7 % ved en falsk-positiv rate på 1 % , vil blive brugt til at forudsige, for hver dag, sandsynligheden for, at en person vil gennemgå et slagtilfælde den dag. Dette vil blive sammenlignet med den kendte dato for slagtilfælde eller MI. Ydeevnemålet vil være Receiver Operating Curve (ROC) for detektionen og den tilsvarende Area Under Curve (AUC). Derudover vil en ny model blive trænet ved hjælp af de indsamlede data og testet på samme måde, dog med 10 gange krydsvalidering. Slagpåvisningsfølsomhed og specificitet vil blive udledt.