Schlaganfallvorhersage durch Internet-Suchanfragen

In dieser Studie werden wir Google-Anfragen von Patienten analysieren, die zwischen 2016 und 2020 mit Schlaganfall im Tel-Aviv Sourasky Medical Center stationär behandelt wurden. Nach dem formellen Ausfüllen der unterschriebenen Einwilligungserklärung fordern die einwilligenden Probanden ihre Suchdaten vom Google Takeout-Dienst bis zu zwei Jahre vor bis ein Jahr nach dem Schlaganfall persönlich an und gewähren den Forschern Zugang, indem sie eine einmalige Datei davon erstellen Daten und den Austausch mit den Forschern. Nach einer informierten Zustimmung werden Daten von Google-Anfragen von den Teilnehmern mit dem Google-Dienst „Take Out“ von bis zu 2 Jahren vor bis zu einem Jahr nach dem Schlaganfall extrahiert. Die Kontrollgruppen bestehen aus Patienten, bei denen ein akuter Myokardinfarkt (MI) diagnostiziert wurde, und Ehepartnern von Patienten ohne Herzinfarkt/Schlaganfall. Die Rekrutierung erfolgt hauptsächlich aus zwei institutionell anerkannten Datenbanken für Schlaganfall und akuten MI. Insgesamt 450 Teilnehmer werden rekrutiert, 150 in jeder Gruppe, basierend auf früheren Erfahrungen für den minimal großen Datensatz von Abfrageprotokollen, die zum Erstellen eines Modells und zum Testen seiner Leistung erforderlich sind.

Die Anonymität wird durch mehrere Modalitäten garantiert; Der Zugriff auf die Google Takeout-Daten ist auf die für die Durchführung der Forschung erforderliche Mindestmenge beschränkt und wird nur Mitgliedern des Datenanalyseteams der Universität Tel-Aviv gewährt, während der Zugriff auf die medizinischen Daten nur Forschern von gewährt wird das Tel-Aviv Sourasky Medical Center. Darüber hinaus sind die Mitglieder des Tel-Aviv University Partner Teams verpflichtet, alle positiven Versuche zu unterlassen, an der Studie teilnehmende Probanden zu identifizieren. Alle mit der Tel-Aviv University geteilten Daten werden auf einer lokalen, verschlüsselten Festplatte gespeichert. Die Daten werden am Ende des Projekts von den Computern der Universität Tel-Aviv gelöscht.

Unser zuvor entwickeltes maschinelles Lernmodell, das einen Schlaganfall bei Probanden im Vergleich zu altersangepassten Kontrollen mit einer Fläche unter der Kurve (AUC) von 0,972 vorhersagen konnte, was einem positiven Vorhersagewert von 52,7 % bei einer falsch-positiven Rate von 1 % entspricht. , wird verwendet, um für jeden Tag die Wahrscheinlichkeit vorherzusagen, dass eine Person an diesem Tag einen Schlaganfall erleidet. Dies wird mit dem bekannten Schlaganfall- oder MI-Datum verglichen. Das Leistungsmaß ist die Receiver Operating Curve (ROC) der Erkennung und die entsprechende Area Under Curve (AUC). Zusätzlich wird ein neues Modell mit den gesammelten Daten trainiert und ähnlich getestet, allerdings mit 10-facher Kreuzvalidierung. Die Sensitivität und Spezifität der Schlaganfallerkennung werden abgeleitet.