Modelo de hemodinámica bayesiana para la monitorización personalizada de pacientes con insuficiencia cardíaca congestiva

La insuficiencia cardíaca (IC) es un problema mundial. En este momento, 26 millones de personas viven con esta enfermedad crónica y la prevalencia sigue aumentando. Además de este número creciente de prevalencia, la IC también es responsable de casi 1 millón de hospitalizaciones al año en los EE. UU. y en Europa. En consecuencia, esto también tiene un impacto económico importante, especialmente debido a los ingresos recurrentes de estos pacientes. Una adecuada predicción de la descompensación podría evitar ingresos (in)necesarios por insuficiencia cardiaca. Philips está desarrollando un modelo bayesiano para la insuficiencia cardíaca crónica, que permite el seguimiento de pacientes con insuficiencia cardíaca en el hospital y en el hogar. Una característica importante de un modelo bayesiano de este tipo es que se trata de un modelo basado en el conocimiento, a diferencia de los modelos basados ​​en la minería de datos, y requiere solo unos pocos datos de pacientes para comenzar (10-20 pacientes). Otra característica importante es que estos 'modelos basados ​​en el conocimiento' son aplicables en cualquier entorno, nuevamente en contraste con los modelos basados ​​en la minería de datos. Esto hace que el modelo propuesto sea diferente de los enfoques de modelado de minería de datos convencionales. Durante un ingreso hospitalario, el modelo se "rellenará" con los datos personales del paciente. Posteriormente, durante el resto de la estancia hospitalaria o después del alta del hospital, una serie de síntomas y variables de medición de laboratorio ("observables") serán la entrada para el modelo. La salida del modelo (el resultado) será una probabilidad de mejora (frente a empeoramiento) de la condición del paciente o el estado de la condición de insuficiencia cardíaca en una escala (del 1 al 10). El modelo puede manejar menos variables de entrada que el número con el que ha sido "personalizado". Con menos mediciones de entrada, naturalmente, se reducirá la fiabilidad del resultado. Este enfoque de modelado básicamente captura la forma clínica de pensar en un modelo. Si se interpreta de la manera correcta utilizando un modelo bayesiano inteligente, el médico de cabecera o geriatra podrá controlar y tratar a la mayoría de los pacientes con insuficiencia cardíaca. Esto encaja en el pensamiento actual para reducir los costos de HC manteniendo a los pacientes en casa y fuera del hospital.

La investigación clínica está diseñada para evaluar si el resultado del "modelo de hemodinámica bayesiana" se compara con la evaluación del estado del cardiólogo. El propósito de este estudio es validar el modelo informático que se ha desarrollado para evaluar el estado de un paciente con insuficiencia cardíaca. Con el modelo, los investigadores pretenden ayudar a los profesionales sanitarios a detectar precozmente el deterioro de los pacientes con insuficiencia cardiaca y a proporcionar el tratamiento adecuado cuando sea necesario. Si tiene éxito, esto podría ayudar a los pacientes con insuficiencia cardíaca a permanecer más tiempo en casa y reducir los ingresos hospitalarios.

La revisión de la literatura clínica está documentada en el informe, Monitorización personalizada de insuficiencia cardíaca mediante una red bayesiana, Anja v.d. Stolpe, Wim Verhaegh, Folke Noertemann, PR-TN 2017/00180.

Esta investigación clínica es necesaria porque no se dispone de conjuntos de datos completos, incluidas las evaluaciones de la verdad sobre el terreno realizadas por cardiólogos, ni en las bases de datos existentes ni en la literatura clínica.

La investigación clínica debe realizarse en una población que cumpla con los criterios de inclusión/exclusión descritos en el Capítulo 6, ya que el "modelo de Hemodinámica Bayesiana" solo es válido para estos casos.