Estudio para desarrollar una herramienta para estimar la función renal en bases de datos sin datos de laboratorio

La insuficiencia renal es una comorbilidad común en pacientes con diversas enfermedades de base principales y una patología que acompaña al aumento de la edad. La función renal podría ser un modificador importante de los efectos del tratamiento.

Las bases de datos de reclamaciones administrativas basadas en la población se utilizan cada vez más en estudios de resultados comparativos a gran escala de tratamientos farmacológicos. Sin embargo, las bases de datos de reclamaciones a menudo carecen de información sobre los resultados de las pruebas de laboratorio, lo que limita su utilidad en la investigación de pruebas del mundo real (RWE) de pacientes con insuficiencia renal.

Existe la necesidad de desarrollar métodos para la identificación de pacientes con disfunción renal a partir de representantes administrativos basados ​​en reclamos de atención médica.

El objetivo principal de este estudio es el desarrollo de algoritmos/modelos para predecir valores y/o clases de eGFR para pacientes en un momento determinado en función de las entradas en la base de datos de reclamaciones (características demográficas, diagnósticos clínicos, procedimientos y tratamientos farmacológicos) para una población general y una variedad de casos de uso (fibrilación auricular, enfermedad arterial coronaria, subpoblaciones de pacientes con diabetes mellitus tipo 2). Para lograr esto, se aplicarán técnicas modernas de aprendizaje automático basadas en datos para descubrir las relaciones entre el estado renal, medido por eGFR, y los datos longitudinales a nivel de paciente.

También se realizará una evaluación del rendimiento de los modelos (validación fuera de muestra, prueba comparativa, diferencias de rendimiento entre los algoritmos de predicción del valor de eGFR y los modelos de clasificación adaptados a las clases de eGFR predefinidas).