Bayesin hemodynamiikkamalli kongestiivista sydämen vajaatoimintaa sairastavien potilaiden yksilölliseen seurantaan

Sydämen vajaatoiminta (HF) on maailmanlaajuinen ongelma. Tällä hetkellä 26 miljoonaa ihmistä kärsii tästä kroonisesta sairaudesta ja esiintyvyys kasvaa edelleen. Tämän kasvavan esiintyvyyden lisäksi HF on vastuussa myös lähes miljoonasta sairaalahoidosta vuodessa Yhdysvalloissa ja Euroopassa. Näin ollen tällä on myös suuri taloudellinen vaikutus erityisesti näiden potilaiden toistuvien hoitoon ottamisen vuoksi. Riittävä dekompensaation ennustaminen voisi estää sydämen vajaatoiminnasta johtuvat tarpeettomat vastaanotot. Philips kehittää Bayesin mallia krooniseen sydämen vajaatoimintaan, mikä mahdollistaa sydämen vajaatoimintapotilaiden seurannan sairaalassa ja kotona. Tärkeä ominaisuus tällaiselle Bayes-mallille on, että se on tietoon perustuva malli, toisin kuin tiedon louhintaan perustuvat mallit, ja vaatii vain muutaman potilasdatan aloittamiseen (10-20 potilasta). Toinen tärkeä ominaisuus on, että nämä "tietopohjaiset mallit" ovat sovellettavissa missä tahansa ympäristössä, toisin kuin tiedon louhintaan perustuvat mallit. Tämä tekee ehdotetusta mallista erilaisen kuin tavanomaiset tiedonlouhintamenetelmät mallintamiseen. Sairaalahoidon aikana malli "täytetään" henkilökohtaisilla potilastiedoilla. Myöhemmin, muun sairaalahoidon aikana tai sairaalasta vapautumisen jälkeen, useita oireita ja laboratoriomittausmuuttujia ("havaintoja") käytetään mallin syötteenä. Mallin tulos (tulos) on todennäköisyys potilaan tilan tai sydämen vajaatoiminnan tilan paranemiseen (versus pahenemiseen) asteikolla (1-10). Malli pystyy käsittelemään vähemmän syötemuuttujia kuin numero, jolla se on "personoitu". Pienemmällä syöttömittauksella luonnollisesti tuloksen luotettavuus heikkenee. Tämä mallinnustapa pohjimmiltaan vangitsee kliinisen ajattelutavan malliksi. Jos yleislääkäri tai geriatri tulkitaan oikein älykkään Bayesin mallinnuksen avulla, se pystyy seuraamaan ja hoitamaan suurinta osaa sydämen vajaatoimintapotilaista. Tämä sopii nykyiseen ajatteluun HC-kustannusten vähentämiseksi pitämällä potilaat kotona ja poissa sairaalasta.

Kliinisen tutkimuksen tarkoituksena on arvioida, onko "Bayesian Hemodynamics -mallin" tulos verrattavissa kardiologin tilaarviointiin. Tämän tutkimuksen tarkoituksena on validoida tietokonemalli, joka on kehitetty arvioimaan sydämen vajaatoimintapotilaan tilaa. Mallilla tutkijat pyrkivät tukemaan terveydenhuollon ammattilaisia ​​sydämen vajaatoimintapotilaiden pahenemisen varhaisessa havaitsemisessa ja oikean hoidon tarjoamisessa tarvittaessa. Jos tämä onnistuu, se voi auttaa sydämen vajaatoimintapotilaita pysymään kotona pidempään ja vähentämään sairaalahoitoa.

Kliinisen kirjallisuuden katsaus on dokumentoitu raportissa Personalised Heart Failure Monitoring using a Bayesian network, Anja v.d. Stolpe, Wim Verhaegh, Folke Noertemann, PR-TN 2017/00180.

Tätä kliinistä tutkimusta tarvitaan, koska olemassa olevista tietokannoista tai kliinisestä kirjallisuudesta ei ole saatavilla täydellisiä aineistoja, mukaan lukien kardiologien tekemät perustotuusarviot.

Kliininen tutkimus on suoritettava populaatiolle, joka täyttää luvussa 6 kuvatut sisällyttäminen/poissulkemiskriteerit, koska "Bayesian Hemodynamics -malli" on voimassa vain näissä tapauksissa.