Kroonisten multimorbiditeettimallien liikeradat iäkkäillä potilailla (MTOP)

Multimorbiditeetti liittyy negatiivisiin tuloksiin ja vaikeuttaa kliinistä hoitoa. Viime aikoina on ilmaantunut uusia menetelmiä, jotka perustuvat olettamukseen, että krooniset sairaudet liittyvät ei-satunnaisella tavalla muodostaen multimorbiditeettimalleja. On kuitenkin vain vähän tutkimuksia, jotka tutkivat näiden multimorbiditeettimallien ajallista kehitystä ja kehityskulkuja, jotka voisivat liittyä erilaisiin ennusteisiin ja mahdollistaisivat paremman ennustamisen ja suunnittelun. Tämän analyysin ensisijaisena tavoitteena on tunnistaa kroonisen multimorbiditeetin mallit yli 65-vuotiailla potilailla sekä niiden kehitys ja kehityskulku viimeisen 10 vuoden aikana käyttämällä osaa MRisk-COVID-projektin tiedoista. Toissijaisena tavoitteena tutkijat haluavat tunnistaa suhdetta edellisen 10 vuoden multimorbiditeettimallien ja COVID-19-infektion vakavuuden välillä. Tässä retrospektiivisessä havainnointitutkimuksessa on historiallinen kohortti, johon kuuluu 3 958 yli 65-vuotiasta potilasta, joilla epäillään ja vahvistetaan COVID-19-infektio 1.2.–15.6.2020 Parc Taulin yliopistollisen sairaalan vertailualueella. Käytettävissä olevat tiedot (todelliset tiedot) ovat sosiaalis-demografisia ja diagnostisia muuttujia, joita tarjoaa Data Analytics Program for Research and Innovation in Health (PADRIS), jotka sisältävät sukupuolen, iän ja perusterveydenhuollon diagnoosit. Multimorbiditeettimallien tunnistamiseen käytetään Clinical Classification Software -ohjelmistoa, kroonisen tilan indikaattoria, usean vastaavuuden analyysiä ja klusterianalyysiä käyttäen sumeaa c-means -algoritmia. Sitten saaduista klustereista tehdään kliininen konsensusprosessi (Delphi-tyyppinen). Todennäköisimpien kolmen aikapisteen liikeradan tunnistamiseksi jokainen potilas luokitellaan klusteriin, jolla on suurin todennäköisyys liittyä. Tehdään kuvailevat ja kaksimuuttujat tilastot.