Eteisvärinän riskin ennustaminen ja yhteys muihin sairauksiin (FIND-AF)

Eteisvärinä (AF) on merkittävä kansanterveysongelma: se on yhä yleisempi, aiheuttaa huomattavia terveydenhuoltokuluja ja siihen liittyy useita haittavaikutuksia. AF:n varhainen diagnoosi on perusteltua, ennen kuin ensimmäinen komplikaatio ilmenee. Aikaisempaa AF-seulontatutkimusta rajoittaa uusien tapausten ja aivohalvausten alhainen määrä seulotuissa populaatioissa. Jotta AF-seulonta olisi kliinisesti ja kustannustehokasta, äskettäin diagnosoidun AF:n tunnistamisen tehokkuutta on parannettava ja tarjottu interventio voi olla laajempi kuin suun kautta annettava antikoagulaatio aivohalvauksen ennaltaehkäisyssä. Aiempia ennustemalleja AF-onnettomuudesta ovat rajoittaneet niiden tietolähteet ja menetelmät. Tarkka malli, joka hyödyntää olemassa olevia rutiininomaisesti kerättyjä tietoja, tarvitaan tiedottamaan lääkäreille potilastason AF-riskistä, tiedottamaan kansallisesta seulontapolitiikasta ja tuomaan esiin mahdollisuuksia parantaa AF-seulonnan potilaiden tuloksia pelkän aivohalvauksen ehkäisyn lisäksi.

Random Forestin soveltamista tutkitaan ja monimuuttujainen logistinen regressio ennustaa tapahtuman AF 6 kuukauden ennustehorisontissa, joka on AF-tutkimuksen suorittamisen mukainen aikaikkuna. Johtamiseen käytetään Clinical Practice Research Datalink (CPRD)-GOLD -tietoaineistoa ja kansainväliseen ulkoiseen maantieteelliseen validointiin Clalit Health Services -tietojoukkoa. Molemmat muodostavat suuren edustavan väestön ja sisältävät kliiniset tulokset perus- ja toissijaisessa hoidossa. Analyysit sisältävät ennusteen suorituskyvyn ja kliinisen hyödyn mittareita. Vain yhteisössä saatavilla olevia riskitekijöitä hyödynnetään ja malli voisi mahdollistaa riskihenkilöiden passiivisen seulonnan sähköisissä terveyskertomuksissa, joita päivitetään uusien tietojen esittämisellä. Tutkimuksen tavoitteena on luoda hillitystä mallista laskin. Kaplan-Meier-kaaviot henkilöille, joiden ennustettu AF:n riski on korkeampi ja pienempi, lasketaan ja niistä johdetaan kumulatiivinen ilmaantuvuus ei-AF-sydän-munuaisaineenvaihduntasairauksille ja kuolemalle pitkällä aikavälillä sen selvittämiseksi, kuinka ennustettu AF-riski liittyy useita uusia ei-AF-sairaustiloja.

Sen varmistamiseksi, voidaanko ennustemalli siirtää maantieteellisille alueille Ison-Britannian ulkopuolella, mallin suorituskyky validoidaan ulkoisesti Israelin Clalit Health Services -tietokannassa. Validointiin osallistuvat Clalitin vakuuttamat osallistujat, joilla on jatkuva jäsenyys vähintään 1 vuoden ajan ennen 1.1.2019: 2 159 663 potilasta, joista 4 330:lla on uusi AF (eteisvärinä ja/tai eteislepatus) vuoden 2019 ensimmäisellä puoliskolla. . Tutkimuspopulaatio käsittää kaikki saatavilla olevat potilaat, joilla on vähintään 1 vuoden seuranta. Kiinnostava tulos on ensimmäinen diagnosoitu AF perustason jälkeen, ja se tunnistetaan käyttämällä lukukoodeja ja ICD-9/10-koodeja. Potilaat, joiden rekisteröinti on alle vuoden ja jotka ovat alle 30-vuotiaita tutkimukseen saapuessaan tai joilla on aiemmin diagnosoitu eteisvärinä, suljetaan pois.