Aikuisten sairastumisriskin ennustaminen käyttäen kannettavia laitteita, kuuloa ja terveystietoja

Tämä tutkimus on prospektiivinen kohorttitutkimus, jonka tavoitteena on yhdistää monimuotoista terveystietoa personoitujen sairausriskien ennustemallien kehittämiseksi ja validoimiseksi Taiwanin yhteisöissä asuville aikuisille. Tutkimus keskittyy aktiivisesti kerättyjen tutkimusaineistojen, jatkuvien kannettavien laitteiden tietojen, kuulotutkimustulosten ja pitkittäisten terveysrekisterien yhdistämiseen, jotta ymmärrettäisiin paremmin siirtymä terveydestä subkliinisiin tiloihin ja kroonisiin sairauksiin.

Osallistujat, jotka ovat 18-vuotiaita tai vanhempia, rekrytoidaan yhteisöistä. Kun tietoon perustuva suostumus on saatu, tutkimusmenetelmiin kuuluu strukturoitu kysely, puhtaiden äänien audiometria ja 2 viikkoa kestävä älykellon seuranta. Kysely kerää demografisia ominaisuuksia, henkilökohtaisia ja perhesairaushistoriaa sekä elämäntapatekijöitä, kuten liikuntaa, unta, tupakointia ja alkoholin käyttöä. Kuulotoimintaa arvioidaan käyttämällä puhtaiden äänien audiometriaa. Kannettavasta laitteesta kerätty jatkuva fysiologinen data sisältää sykkeen ja fyysisen aktiivisuuden, kuten askelten määrän. Tutkimushenkilökunta auttaa osallistujia laitteen asennuksessa, sovellusten asentamisessa ja käyttöohjeissa, jotta tiedon täydellisyys ja yhtenäisyys paranevat.

Osallistujan valtuutuksella tutkimus hankkii myös henkilökohtaiset terveysrekisteritiedot ja linkittää tutkimusaineiston kansallisen terveysvakuutuksen tietokantoihin tukemaan pitkittäistä seurantaa ja sairaustulosten selvittämistä. Nämä linkitetyt tietolähteet voivat sisältää avohoidon, sairaalahoidon, lääkkeiden, vakuutusilmoittautumisen, vakavien sairauksien, kuolemanrekisterin, syöpärekisterin ja aikuisten ennaltaehkäisevien terveystarkastusten tiedot. Näiden heterogeenisten tietolähteiden integroinnin tarkoituksena on tarjota täydellisempi kuva yksilön terveyskuluista ja sairauden etenemisestä kuin mikään yksittäinen tietolähde yksinään pystyy.

Tutkimuksen tieteelliset tavoitteet ovat:

1. arvioida kuulon tilan, elämäntapatekijöiden ja jatkuvista kannettavista laitteista saatujen fysiologisten mittauksien välisiä yhteyksiä;
2. tunnistaa keskeisten ennustetekijöiden yhdistelmiä, jotka liittyvät siirtymiseen terveydestä subkliinisiin tai kroonisiin sairaustiloihin;
3. luoda analyyttinen viitekehys heterogeenisten tietojen yhdistämiseen kyselyistä, kuulotesteistä, kannettavasta seurannasta ja lääketieteellisistä tietokannoista; ja
4. kehittää ja validoida korkean tarkkuuden personoituja sairausriskien ennustemalleja käyttämällä tilastollisia ja koneoppimismenetelmiä.

Tiedonkäsittelyyn kuuluu tiedon puhdistus, puuttuvien arvojen käsittely, poikkeama-arvojen tarkistus, standardointi ja eri lähteistä tulevien tietojen integrointi. Tilastollisissa analyyseissa käytetään korrelaatio- ja regressiomenetelmiä kuulon, elämäntapojen ja kannettavien laitteiden muuttujien välisen suhteen tarkasteluun. Koneoppimismenetelmiä, mukaan lukien piirteiden valinta ja ohjatut oppimisalgoritmit, kuten satunnaismetsät ja gradienttivahvistusmenetelmät, käytetään tärkeiden ennustetekijöiden tunnistamiseen ja riskien ennustemallien rakentamiseen. Mallin suorituskykyä arvioidaan mittareilla, kuten vastaanottajan toimintakäyrän alapuolella olevalla pinta-alalla ja tarkkuudella. Sisäisiä ja saatavilla olevia ulkoisia validointistrategioita käytetään robustisuuden ja yleistettävyyden arvioimiseen.

Tutkimuksen keskeinen hypoteesi on, että kuulomittauksien, elämäntapatietojen, kannettavista laitteista saatujen fysiologisten tietojen ja pitkittäisten lääketieteellisten rekisteritietojen yhdistäminen parantaa sairausriskien ennustamista verrattuna malleihin, jotka perustuvat vain yhteen tietotyyppiin. Pitkän aikavälin tavoitteena on tukea korkean riskin yksilöiden varhaista tunnistamista, helpottaa personoitua terveydenhoitoa ja tarjota näyttöä ennaltaehkäiseville terveysstrategioille aikuisväestössä.

Suuri painotus asetetaan tietosuojaan ja luottamuksellisuuteen. Kaikki tutkimusaineistot koodataan käyttämällä yksilöllisiä tutkimustunnisteita. Tutkimustunnisteita ja henkilötunnisteita yhdistävä linkitystiedosto säilytetään erillään rajoitetulla pääsyllä ja salauksella. Kun tiedonkeruu, puhdistus ja linkitysmenettelyt on suoritettu ja tarkistettu, linkitystiedosto tuhotaan pysyvästi, jotta myöhemmät analyysit suoritetaan vain anonymisoidulla aineistolla. Kaikki tutkimuksesta johtuvat raportit tai julkaisut esittävät aggregoituja tuloksia ilman henkilökohtaisesti tunnistettavaa tietoa.