Modèle hémodynamique bayésien pour le suivi personnalisé des patients atteints d'insuffisance cardiaque congestive

L'insuffisance cardiaque (IC) est un problème mondial. À l'heure actuelle, 26 millions de personnes vivent avec cette maladie chronique et la prévalence ne cesse d'augmenter. Outre ce nombre croissant de prévalence, HF est également responsable de près de 1 million d'hospitalisations par an aux États-Unis et en Europe. Par conséquent, cela a également un impact économique majeur notamment en raison des admissions récurrentes de ces patients. Une prédiction adéquate de la décompensation pourrait empêcher les admissions (in)nécessaires à la suite d'une insuffisance cardiaque. Philips développe un modèle bayésien pour l'insuffisance cardiaque chronique, permettant le suivi des patients souffrant d'insuffisance cardiaque à l'hôpital et à domicile. Une caractéristique importante d'un tel modèle bayésien est qu'il s'agit d'un modèle basé sur les connaissances, contrairement aux modèles basés sur l'exploration de données, et ne nécessite que quelques données de patients pour démarrer (10 à 20 patients). Une autre caractéristique importante est que ces « modèles basés sur les connaissances » sont applicables dans n'importe quel contexte, là encore contrairement aux modèles basés sur l'exploration de données. Cela rend le modèle proposé différent des approches conventionnelles d'exploration de données pour la modélisation. Lors d'une hospitalisation, le modèle sera "rempli" avec les données personnelles du patient. Par la suite, pendant le reste du séjour à l'hôpital ou après la sortie de l'hôpital, un certain nombre de symptômes et de variables de mesure de laboratoire ("observables") serviront d'entrée pour le modèle. La sortie du modèle (le résultat) sera une probabilité d'amélioration (par rapport à une aggravation) de l'état du patient ou de l'état de l'insuffisance cardiaque sur une échelle (de 1 à 10). Le modèle peut traiter moins de variables d'entrée que le nombre avec lequel il a été "personnalisé". Avec moins de mesures d'entrée, naturellement la fiabilité du résultat sera réduite. Cette approche de modélisation capture essentiellement la façon de penser clinique dans un modèle. S'il est interprété correctement à l'aide d'une modélisation bayésienne intelligente, le médecin généraliste ou le gériatre sera en mesure de surveiller et de traiter la majorité des patients souffrant d'insuffisance cardiaque. Cela s'inscrit dans la réflexion actuelle visant à réduire les coûts des soins de santé en gardant les patients à la maison et hors de l'hôpital.

L'investigation clinique est conçue pour évaluer si le résultat du "modèle hémodynamique bayésien" se compare à l'évaluation de l'état du cardiologue. Le but de cette étude est de valider le modèle informatique qui a été développé pour évaluer l'état d'un patient souffrant d'insuffisance cardiaque. Avec le modèle, les chercheurs visent à aider les professionnels de la santé à détecter précocement la détérioration des patients souffrant d'insuffisance cardiaque et à fournir le bon traitement lorsqu'il est nécessaire. En cas de succès, cela pourrait aider les patients souffrant d'insuffisance cardiaque à rester chez eux plus longtemps et à réduire les admissions à l'hôpital.

L'examen de la littérature clinique est documenté dans le rapport, Surveillance personnalisée de l'insuffisance cardiaque à l'aide d'un réseau bayésien, Anja v.d. Stolpe, Wim Verhaegh, Folke Noertemann, PR-TN 2017/00180.

Cette enquête clinique est nécessaire, car aucun ensemble de données complet, y compris les évaluations de vérité terrain par les cardiologues, n'est disponible, ni dans les bases de données existantes, ni dans la littérature clinique.

L'investigation clinique doit être réalisée sur une population remplissant les critères d'inclusion/exclusion décrits au chapitre 6, car le "modèle hémodynamique bayésien" n'est valable que pour ces cas.