A műtét előtti prediktív potenciál retrospektív elemzése

1.0 Háttér Jelenleg a coronaria bypass graftban (CABG) átesett betegek körülbelül 30 százalékánál alakul ki pitvarfibrilláció (AF) a műtétet követő öt napon belül, ami növeli a stroke kockázatát, meghosszabbítja a kórházi tartózkodást három-négy nappal, és növeli a műtét teljes költségét. eljárás [1, 2]. Egyes források szerint évente több mint 1 milliárd dollárt költenek erre a problémára csak az Egyesült Államokban [2]. Az AF megelőzésének jelenlegi farmakológiai és nem gyógyszeres eszközei szuboptimálisak, mellékhatásaik, költségeik és kényelmetlenségeik korlátozzák széles körű alkalmazásukat minden betegnél [3].

Bár számos olyan módszert mutattak be, amelyek magas prediktív értéket mutatnak a posztoperatív AF szenzitivitása és specifitása tekintetében, egyik sem elég megbízható a klinikai környezetben való használatra. Ennek oka lehet, hogy az EKG-elemzések során nem létezik szabványosított módszer bizonyos morfológiai P-hullám jellemzők mérésére [4]. Ezenkívül az orvosi közösség túl sokáig támaszkodott a korlátozott változók kombinációs módszereire, különösen akkor, amikor az adatbányászat és a döntéshozatal fejlett módszerei vannak, amelyeket ki kell használni. A Bayes-hálózat (BN) kiváló eszköz az összegyűjtött információkon alapuló döntések meghozatalára, és még a hiányzó adatpontokat is jól tudja kezelni [5]. Ha több típusú adatot és szakértői tudást egyesítünk egy BN-be a Bayes-féle statisztikai megközelítéssel, akkor valószínűbb az eredmény, hogy pontosabb lesz.

2.0 Célok

A kutatás fő célja egy Bayes-hálózat (BN) osztályozó kifejlesztése, amely képes modellezni/előrejelezni/hozzárendelni a pitvarfibrilláció előfordulásának kockázatát koszorúér bypass graftot kapott betegeknél különböző típusú betegadatok beépítésével. A területen dolgozó orvosoktól származó szakértői ismereteket Bayes-statisztikával kombinálják a betegadatokkal és az elektrokardiogram (EKG) elemzéssel, javítva a jelenleg használt Frequentist módszereket. A nyereséget vagy veszteséget az alábbi adattípusok felvétele miatt kívánjuk vizsgálni:

• Összegyűjtött adatok – a kórházban rögzített kockázati tényezők és egyéb egészségügyi mutatók
• EKG jellemzők – az AF előrejelzési potenciált mutató EKG jelből származó idő, frekvencia, hullám és nemlineáris tartomány jellemzői
• Szakértői ismeretek – A kardiológus korábbi tapasztalatok alapján módosította a bemeneti adatok valószínűségi eloszlását és gyakorisági hiedelmeit. Ez a tanulmány az Emory Egyetemi Kórházban, a Crawford Long Hospitalban vagy az Atlanta Veterans Affairs Medical Centerben szívműtéten átesett betegek adatait elemzi. Az összegyűjtött adatok magukban foglalják a demográfiai, a műtét előtti, a műtéti és a posztoperatív adatokat a páciens diagramjából. Az EKG és a rendelkezésre álló telemetriai adatokat is összegyűjtik és elemzik a morfológiai jellemzők szempontjából, amelyek AF-hajlamra utalhatnak.

Az AF előrejelző algoritmus kifejlesztését követően ezt az adatbázisból kinyert adatpontok egy részhalmazán tesztelik. Ez a tanulmány egy megvalósíthatósági tanulmány további finanszírozott kutatásokhoz.

3.0. Beteg kiválasztása 3.1. Alkalmassági feltételek:

1. Minden olyan beteg, aki szívműtéten esett át az Emory Egyetemi Kórházban, a Crawford Long Hospitalban vagy a VA Medical Centerben.

3.2 Alkalmassági feltételek:

1. Sürgős műveletek.
2. AF vagy Aflut jelenléte a műtét idején.
3. A New York Heart Association (NYHA) IV. osztályú szívelégtelensége a műtét idején.
4. Pajzsmirigy túlműködés
5. Beültetett eszközök a pitvari aritmiák ingerléssel vagy defibrillációval történő aktív kezelésére
6. Ismert tiltott kábítószer-használat
7. Ismert etanollal való visszaélés
8. Elektrofiziológiai abláció pitvari tachycardia miatt a műtétet követő 6 hónapon belül.

4.0 Regisztráció és véletlenszerű besorolás: nincs

5.0 Terápia: nincs

6.0 Patológia: nincs

7.0 Betegértékelés: nincs

8.0 Adatgyűjtés: Az adatokat a páciens kórházi diagramjainak áttekintéséből, telemetriás felvételekből és EKG-kből gyűjtjük. A pitvarfibrilláció jelenlétét vagy hiányát elektrokardiográfiás felvétel alapján diagnosztizálják és kardiológus igazolja. Az összegyűjtött adatok a következőket tartalmazzák: életkor, rassz, nem, testtömeg-index, vérnyomás, NYHA-besorolás, Killip-besorolás, valamint korábbi szívinfarktus, magas vérnyomás, cukorbetegség, dohányzás, alkoholfogyasztás, antiaritmiás szerek használata, pacemaker jelenléte és típusa. ha van, AF vagy Aflut kórtörténete, korábbi kardiovaszkuláris események, a műtét típusa és a műtét időtartama. Az ebbe a vizsgálatba bevont betegek egyedi vizsgálati számokat kapnak, és minden azonosító információt eltávolítanak, miután a telemetria és a diagram adatai között létrejött az összefüggés. Nincs szükség nyomon követési adatokra a betegektől.

9.0 Statisztikai megfontolások: Ez a vizsgálati terv a szívműtéten átesett betegek egy csoportjának retrospektív áttekintése, hogy meghatározzák azokat a változó kombinációkat, amelyek előrejelzik a szívműtétet követő pitvarfibrillációt. A kohorszon belül az AF-ben szenvedő betegeket összehasonlítják azokkal a betegekkel, akiknél a posztoperatív időszakban nincs ilyen pitvari aritmia. Valószínűségi táblázatok készülnek mindkét csoport felhasználásával, ezáltal feltöltve egy prediktív Bayes-hálózati struktúrát. Sok különböző struktúrát fognak kiértékelni mesterséges intelligencia technikával (genetikus algoritmusok), amelyek a szerkezetet az optimális formájukba fejlesztik. A K-szeres keresztellenőrzést ezután a Bayes-hálózati struktúra előrejelző képességének validálására használjuk. Az érzékenységeket, a specifitásokat és a pozitív prediktív értékeket a hitelesítés eredményei jelentik.