Studio per sviluppare uno strumento per stimare la funzione renale nei database senza dati di laboratorio

L'insufficienza renale è una comorbilità comune nei pazienti con diverse principali malattie sottostanti e una patologia che accompagna l'avanzare dell'età. La funzione renale potrebbe essere un importante modificatore degli effetti del trattamento.

I database di reclami amministrativi basati sulla popolazione sono sempre più utilizzati negli studi comparativi sui risultati su larga scala dei trattamenti farmacologici. Tuttavia, i database dei reclami spesso mancano di informazioni sui risultati dei test di laboratorio, limitando la loro utilità nella ricerca Real-World Evidence (RWE) di pazienti con insufficienza renale.

Vi è la necessità di sviluppare metodi per l'identificazione di pazienti con disfunzione renale da proxy basati su reclami amministrativi sanitari.

L'obiettivo principale di questo studio è lo sviluppo di algoritmi/modelli per prevedere i valori e/o le classi di eGFR per i pazienti in un determinato momento sulla base delle voci nel database dei sinistri (caratteristiche demografiche, diagnosi cliniche, procedure e trattamenti farmacologici) per una popolazione generale e una varietà di casi d'uso (fibrillazione atriale, malattia coronarica, sottopopolazioni di pazienti con diabete mellito di tipo 2). Per raggiungere questo obiettivo, verranno applicate moderne tecniche di apprendimento automatico basate sui dati per scoprire le relazioni tra lo stato renale, misurato dall'eGFR, e i dati longitudinali a livello di paziente.

Verrà effettuata anche la valutazione delle prestazioni dei modelli (convalida del campione, test di benchmark, differenze di prestazioni tra algoritmi di previsione del valore eGFR e modelli di classificazione personalizzati per le classi eGFR predefinite).