Prevedere gli esiti avversi utilizzando l'apprendimento automatico dei pazienti con BPCO a Hong Kong

La broncopneumopatia cronica ostruttiva (BPCO) è una malattia comune, prevenibile e curabile caratterizzata da sintomi respiratori persistenti e limitazione del flusso aereo dovuti ad anomalie delle vie aeree e/o alveolari solitamente causate da una significativa esposizione a particelle o gas nocivi e influenzate dall'ospite fattori tra cui lo sviluppo polmonare anormale. Si stima che 3,2 milioni di persone siano morte di BPCO in tutto il mondo nel 2015, con un aumento dell'11,6% rispetto al 1990. La BPCO è la terza principale causa di morte a livello globale nel 2019.

A Hong Kong (HK), i tassi di prevalenza della BPCO nella popolazione anziana di età ≥60 anni erano del 25,9% e del 12,4% in base alla definizione spirometrica del rapporto volume espiratorio forzato in 1 s (FEV1)/capacità vitale forzata (FVC) <70 % e il limite inferiore della norma rispettivamente del FEV1/FVC.4 Dal nostro recente studio sui ricoveri ospedalieri per BPCO, ci sono un totale di 67.628 ricoveri per BPCO dalla settimana 1 gennaio 2017 alla settimana 3 gennaio 2020 (prima della pandemia COVID) e 11.065 ricoveri dalla settimana 4 gennaio 2020 alla settimana 4 dicembre 2020 (durante la pandemia COVID ). 5 L'onere dei ricoveri per BPCO è significativo ed è importante comprendere il driver di questi ricoveri per sviluppare strategie adeguate per risolvere il problema e migliorare gli esiti di salute dei pazienti affetti da BPCO.

La riammissione precoce e i ricoveri frequenti derivanti dalla BPCO sono esiti ospedalieri comunemente studiati a causa dell'elevato onere finanziario sia per l'individuo che per lo stato e per l'elevato utilizzo delle risorse sanitarie pubbliche. Con l'avvento dell'Intelligenza Artificiale (AI) e del Machine Learning (ML), c'è stato un notevole interesse per la sua applicazione alla medicina. Una recente metanalisi ha mostrato la compatibilità di questi modelli nel predire gli esiti della BPCO.7 Tuttavia, pochi studi sono riusciti a dimostrare che AI/ML sono superiori ai tradizionali metodi di modellazione statistica, AI/ML sono interpretabili e possono essere correlati clinicamente e AI/ML possono avere un'applicazione clinica diretta.

Questo studio mira a sviluppare modelli predittivi per i pazienti con diagnosi di BPCO alla dimissione di un ricovero indice su questi risultati:

Esito primario: ammissione anticipata

Risultati secondari:

1. Riammissione frequente
2. Esito composito (ricoveri precoci + frequenti)
3. Mortalità
4. Longstayer

Verranno valutate la fattibilità e la presunta superiorità dei modelli di Machine Learning (ML) come alternative ai tradizionali metodi di apprendimento statistico. Oltre a ciò, i principali predittori di ciascun risultato di interesse verrebbero identificati per suggerimenti di possibili interventi che miglioreranno i risultati (ad es. ridurre i ricoveri precoci, i ricoveri frequenti e i tassi di mortalità). Saranno inoltre sviluppati punteggi clinici per l'implementazione in ambito clinico.