データと心臓手術のリスクの論理的分析

バックグラウンド：

心臓血管の臨床医が行う最も重要な仕事の 1 つは、リスク層別化です。これにより、積極的な治療の効果が最も期待できる患者を適切に標的化できるようになります。 現代のリスク階層化戦略には、非侵襲的検査の実施とともに臨床スコアリング システムが含まれています。 これらのアプローチは一般的に使用されていますが、臨床医は依然として複数の臨床情報を総合的な全体的なリスク評価に組み込む必要があると感じています。 したがって、大規模な観察データセットからのデータを利用して複雑なリスクスコアを作成し、日常診療での使用を促進するという概念は徐々に進化し、受け入れられつつあります。 データの論理分析 (LAD) は、臨床的に有用なリスク予測スキームの開発と検証を目的として、大規模なデータベースを体系的に分析するための潜在的に有用なアプローチです。 標準的な回帰手法とは異なり、LAD は主に個々の危険因子とそれらの間の双方向の相互作用に焦点を当てません。 むしろ、LAD は、結果を予測する所見または症候群の複雑なパターンを特定するように設計されています。 この方法は経済学、地震学、石油探査の問題に適用されていますが、医学には適用されていません。

デザインの物語:

この研究には 3 つの具体的な目的があります: 1)。 LAD を適用して、さまざまな種類の心臓手術を受ける患者のリスク予測手段を開発および検証する。 2. LAD 予測手段の予測値を、複数の時相パラメトリック モデリングを含む標準統計手法を使用して開発された予測手段と比較する。 3. 相対リスク フォレストを使用した予測手段を開発する。これは、多数の相関変数を持つ大規模な生存データ設定におけるリスク値を推定するための新しいモンテカルロ法です。 相対リスク フォレストは、Breiman によって導入されたランダム フォレストを適応させたものです。 可能な場合、これらの方法は LAD と比較されます。 汎化誤差の内部推定値 (メソッドが他のデータ設定にどの程度一般化されるかを示す尺度) が計算され、予測手段の開発に使用されます。 相対リスク フォレストは、ブースティングやスパイクおよびスラブ変数の選択など、他のいくつかの非決定的手法とも比較されます。 これらの手法はすべて、良好な予測誤差を維持しながら複雑なモデルを開発するために使用でき、従来の手法が機能しない高次元の問題に最適です。 このプロジェクトは心臓手術を受ける患者のリスク評価に焦点を当てますが、医療分野内の非常に大規模で複雑なデータセットを分析する手段としての LAD の価値に主に関心があることを認識することが重要です。 したがって、この研究の適用可能性は、心臓手術を受ける患者のリスクの判定を超えています。

この研究に使用されるデータは、Cleveland Clinic Foundation Cardiovascular Information Registry (CVIR) からの心臓手術データで構成されます。 4 つのデータ コホートが収集されます。コホート I: 1990 年から 2000 年の CABG 患者 18,914 人。コホート II: 大動脈弁置換術を受けている患者 6952 人。コホート III: 僧帽弁置換術を受けた患者 2979 人。コホート IV: 僧帽弁修復術を受けている患者 10,482 人。 主要評価項目は長期にわたる総死亡率となります。弁手術患者の場合は積極的なフォローアップとなります。