울혈성 심부전 환자의 맞춤형 모니터링을 위한 베이지안 혈역학 모델

심부전(HF)은 세계적인 문제입니다. 현재 2,600만 명이 이 만성 질환을 앓고 있으며 유병률은 계속 증가하고 있습니다. 유병률이 증가하고 있는 것 외에도 심부전은 미국과 유럽에서 연간 약 100만 건의 입원을 담당하고 있습니다. 결과적으로 이것은 특히 이러한 환자의 반복 입원으로 인해 큰 경제적 영향을 미칩니다. 대상부전에 대한 적절한 예측은 심부전으로 인한 불필요한 입원을 예방할 수 있습니다. Philips는 병원과 가정에서 심부전 환자를 모니터링할 수 있는 만성 심부전에 대한 베이지안 모델을 개발하고 있습니다. 이러한 베이지안 모델의 중요한 특징은 데이터 마이닝 기반 모델과 달리 지식 기반 모델이며 시작하는 데 몇 명의 환자 데이터(10-20명의 환자)만 필요하다는 것입니다. 또 다른 중요한 특징은 이러한 '지식 기반 모델'이 데이터 마이닝 기반 모델과 달리 모든 설정에 적용 가능하다는 것입니다. 이것은 제안된 모델을 모델링에 대한 기존의 데이터 마이닝 접근 방식과 다르게 만듭니다. 병원에 입원하는 동안 모델은 개인 환자 데이터로 "채워집니다". 그 후, 남은 입원 기간 동안 또는 퇴원 후 여러 증상 및 실험실 측정 변수("관찰 가능 항목")가 모델에 대한 입력이 됩니다. 모델의 출력(결과)은 환자 상태의 개선 가능성(악화 대비) 또는 심부전 상태의 척도(1-10)입니다. 모델은 "개인화"된 숫자보다 적은 입력 변수를 처리할 수 있습니다. 입력 측정값이 적으면 자연히 결과의 신뢰도가 떨어집니다. 이 모델링 접근 방식은 기본적으로 임상적 사고 방식을 모델로 포착합니다. 스마트 베이지안 모델링을 사용하여 올바른 방식으로 해석하면 GP 또는 노인과 의사가 대부분의 심부전 환자를 모니터링하고 치료할 수 있습니다. 이것은 환자를 집과 병원 밖에 두어 HC 비용을 줄이려는 현재의 생각과 일치합니다.

임상 조사는 "Bayesian Hemodynamics 모델"의 결과가 심장 전문의의 상태 평가와 비교되는지 여부를 평가하도록 설계되었습니다. 본 연구의 목적은 심부전 환자의 상태를 평가하기 위해 개발된 컴퓨터 모델을 검증하는 것이다. 이 모델을 통해 조사관은 심부전 환자의 악화를 조기에 감지하고 필요할 때 올바른 치료를 제공하여 의료 전문가를 지원하는 것을 목표로 합니다. 성공하면 심부전 환자가 집에 더 오래 머물고 입원을 줄이는 데 도움이 될 수 있습니다.

임상 문헌 검토는 보고서, Bayesian 네트워크를 사용한 맞춤형 심부전 모니터링, Anja v.d. Stolpe, Wim Verhaegh, Folke Noertemann, PR-TN 2017/00180.

심장 전문의의 실측 평가를 포함한 완전한 데이터 세트가 기존 데이터베이스나 임상 문헌에서 사용할 수 없기 때문에 이 임상 조사가 필요합니다.

임상 조사는 "Bayesian Hemodynamics 모델"이 이러한 경우에만 유효하기 때문에 6장에 설명된 포함/제외 기준을 충족하는 모집단에서 수행되어야 합니다.