Slagvoorspelling door middel van zoekopdrachten op internet

In deze studie analyseren we Google-zoekopdrachten van patiënten die tussen 2016 en 2020 in het Sourasky Medical Center in Tel Aviv zijn opgenomen met een beroerte. na het formeel invullen van het ondertekende toestemmingsformulier, zullen instemmende proefpersonen persoonlijk hun zoekgegevens opvragen bij de Google Takeout-service van maximaal 2 jaar vóór tot een jaar na de beroerte en toegang verlenen aan de onderzoekers door een eenmalig bestand van deze aan te maken gegevens en deze delen met de onderzoekers. Na een geïnformeerde toestemming worden gegevens van Google-zoekopdrachten door de deelnemers geëxtraheerd met behulp van de Google "Take Out"-service, van maximaal 2 jaar vóór tot een jaar na de beroerte. De controlegroepen zullen bestaan ​​uit patiënten met de diagnose acuut myocardinfarct (MI) en echtgenoten van patiënten zonder MI/beroerte. Werving zal voornamelijk plaatsvinden uit twee institutioneel goedgekeurde databases van beroerte en acuut MI. Er zullen in totaal 450 deelnemers worden geworven, 150 in elke groep, op basis van eerdere ervaring met de minimale dataset van querylogboeken die nodig zijn om een ​​model te bouwen en de prestaties ervan te testen.

Anonimiteit wordt gegarandeerd via verschillende modaliteiten; toegang tot de Google Takeout-gegevens wordt beperkt tot het minimale bedrag dat nodig is om het onderzoek uit te voeren en wordt alleen gegeven aan leden van het data-analyseteam van de Universiteit van Tel-Aviv, terwijl toegang tot de medische gegevens alleen wordt verleend aan onderzoekers van het Tel-Aviv Sourasky Medisch Centrum. Bovendien zullen leden van het Tel-Aviv University Partner Team verplicht zijn om af te zien van elke positieve poging om proefpersonen te identificeren die aan het onderzoek deelnemen. Alle gegevens die worden gedeeld met Tel-Aviv University worden opgeslagen op een lokale, gecodeerde harde schijf. De gegevens worden aan het einde van het project van de computers van Tel-Aviv University verwijderd.

Ons eerder ontwikkelde Machine Learning-model, dat een beroerte bij proefpersonen kon voorspellen in vergelijking met leeftijdsgematchte controles met een oppervlakte onder curve (AUC) van 0,972, wat zich vertaalt in een positief voorspellende waarde van 52,7% bij een vals-positief percentage van 1% , wordt gebruikt om voor elke dag de waarschijnlijkheid te voorspellen dat een persoon op die dag een beroerte zal krijgen. Dit wordt vergeleken met de bekende datum van beroerte of MI. De prestatiemaatstaf is de Receiver Operating Curve (ROC) van de detectie en de bijbehorende Area Under Curve (AUC). Bovendien zal een nieuw model worden getraind met behulp van de verzamelde gegevens en op dezelfde manier worden getest, zij het met behulp van 10-voudige kruisvalidatie. Stroke detectiegevoeligheid en specificiteit zullen worden afgeleid.