Voorspellingsmodel voor het risico op het ontwikkelen van voetzweren bij diabetes

Inleiding Voetulcera bij diabetes mellitus (DM) zijn een veelvoorkomende en ernstige complicatie die kan leiden tot infectie, amputatie en verhoogde sterfte. Vroege identificatie van patiënten met een hoog risico is cruciaal om preventieve maatregelen in een vroeg stadium te kunnen implementeren. Het aantal mensen met DM neemt wereldwijd toe, van 540 miljoen in 2021 naar naar schatting 780 miljoen in 2045. Voetulcera veroorzaken aanzienlijk lijden voor het individu en brengen aanzienlijke kosten met zich mee voor het gezondheidszorgsysteem.

Ondanks nationale richtlijnen die regelmatig, gestructureerd voetonderzoek en risicoclassificatie aanbevelen om het risico op het ontwikkelen van voetulcera te beoordelen, houden huidige risicomodellen geen rekening met de complexe interacties tussen risicofactoren en sociaaleconomische factoren zoals burgerlijke staat, opleidingsniveau en woonplaats.

Datagedreven vooruitgang en kunstmatige intelligentie (AI) bieden nieuwe mogelijkheden om risico-identificatie te verfijnen, maar het gebruik ervan bij het voorspellen van het risico op diabetische voetulcera blijft beperkt. De behoefte aan voetscreening is aanzienlijk. In Zweden zijn er ongeveer 600.000 patiënten met DM, en de helft van hen leeft met een verhoogd risico door zenuwschade in de voeten. Dit betekent dat, gebaseerd op risiconiveau, ongeveer 300.000 patiënten in Zweden mogelijk preventieve interventies nodig hebben, waaronder medische voetzorg, op maat gemaakte schoenen en toegang tot gespecialiseerde zorg voor degenen met voetulcera. Verbeterde preventieve inspanningen worden benadrukt in het persoonsgerichte en geïntegreerde zorgpad voor mensen met diabetes met een hoog risico op voetulcera. Echter, nauwkeurige identificatie van het risico op voetulcera ontbreekt momenteel.

Preventie leidt niet alleen tot een goede kwaliteit van leven voor het individu, maar ook tot verminderde gezondheidszorgkosten. Schattingen van Ragnarsson Tennvall tonen aan dat een moeilijk te genezen ulcus ongeveer SEK 100.000 per jaar kost, terwijl een amputatie ongeveer SEK 300.000-500.000 kost. Gezien een prevalentie van voetulcera van 5% onder patiënten met diabetes, bedragen de jaarlijkse kosten voor ulcuszorg SEK 3 miljard. Daarnaast zijn er kosten van ongeveer SEK 750 miljoen voor amputaties, volgens gegevens uit het kwaliteitsregister SwedAmp.

Het doel van de studie is om voorspellingsmodellen (statistisch en op AI gebaseerd) te ontwikkelen, te testen en te valideren om patiënten met DM te identificeren die risico lopen op het ontwikkelen van voetulcera. De modellen zullen gebaseerd zijn op retrospectieve elektronische gezondheidsdossiers uit de eerstelijnszorg in de Västragötalandsregio (VGR), evenals gegevens van Statistics Sweden (SCB) met betrekking tot demografische factoren zoals burgerlijke staat, opleidingsniveau, beroep en woonplaats.

Methoden De studie heeft twee methodologische benaderingen: op AI gebaseerde modellering en statistische modellering.

Op AI gebaseerde benadering Er zullen machine learning-modellen worden ontwikkeld om patiënten te voorspellen die risico lopen op het ontwikkelen van diabetische voetulcera. De modellen zullen worden getraind met behulp van kruisvalidatie op een grote dataset waarin variabelen iteratief worden uitgesloten. Conformele voorspelling zal worden gebruikt om onzekerheid in patiëntniveauvoorspellingen te kwantificeren. De resulterende modellen zullen worden geanalyseerd om de sterkste voorspellers te identificeren en zullen worden vergeleken met klassieke statistische modellering en bevindingen uit de literatuur.

Stappen in AI-modellering:

Data-extractie: Elektronische gezondheidsdossiers uit de eerstelijnszorg in VGR, aangevuld met sociaaldemografische gegevens van SCB.

Gegevensverwerking: Gebruik van, onder andere variabelen, diagnostische codes (ICD-10), gezondheidszorginterventies (KVÅ-codes), bezoektypes, bezoekfrequentie, ECG-parameters en vrije-tekstgegevens om voorspellers te construeren.

Modelontwikkeling: Voorspellingsmodellen zullen worden ontwikkeld en getraind met behulp van kruisvalidatie. Onzekerheidsmaten zullen worden gegenereerd met behulp van conformele voorspelling.

Validatie: Een aparte cohort zal worden gebruikt om modelprestaties te testen (sensitiviteit, specificiteit, positief voorspellende waarde [PPV]).

Interpretatie: De modellen zullen worden beoordeeld op transparantie en klinische interpreteerbaarheid in samenwerking met patiëntvertegenwoordigers, clinici en onderzoekers.

De resultaten van de statistische en op AI gebaseerde modellen zullen worden vergeleken met betrekking tot hun respectievelijke sterke en zwakke punten.

Statistische modellering Twee populaties zullen worden geanalyseerd: patiënten met diabetes zonder voetulcera en patiënten met diabetes met voetulcera. Co-variatie en causale relaties tussen risicofactoren en voetulcera zullen worden geïdentificeerd. Een model dat causale paden beschrijft die leiden tot ulcusontwikkeling zal worden ontwikkeld, en de zekerheid en onzekerheid ervan zullen worden geanalyseerd.