Bruke digitale data for å forutsi CHD

Kardiovaskulær sykdom er den ledende dødsårsaken i USA. Mens sekundærforebyggende tilnærminger har forbedret levetiden til pasienter, er risikofaktorer og ugunstig helseatferd (f.eks. fysisk inaktivitet, røyking) svært utbredt, og i de fleste moderne serier oppfyller mindre enn 1 % av voksne alle faktorer for ideell CV-helse. Logistikken og praktiske forhold for å nå målet om ideell CV-helse er ikke klart belyst. Retningslinjer for praksis anbefaler bruk av Framingham-risikoscore (FRS) eller andre risikoprediksjonsverktøy for å klassifisere pasienters risiko for CV-sykdom. Disse modellene er imidlertid upresise og det er økende fokus på å identifisere markører som gir bedre mål på risiko. Ettersom digitale plattformer i økende grad brukes til å dokumentere livsstil og helseatferd, kan data fra digitale kilder gi et vindu til manifestasjoner av nye risikofaktorer og potensielt en bedre karakterisering av eksisterende risikofaktorer. Selv om det virker som en klisje å nevne den dype innvirkningen digitale data har på hverdagen, er det virkelig stor substans i mulighetene disse nye mediene gir for å forstå atferdsmessige, sosiale og miljømessige determinanter for helse. Dette prosjektet søker å identifisere og karakterisere funksjoner hentet fra digitale data (f. sosiale medier, nettsøk, mobile medier) som er assosiert med koronar hjertesykdom (CHD) og relaterte risikofaktorer, og utvikler modeller som bruker digitale data og konvensjonelle prediktive modeller for å forutsi CHD-risiko og bruk av helsetjenester.