Forutsi risiko for atrieflimmer og assosiasjon med andre sykdommer (FIND-AF)

Atrieflimmer (AF) er et stort folkehelseproblem: det er stadig vanligere, medfører betydelige helseutgifter og er assosiert med en rekke uønskede utfall. Det er begrunnelse for tidlig diagnose av AF, før den første komplikasjonen oppstår. Tidligere AF-screeningsforskning er begrenset av lave utbytter av nye tilfeller og hjerneslag forhindret i de screenede populasjonene. For at AF-screening skal være klinisk og kostnadseffektiv, må effektiviteten av identifisering av nydiagnostisert AF forbedres, og intervensjonen som tilbys kan måtte strekke seg utover oral antikoagulasjon for slagprofylakse. Tidligere prediksjonsmodeller for hendelses-AF har vært begrenset av deres datakilder og metodikk. En nøyaktig modell som bruker eksisterende rutinemessig innsamlede data er nødvendig for å informere klinikere om risikoen for AF på pasientnivå, informere nasjonal screeningpolicy og fremheve muligheter for å forbedre pasientresultatene fra AF-screening utover det som kun gjelder forebygging av slag.

Anvendelsen av Random Forest vil bli undersøkt og multivariabel logistisk regresjon for å forutsi hendelses-AF innen en 6 måneders prediksjonshorisont, som er et tidsvindu i samsvar med å utføre undersøkelser for AF. Clinical Practice Research Datalink (CPRD)-GOLD-datasettet vil bli brukt for avledning, og Clalit Health Services-datasettet vil bli brukt for internasjonal ekstern geografisk validering. Begge utgjør en stor representativ populasjon og inkluderer kliniske utfall på tvers av primær- og sekundæromsorgen. Analyser vil inkludere målinger for prediksjonsytelse og klinisk nytte. Kun risikofaktorer tilgjengelig i samfunnet vil bli brukt og modellen vil dermed kunne muliggjøre passiv screening for høyrisikopersoner i elektroniske helsejournaler som oppdateres med presentasjon av nye data. Studiet har som mål å lage en kalkulator fra en sparsommelig modell. Kaplan-Meier-plott for individer identifisert som høyere og lavere predikert risiko for AF vil bli beregnet og utlede den kumulative insidensraten for ikke-AF kardio-renal-metabolske sykdommer og død på lengre sikt for å fastslå hvordan predikert AF-risiko er assosiert med en rekke nye ikke-AF sykdomstilstander.

For å finne ut om prediksjonsmodellen kan transporteres til geografier utenfor Storbritannia, vil modellens ytelse bli eksternt validert i Clalit Health Services-databasen i Israel. Valideringen vil inkludere deltakere forsikret av Clalit med kontinuerlig medlemskap i minst 1 år før 01.01.2019: 2.159.663 pasienter med 4.330 av dem som har en ny hendelse av AF (atrieflimmer og/eller atrieflutter) i første halvdel av 2019 . Studiepopulasjonen vil omfatte alle tilgjengelige pasienter som har minst 1 års oppfølging. Resultatet av interesse er den første diagnostiserte AF etter baseline og vil bli identifisert ved hjelp av Read-koder og ICD-9/10-koder. Pasienter med mindre enn ett års registrering, som er under tretti år ved studiestart, eller har en tidligere diagnose av atrieflimmer, vil bli ekskludert.