Analiza logiczna danych i ryzyko kardiochirurgii

TŁO:

Jednym z najważniejszych zadań, jakie wykonują klinicyści zajmujący się chorobami sercowo-naczyniowymi, jest stratyfikacja ryzyka, ponieważ umożliwia to odpowiednie ukierunkowanie agresywnych terapii na pacjentów, którzy z największym prawdopodobieństwem odniosą z nich korzyści. Współczesne strategie stratyfikacji ryzyka obejmują systemy punktacji klinicznej wraz z wykonywaniem testów nieinwazyjnych. Chociaż te podejścia są powszechnie stosowane, klinicyści nadal muszą uwzględniać wiele informacji klinicznych w spójnej globalnej ocenie ryzyka. Koncepcja wykorzystywania danych z dużych zbiorów danych obserwacyjnych do opracowywania złożonych ocen ryzyka i zachęcania do ich stosowania w rutynowej praktyce stopniowo ewoluuje i zyskuje akceptację. Analiza logiczna danych (LAD) to potencjalnie przydatne podejście do systematycznej analizy dużych baz danych w celu opracowania i walidacji użytecznych klinicznie schematów przewidywania ryzyka. W przeciwieństwie do standardowych technik regresji, LAD nie koncentruje się przede wszystkim na indywidualnych czynnikach ryzyka i dwukierunkowych interakcjach między nimi. LAD jest raczej przeznaczony do identyfikowania złożonych wzorców ustaleń lub syndromów, które przewidują wyniki. Metoda ta została zastosowana do problemów w ekonomii, sejsmologii i poszukiwaniach ropy naftowej, ale nie w medycynie.

NARRACJA PROJEKTOWA:

Badanie ma trzy szczegółowe cele: 1). zastosować LAD do opracowania i walidacji narzędzi do przewidywania ryzyka wśród pacjentów poddawanych różnym rodzajom operacji kardiochirurgicznych. 2. porównanie wartości predykcyjnej instrumentów predykcyjnych LAD z instrumentami predykcyjnymi opracowanymi przy użyciu standardowych metod statystycznych, w tym wielofazowego modelowania parametrycznego. 3. opracować instrumenty prognostyczne wykorzystujące lasy względnego ryzyka, nową metodę Monte Carlo do szacowania wartości ryzyka w dużych zestawach danych dotyczących przeżycia z dużą liczbą skorelowanych zmiennych. Lasy względnego ryzyka są adaptacją losowych lasów wprowadzonych przez Breimana. Jeśli to możliwe, metody te zostaną porównane z metodą LAD. Wewnętrzne oszacowania błędu uogólnienia, miara tego, jak dobrze metoda uogólni się na inne ustawienia danych, zostaną obliczone i zostaną wykorzystane w opracowaniu instrumentu predykcyjnego. Lasy o względnym ryzyku zostaną również porównane z kilkoma innymi niedeterministycznymi metodami, w tym ze wzmacnianiem oraz wyborem zmiennych szczytowych i płytowych. Wszystkie te techniki mogą być wykorzystywane do tworzenia złożonych modeli przy zachowaniu dobrego błędu przewidywania i są idealne do rozwiązywania wielowymiarowych problemów, w których tradycyjne metody zawodzą. Chociaż ten projekt skupi się na ocenie ryzyka wśród pacjentów poddawanych zabiegom kardiochirurgicznym, ważne jest, aby uznać, że interesuje nas przede wszystkim wartość LAD jako środka do analizy bardzo dużych i złożonych zbiorów danych w sferze medycznej. Stąd przydatność tej pracy wykracza poza określanie ryzyka pacjentów poddawanych zabiegom kardiochirurgicznym.

Dane wykorzystane w tym badaniu będą składać się z danych dotyczących kardiochirurgii z Cleveland Clinic Foundation Cardiovascular Information Registry (CVIR). Zostaną zebrane cztery kohorty danych; Kohorta I: 18 914 pacjentów po CABG w latach 1990-2000; Kohorta II: 6952 pacjentów poddawanych wymianie zastawki aortalnej; Kohorta III: 2979 pacjentów poddawanych wymianie zastawki mitralnej; Kohorta IV: 10 482 pacjentów poddawanych zabiegowi naprawy zastawki mitralnej. Pierwszorzędowym punktem końcowym będzie długoterminowa śmiertelność całkowita; w przypadku pacjentów z chirurgią zastawkową będzie to aktywna obserwacja.