Opracowanie algorytmu predykcyjnego ryzyka ponownej hospitalizacji chorych z niewydolnością serca

Niewydolność serca jest chorobą przewlekłą, której częstość występowania, ze względu na starzenie się społeczeństwa, wzrasta. We Francji rozpowszechnienie tej patologii wynosi 2,3% (osiąga 10% w ciągu ponad 75 lat) i dotyczy prawie miliona pacjentów.

Ponowna hospitalizacja pacjentów z niewydolnością serca dotyczy 25% pacjentów w ciągu 1-3 miesięcy od wypisu ze szpitala i 66% w ciągu 1 roku, podczas gdy 75% hospitalizacji można zapobiec. Te readmisje skutkują obniżeniem jakości życia i zwiększoną śmiertelnością; z ekonomicznego punktu widzenia hospitalizacja stanowi 70% wydatków związanych z leczeniem niewydolności serca. Unikanie ponownej hospitalizacji jest zatem głównym problemem zdrowia publicznego. Obecne wyniki predykcyjne wciąż można udoskonalić, mimo że czynniki ryzyka readmisji były już przedmiotem wielu badań. Identyfikacja pacjentów zagrożonych rehospitalizacją nadal stanowi problem, szczególnie w przypadku pacjentów z zachowaną frakcją wyrzutową lewej komory. Problemem pozostaje ukierunkowanie na pacjentów wymagających odpowiedniej opieki.

Powstanie innowacyjnych technik statystycznych wokół Big Data w dziedzinie zdrowia otwiera nowe perspektywy naukowego wykorzystania danych dostępnych w elektronicznej dokumentacji medycznej, na przykład w dziedzinie prognozowania. Niniejsze badanie ma na celu zbadanie ryzyka ponownej hospitalizacji u pacjentów z niewydolnością serca poprzez analizę rutynowych danych gromadzonych w dokumentacji medycznej oraz mobilizację algorytmów sztucznej inteligencji. Przegląd literatury potwierdza innowacyjny charakter takiego podejścia: w większości zidentyfikowanych badań stosowano prospektywne gromadzenie danych; tylko w 20% badań zmobilizowano dokumentację medyczną; żadne francuskie badanie nie wykorzystywało nowych algorytmów uczenia maszynowego.