Estudo para Desenvolver uma Ferramenta para Estimar a Função Renal em Bancos de Dados Sem Dados Laboratoriais

A insuficiência renal é uma comorbidade comum em pacientes com diversas doenças subjacentes principais e uma patologia que acompanha o aumento da idade. A função renal pode ser um importante modificador dos efeitos do tratamento.

Os bancos de dados de reivindicações administrativas baseados na população são cada vez mais usados ​​em estudos de resultados comparativos em larga escala de tratamentos medicamentosos. No entanto, os bancos de dados de reivindicações muitas vezes carecem de informações sobre os resultados dos testes laboratoriais, limitando sua utilidade na pesquisa de evidências do mundo real (RWE) de pacientes com insuficiência renal.

Há uma necessidade de desenvolver métodos para identificação de pacientes com disfunção renal a partir de proxies administrativos baseados em reivindicações de saúde.

O principal objetivo deste estudo é o desenvolvimento de algoritmos/modelos para prever valores e/ou classes de eGFR para pacientes em determinado momento com base em entradas no banco de dados de sinistros (características demográficas, diagnósticos clínicos, procedimentos e tratamentos medicamentosos) para uma população geral e uma variedade de casos de uso (subpopulações de pacientes com diabetes mellitus tipo 2, fibrilação atrial, doença arterial coronariana). Para conseguir isso, técnicas modernas de aprendizado de máquina baseadas em dados serão aplicadas para descobrir relações entre o estado renal, medido por eGFR, e dados longitudinais no nível do paciente.

A avaliação do desempenho dos modelos (validação fora da amostra, teste de benchmark, diferenças de desempenho entre algoritmos de previsão de valor eGFR e modelos de classificação adaptados para as classes eGFR pré-definidas) também será feita.