Förutsägelse av stroke genom sökfrågor på internet

I den här studien kommer vi att analysera Google-förfrågningar från patienter inlagda på sjukhus i Tel-Aviv Sourasky Medical Center med stroke, mellan åren 2016-2020. efter det formella ifyllandet av det undertecknade formuläret för informerat samtycke kommer samtyckande försökspersoner personligen att begära sin sökdata från Google Takeout-tjänsten från upp till 2 år före till ett år efter stroken och ge åtkomst till forskarna genom att skapa en engångsfil med dessa data och dela dem med forskarna. Efter ett informerat samtycke kommer data från Googles frågor extraheras av deltagarna med hjälp av Googles "Take Out"-tjänst, från upp till 2 år före till ett år efter stroken. Kontrollgrupperna kommer att bestå av patienter diagnostiserade med akut hjärtinfarkt (MI) och MI/stroke-fria patienters makar. Rekrytering kommer i första hand att ske från två institutionellt godkända databaser om stroke och akut hjärtinfarkt. Totalt 450 deltagare kommer att rekryteras, 150 i varje grupp, baserat på tidigare erfarenhet av den minimala datauppsättningen av frågeloggar som behövs för att konstruera en modell och testa dess prestanda.

Anonymitet kommer att garanteras genom flera modaliteter; åtkomst till Google Takeout-data kommer att begränsas till det minimala belopp som krävs för att utföra forskningen och kommer endast att ges till medlemmar av dataanalysteamet vid Tel-Aviv University, medan åtkomst till medicinska data endast kommer att ges till forskare från Tel-Aviv Sourasky Medical Center. Dessutom kommer medlemmar av Tel-Aviv University Partner Team att vara skyldiga att avstå från alla positiva försök att identifiera försökspersoner som deltar i försöket. All data som delas med Tel-Aviv University kommer att lagras på en lokal, krypterad hårddisk. Uppgifterna kommer att raderas från Tel-Aviv Universitys datorer i slutet av projektet.

Vår tidigare utvecklade maskininlärningsmodell, som kunde förutsäga stroke hos försökspersoner jämfört med åldersmatchade kontroller med en area under curve (AUC) på 0,972 vilket översätts till ett positivt prediktivt värde på 52,7 % vid en falsk-positiv frekvens på 1 % , kommer att användas för att förutsäga, för varje dag, sannolikheten att en person kommer att genomgå en strokehändelse den dagen. Detta kommer att jämföras med det kända datumet för stroke eller MI. Måttet på prestanda kommer att vara Receiver Operating Curve (ROC) för detekteringen och motsvarande Area Under Curve (AUC). Dessutom kommer en ny modell att tränas med hjälp av insamlade data och testas på liknande sätt, om än med 10-faldig korsvalidering. Strokedetektionskänslighet och specificitet kommer att härledas.