Badanie przesiewowe w kierunku migotania przedsionków kierowane ryzykiem z wykorzystaniem elektronicznej dokumentacji medycznej.
Badacze opracowali i zweryfikowali zewnętrznie FIND-AF 2.0, model uczenia maszynowego wykorzystujący elektroniczną dokumentację medyczną do identyfikacji pacjentów z wysokim ryzykiem rozwoju migotania przedsionków (AF). W prospektywnym badaniu przesiewowym obejmującym 1923 dorosłych AF wykryto u 4,5% uczestników wysokiego ryzyka w porównaniu z 0,6% osób niskiego ryzyka (OR 8,46; P<0,001), co przewyższało konwencjonalne skale ryzyka, takie jak CHA₂DS₂-VASc. Wdrożenie tego podejścia opartego na dokumentacji elektronicznej mogłoby umożliwić celowane badanie przesiewowe w kierunku AF w podstawowej opiece zdrowotnej i kardiologii, wykrywanie AF o dużym obciążeniu na wcześniejszym etapie i zmniejszenie ryzyka udaru niedokrwiennego mózgu (6,0 zdarzeń na 100 pacjentolat) u nieleczonych pacjentów.
Wstęp
Badanie przesiewowe w kierunku migotania przedsionków (AF) oparte na ryzyku AF może być skuteczniejsze. Naszym celem było opracowanie, zewnętrzna walidacja i prospektywne przetestowanie modelu predykcyjnego opartego na uczeniu maszynowym z wykorzystaniem elektronicznej dokumentacji medycznej (EHR) do kierowania badaniem przesiewowym w kierunku AF.
Metody
Opracowaliśmy i zwalidowaliśmy model predykcyjny lasu losowego dla nowego AF w ciągu 6 miesięcy, z użyciem wieku, płci i 10 chorób współistniejących (Future Innovations in Novel Detection of Atrial Fibrillation [FIND-AF] 2.0) w EHR w Wielkiej Brytanii (n=2 081 139), Japonii (n=7 795 244), Izraelu (n=2 166 795), Kanadzie (n=627 919) i Chinach (n=149 145). Przeprowadziliśmy badanie prospektywne, w którym uczestnicy w wieku ≥30 lat bez AF, z wynikiem w skali CHA2DS2-VASc ≥2 u mężczyzn i ≥3 u kobiet, stratyfikowani według FIND-AF 2.0 na grupy wysokiego i niskiego ryzyka, wykonywali 4 zapisy EKG dziennie przez 3 tygodnie za pomocą ręcznego rejestratora EKG, a pierwszorzędowym wynikiem było nowo rozpoznane AF. Oszacowaliśmy ryzyko udaru związane z AF bez antykoagulacji u pacjentów z wysokim ryzykiem według FIND-AF 2.0 w rejestrze FinACAF (Finnish Anticoagulation in Atrial Fibrillation) pacjentów z AF (n=229 565).
Wyniki
FIND-AF 2.0 był możliwy do zastosowania we wszystkich EHR i wykazał dobrą do doskonałej skuteczność predykcyjną (Wielka Brytania: pole pod krzywą charakterystyki operacyjnej odbiornika [AUROC], 0,819 [95% CI, 0,809-0,829]; Izrael: AUROC, 0,835 [95% CI, 0,828-0,842]; Japonia: AUROC, 0,751 [95% CI, 0,745-0,757]; Kanada: AUROC, 0,747 [95% CI, 0,741-0,753]; Chiny: AUROC, 0,753 [95% CI, 0,725-0,771]), przy AUROC>0,7 u mężczyzn i kobiet we wszystkich kohortach, oraz lepszą skuteczność w porównaniu z CHA2DS2-VASc i C2HEST (choroba wieńcowa lub przewlekła obturacyjna choroba płuc [po 1 punkcie]; nadciśnienie tętnicze [1 punkt]; podeszły wiek [wiek ≥75 lat, 2 punkty]; skurczowa HF [2 punkty]; choroba tarczycy [nadczynność tarczycy, 1 punkt]). Spośród 1923 uczestników z 15 ośrodków w badaniu prospektywnym (średni wiek 70,2 [SD 9,4] roku), ze średnio 74,8 (SD, 19,4) zapisami EKG, AF rozpoznano u 5 z 902 (0,6%) z niskim ryzykiem według FIND-AF 2.0 i u 46 z 1021 (4,5%) z wysokim ryzykiem według FIND-AF 2.0 (iloraz szans, 8,46 [95% CI, 3,35-21,40], P<0,001). Mediana obciążenia AF wśród przypadków wykrytych w grupie wysokiego ryzyka według FIND-AF 2.0 wynosiła 33,4% (rozstęp międzykwartylowy, 5,1%-91,6%), a 96,1% rozpoczęło przyjmowanie doustnych leków przeciwkrzepliwych. W rejestrze FinACAF częstość udaru niedokrwiennego mózgu u pacjentów z wysokim ryzykiem według FIND-AF 2.0, z AF i bez leków przeciwkrzepliwych wynosiła 6,0 zdarzeń na 100 pacjentolat.
Wnioski
Model uczenia maszynowego oparty na EHR, FIND-AF 2.0, identyfikuje podpopulację wysokiego ryzyka pod kątem rozpoznania AF wśród pacjentów ze zwiększonym ryzykiem udaru i mógłby umożliwić skalowalne, oparte na EHR, kierowane ryzykiem badanie przesiewowe w kierunku AF.
Dołącz do nas
Dołącz do Globalnej Sieci Kardiologicznej Podstawowej Opieki Zdrowotnej. Członkostwo jest bezpłatne.
Czy chcą Państwo podać więcej informacji o sobie?
Zainteresowania
Wyślemy wiadomość e-mail z linkiem potwierdzającym rejestrację.




