Makine Öğrenimi, Yabani Tip ATTR-CM Riski Altındaki Kalp Yetersizliği Hastaları Daha Ilkin Tanımlayabilir

Son Guncelleme : 15 Nisan 2022 | admin


Yabani tip transtiretin amiloid kardiyomiyopatinin (ATTR-CM) gecikmiş tanısı, tanı öncesinde uygun olmayan tedavilerle ve tanıdan sonrasında daha fena klinik neticelerle sonuçlanır.

Transtiretin amiloid kardiyomiyopatisi (ATTR-CM) yeterince tanınmayan bir kalp yetmezliği (HF) ve yırtıcı tip ATTR-CM’nin (ATTRwt-CM) gecikmiş teşhisi, teşhisten ilkin uygunsuz değerlendirmelere ve tedaviye ve ek olarak teşhisten sonrasında daha fena klinik sonuçlara neden olur, diye deklare etti Casey Reed, PharmD, MBA, MSc, MS, CSP, Gelişmiş tıbbi katılım lideri Pfizer, Yönetilen Bakım Eczacılığı Akademisi’nin senelik toplantısında bulguların sunumu esnasında.

Reed, yüksek ATTRwt-CM riski altındaki kalp yetmezliği olan hastaları karakterize etmek için bir makine öğrenimi modeli uygulamanın bulgularını sunan platin ödüllü bir posterin baş yazarıydı.

Gecikmiş tanı ve tanıdan sonraki daha fena sonuçların, “genel olarak hasta neticelerini iyileştirmek için hastaları bu hastalık durumu için daha erken ve verimli bir halde taramanın önemini” vurguladığını kaydetti.

Reed ve destek yazarları, ATTRwt-CM teşhisi konan hastalardan (n = 119) ve KY olan sadece ATTRwt-CM tanısı olmayan hastalardan (n = 119) oluşan rastgele bir örneklem için Humana yönetimsel iddialarını kullanarak geriye dönük bir olay denetim emek vermesi yürütmüştür. Hastalar, ilk kalp yetmezliği teşhisi talebinde bulunduklarında (dizin zamanı) 69 ile 85 yaşları arasındaydı ve bir Medicare Advantage planına ≥ 12 ay dizin öncesi ve ≥ 6 ay sonrasında indekslendi.

Bu gruplar modeli değerlendirmek için kullanıldı ve araştırmacılar modelin duyarlılığı %88, özgüllüğü %65 ve doğruluğu %77 buldu. Reed, model tahminlerinin, konsantrasyon-tine eğrisi altındaki alıcı işletim özellikleri alanına dayalı olarak dönemin %89’unda doğru bulunduğunu deklare etti.

Makine öğrenimi modelini değerlendirdikten sonrasında, ATTRwt-CM tanısı olmayan kalp yetmezliği olan 266.906 hasta üstünde çalıştırdılar. %4.1’inin yüksek ATTwt-CM riski altında olduğundan ve %25.5’inin risk altında olduğundan şüphelenildiğini buldular. Reed’e bakılırsa, doğrulanmış tanı popülasyonu ağırlıklı olarak erkeklere eğilimlidir (%78,2), sadece şüpheli risklerdeki karışım daha eşittir: şüpheli yüksek risk grubunda %53.1 adam ve şüpheli risk grubunda %50,9.

“Kısaca bu, potansiyel olarak bu hastalık durumundaki bayanları iyi mi teşhis ettiğimizle ilgili bazı uygulama farklılıkları izah edebilir” dedi.

Araştırmacılar ek olarak ATTRwt-CM’si doğrulanmış 119 hasta için sıhhat hizmetleri kaynak kullanımına (HCRU) baktılar ve kalp yetmezliği olan hastaların daha yüksek bir bölümünün ATTRwt-CM teşhisinden ilkin ve teşhisten sonrasında birkaç sıhhat hizmeti deposu için hak iddiasında bulunduğunu buldular.

Onlar buldular:

  • ATTRwt-CM tanısından önceki 1-2 yılda tüm nedenlere bağlı hastaneye yatışlar %65’ten ATTRwt-CM tanısından sonrasında %48’e düştü
  • Tüm nedenlere bağlı hastane geri kabul talepleri %46’dan %26’ya düştü
  • Acil servis ziyaretleri %60’tan %45’e düştü
  • Reçete oranları %93’ten %45’e düşürüldü

HCRU, tanıdan önceki yada sonraki 1 ila 2 yıl ile karşılaştırıldığında, ATTRwt-CM tanısına kadar geçen yılda en yüksekti.

Reed, “Dolayısıyla, bu kaynakları etkili ve verimli bir halde yönetme ve bu hastalara yönelik bakımı yönetme ve onlara uygun şekilde teşhis koyma hikayesine gene uyuyor” dedi.

Yüksek ATTRwt-CM riskinden şüphelenilen hastalara bakıldığında, veriler, doğrulanmış bir teşhisi olanlarla karşılaştırıldığında bu hastalar için akut HCRU oranlarının daha yüksek bulunduğunu gösterdi.

Reed, “Bu hastalık durumu için yüksek risk taşıdığından şüphelenilen hastalar, yüksek kaynak kullanımına sahipti ve hastalığın erken şüphesinden faydalanabilir” dedi. “Ve sonrasında bu vasıta, makine öğrenimi algoritması, bu hastaları bulmaya destek olmak için kullanılabilir.”

Referans

Reed C, Nair R, Schepart A, Sheer R, Casey E, Simmons R. Yırtıcı tip transtiretin amiloid kardiyomiyopati için yüksek risk altındaki kalp yetmezliği olan hastaları karakterize etmek için bir talep veri tabanında bir makine öğrenimi modeli uygulamak. Sunum: Academy of Managed Care Eczacılık Senelik Toplantısı 2022; Şikago, Illinois; 29 Mart-1 Nisan 2022. Poster E27.

Comments are closed.