Avanzando en la Modelización de la Exposición al Tratamiento Farmacológico a través de Algoritmos Computacionales en Registros Electrónicos de Salud
Year: 2024
Type: dissertation
Study design: Observational Study
Abstract: Aquesta tesi consisteix en una recopilació de tres articles d'investigació elaborats entre el 2020 i el 2023. Els tres articles comparteixen un lligam comú: són diferents contribucions basades en el mètode desenvolupat durant la tesi per millorar i automatitzar la modelització de l'exposició a fàrmacs utilitzant la història clínica informatitzada (EHR). En essència, l'algoritme desenvolupat, anomenat "smooth", s'inspira en tècniques estadístiques de sèries temporals que calculen tendències centrals mitjançant mitjanes mòbils. Aquesta tècnica s'emplea principalment per obtenir una sèrie numèrica més estable, lliure de tendències i estacionalitats, i per suavitzar les fluctuacions de curta durada. Utilitzant aquesta estratègia, es va crear un mètode específic per als EHR, el qual calcula automàticament el perfil d'exposició més probable al llarg del temps. En el primer treball d'aquesta tesi, es presenta en detall la creació, desenvolupament, implementació i posterior validació de l'algorisme. Més enllà dels detalls del seu funcionament, una de les característiques de l'algorisme és que incorpora un paràmetre d'ajust anomenat Wt, que controla el grau d'alleujament. Vam avaluar l'impacte d'aquest paràmetre mitjançant un estudi de simulació. A mesura que augmentem aquest paràmetre, les dades originals es modifiquen, encara que l'algorisme afecta en pocs pacients, i la majoria d'ells presenta canvis inferiors al 5%. Després de desenvolupar i implementar l'algorisme, vam buscar analitzar la seva utilitat des d'una perspectiva clínica i farmacològica. Amb aquest propòsit, vam dur a terme una validació amb la participació de quatre experts independents, els quals van avaluar perfils de tractament en diferents escenaris farmacològics. Cada revisor, de manera cega, va comparar els resultats obtinguts per l'algorisme respecte a les dades originals, així com en relació a un mètode no automàtic més comú a la literatura. La validació va evidenciar una avaluació positiva a favor de l'algorisme "smooth" en general i per als diferents escenaris. Addicionalment, es van trobar diferències significatives en comparació amb el mètode tradicional. En el segon article, vam aprofitar els principals avantatges d'utilitzar l'algorisme per analitzar els patrons longitudinals de tractament en pacients diagnosticats recentment amb diabetis mellitus tipus 2 (T2DM). El nostre objectiu principal va ser estudiar com els tractaments prescrits en atenció primària s'adhereixen o no a les guies clíniques. Per aconseguir-ho, vam incloure tots els casos registrats en entorns d'atenció primària entre el 2015 i el 2020 a Catalunya, un total de 86.854 pacients. Mitjançant l'algorisme, vam modelar els patrons longitudinals fins als tractaments de tercera línea, identificant possibles canvis, addicions, eliminacions i interrupcions al llarg del període d'estudi. A més, el mètode va ser útil per calcular temps d'exposició, el compliment i correlacionar patrons de tractament amb els valors de hemoglobina glicada (HbA1c). Els resultats principals van indicar que el 78,3% va iniciar el tractament antidiabètic amb teràpia simple, sent la metformina l'opció terapèutica predominant en primera i tercera línea, mentre que la teràpia combinada (CT) de metformina amb DPP4i o metformina amb sulfonilurea va ser més prevalent en segona línea. El patró longitudinal més comú va consistir en iniciar metformina durant 15 mesos, introduir un segon agent antidiabètic durant 6 mesos en el tractament de segona línea i, finalment, tornar al tractament amb metformina. Els patrons de tractament es van associar significativament als valors de HbA1c. Nivells alts (≥8%) van afavorir canvis a CT, mentre que nivells baixos van dur a canvis a monoteràpia o interrupció temporal del tractament. En el tercer article de la tesi, abordem un altre estudi en pacients diagnosticats amb T2DM, amb l'objectiu d'analitzar l'impacte d'afegir un tractament de segona línea a pacients sota tractament amb metformina que no aconsegueixen controlar la malaltia. Vam analitzar un total de 28.425 pacients entre el 2015 i el 2020, utilitzant l'algorisme per determinar el moment d'addició del tractament de segona línea, calcular el temps d'exposició i avaluar el compliment. La variable d'estudi va ser el temps fins al control de la hemoglobina glicada (HbA1c < 8%) expressat com a temps de supervivència mig restringit (RMST), i es van comparar les diferències en el RMST de cada tractament en relació amb la combinació de metformina amb sulfonilurea. En resum, tots els tractaments van reduir significativament la HbA1c, tot i que les combinacions de metformina amb un pèptid semblant al glucagó-1 (GLP1) o metformina amb insulina van assolir l'objectiu abans (P <0,001). Vam observar un bon compliment en tots els grups d'estudi, excepte en la combinació amb insulina, i l'adherència va resultar en una reducció significativa del temps fins al control de la HbA1c, llevat dels pacients sota la combinació de metformina amb inhibidors del cotransportador de sodi-glucosa tipus 2 (SGLT2i). Per obtenir tots els resultats presentats en aquesta tesi, vam fer ús del Sistema d'Informació per a la Investigació en Atenció Primària (SIDIAP) com a principal font de dades de referència.
Author: Ouchi, Dan
Language: Catalan
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7017524807