急性疾患中の臨床クラスターは高齢患者の長期死亡率を予測する

科学分野:

• 老年医学
• 計算生物学
• 臨床医学

背景:

• 高齢患者の急性疾患脱離には、個別化された治療アプローチが欠けています。
• マルチモーダルおよび高次元データは、臨床的に意味のある患者クラスターを導き出す可能性を提供します。
• この研究では、脳の関与を含む急性疾患脱離のためのクラスター駆動型および高次元予測因子を調査します。

研究 の 目的:

• クラスター駆動型および高次元予測因子を臨床展開用に構築できるという仮説を検証すること。
• 特に脳に影響を与える急性疾患脱離の病態生理に関するメカニズム的洞察を得ること。
• 急性疾患を経験している高齢者の有害転帰予測を改善すること。

主な方法:

• トレーニングおよびテストのために、2つの独立した前向きコホート研究（DELPHICおよびDECIDE）を調和させました。
• 患者サブタイプを特定するために、T-stochastic neighbor embeddingおよび凝集階層クラスタリングを適用しました。
• クラスター駆動型および高次元モデルを使用して、脳脱離および2年間の死亡率の予測パフォーマンスを比較し、入力寄与分析のためにSHAP値を使用しました。

主要な成果:

• 急性疾患中の高齢者の3つの広範な臨床サブタイプの同定。ベースライン変数と急性変数の両方からの寄与がありました。
• 脳脱離予測のための受信者操作特性曲線下面積（AUROC）の有意な改善。ベースラインでは0.563でしたが、クラスター駆動型では0.641、高次元では0.797でした。
• 睡眠覚醒サイクル障害はせん妄の主要な予測因子として特定されました。生理学的変動、特に認知的変動は、長期的な死亡率を予測しました。

結論:

• 急性疾患中の高齢患者のための堅牢で、一般化可能で、臨床的に有用なクラスターが特定可能であることが示されました。
• 急性疾患を定義およびモデル化するための縦断的アプローチの概念実証。
• 高次元性とマルチモーダル性が有害転帰の予測に与える可能性を強調し、睡眠覚醒サイクル障害をせん妄研究の主要なターゲットとして特定しました。