Online Prediction of Exacerbation in Patients with Chronic Obstructive Pulmonary Disease Using Linear Discriminant Pattern Classification

Transkript

1 Online Prediction of Exacerbation in Patients with Chronic Obstructive Pulmonary Disease Using Linear Discriminant Pattern Classification Morten H. Jensen, Simon L. Cichosz, Birthe Dinesen, Ole K. Hejlesen Aalborg Universitet, Danmark 1

2 Juel K. and Doessing M. KOL i danmark [COPD in denmark]. sygdommen der hver dag koster 10 danskere livet [the disease that kills 10 danes every day]. Statens Institut for Folkesundhed, Demografi 2

3 Hansen N. E. et al. Medicinsk kompendium. Nyt Nordisk Forlag, ISBN: Definition 3

4 GOLD Danmark. Globalt initiativ for kronisk obstruktiv lungesygdom - retningslinjer i danmark. GOLD workshop report, Klassifikation I: Mild KOL II: Moderat KOL III: Svær KOL IV: Meget svær KOL FEV1/FVC < 0.70 FEV1 > 80 % af forventet FEV1: % af forventet FEV1: % af forventet FEV1 < 30 % eller FEV1 : % af forventet +kronisk respirationssvigt 4

5 State of the art Eksacerbation Forårsager hospitalsindlæggelser Det er vigtigt at behandle dem i opløbet Prædiktering af eksacerbation Litteratur Telehomecare Patient Empowerment Reducerer indlæggelser 5

6 TELEKAT 6

7 Datagrundlag 7

8 Datagrundlag 8

9 Features Gennemsnit Spredningen Skewness og kurtosis Lineær regression Sum af lineær regression af saturation og puls. 9

10 Model 273 features 10 forsøgscases og 19 kontrolcases Feature selection: SEPCOR og leave-one-out krydsvalidering Classifier: linear discriminant analysis 10

11 Implementering i praksis 11

12 Use case 12

13 Prototype 13

14 Prototype 14

15 Resultater (1 af 4) V(e) Systolisk blodtryk Diastolisk blodtryk Puls Saturation Saturation + Puls Feature ID V (ē i ) N f N k F sys,skew,[25;0] F dia,std,[25;0] F sat,std,[25;0] F sat,std,[15;0] F sat,kurt,[15;0] F puls,std,[20;0] F sat+puls,l.reg,[15;0] F dia,gns,[20;0] F sat,l.reg,[30;0] F sys,kurt,[20;0] Fsys,skew,[25;0] Fdia,std,[25;0] Fsat,l.reg,[25;0] Fsat,std,[30;0] Fsat,std,[25;0] Fsys,l.reg,[25;0] Fsat,std,[15;0] Fpuls,l.reg,[15;0] Fsat,kurt,[15;0] Fsat,gns,[30;0] Fpuls,std,[20;0] Fsat,gns,[25;0] Fsat + puls,l.reg,[15;0] Fdia,gns,[20;0] Fsat,l.reg,[30;0] Fsys,kurt,[20;0] Sensitivitet = 7/10 Specificitet = 18/19 Sensitivitet = 7/9 Specificitet = 10/15 Inspektion viser stor mean-difference!! 15

16 Resultater (2 af 4) Forsoegscases Kontrolcases g(x) = 0 F sat,l.reg,[30;0] NB: Leave-one-out krydsvalidering F sat,std,[25;0] 16

17 Resultater (3 af 4) Top performance ROC-kurver Classifier 1 Classifier 2 Classifier 3 Classifier med størst AUC er ikke nødvendigvis bedst i praksis. Trade-off skal vurderes. Sensitivitet Classifier ID AUC Classifier ID Featurekombination F sat,std,[25;0] 2 F sat,l.reg,[30;0] 3 F sat,std,[25;0],f sat,l.reg,[30;0] specificitet 17

18 Resultater (4 af 4) Vi har brugt positiv prædiktiv og negativ prædiktiv værdi til vurdering. En 10-års periode for én patient giver 20 eksacerbationer (ca. 2 pr. år, hvilket kan være underestimeret). 14 sand-positive (sensitivitet = 70 %), 6 falsk-negative, 95 sand-negative (specificitet = 95 % på 100 måneder) og 5 falsk-postive. PPV = 74% ( 3/4), NPV = 94% ( 19/20) 18

19 Diskussion (1 af 2) Problemer i forhold til TELEKATs protokol: Undersampling è outliers betydning Ikke ækvidistante samples è eksklusion. Fejlmålinger è begrænset pålidelighed. Eksacerbationer: Manglende registrering è inklusion af falsk-negative. Især ved den selvstyrende patient. Definition af eksacerbation Symptombaseret è inklusion af falsk-positive. Komorbiditet? Defineret ud fra medicinindtag. Kan vi stole på det? 19

20 Diskussion (2 af 2) Er fundne features entydige? Andre eksacerbations-prædiktive parametre: Temperatur FEV 1 Registrering af kliniske fund: Hoste Ændring i ekspektorats farve Åndenød Konklusion: Online prædiktering af eksacerbationer i KOL er mulig. Algoritmen kan endnu ikke bruges i praksis på grund af det statistiske grundlag. Brug for test på flere data. 20