Samenvatting

Patiënten met eindstadium hartfalen kunnen in aanmerking komen voor een Left Ventriculair Assist Device (LVAD). Dit is een mechanisch apparaat dat de pompfunctie van het hart ondersteunt. Het aantal LVAD-operaties is de afgelopen jaren exponentieel toegenomen en sinds 2010 wordt een LVAD geïmplanteerd als alternatief voor een donorhart. In het Universitair Medisch Centrum Utrecht is het onduidelijk hoe de ontwikkeling van de zes minuten wandeltest (6MWT) bij ontslag, na drie maanden en na twaalf maanden verloopt. Met behulp van een nauwkeurige voorspelling kan de fysiotherapeut een indicatie krijgen of de ontwikkeling van 6MWT verloopt volgens planning of dat de ontwikkeling wordt gestagneerd. Er wordt een voorspelling van de afstand van de 6MWT met behulp van machine learning. Machine learning is een methode om data-analyses uit te voeren, dit maakt het mogelijk om zelflerende voorspellingsmodellen te bouwen. Machine learning functioneert alleen met data waar geen missende waardes aanwezig zijn. Machine learning is in staat om verborgen patronen in kaart te brengen. Er wordt onderzocht hoe nauwkeurig er met behulp van zoveel mogelijk data uit het patiëntdossier een voorspelling gedaan kan worden van de afstand van de 6MWT. Dit gebeurt na drie maanden en na twaalf maanden na start van de revalidatie. Het doel van deze pilotstudie is om te ondezoeken of het mogelijk is om een nauwkeurige voorspelling te maken van de afstand van de 6MWT, zodat er een mogelijke verklaring gevonden kan worden voor beperkte vooruitgang. De primaire onderzoeksvraag hiervoor luidt: ‘Hoe nauwkeurig kan de afstand van de zes minuten wandeltest van LVAD-patiënten drie en twaalf maanden na start van de revalidatie worden voorspeld met behulp van machine learning?’ Om deze vraag te beantwoorden wordt onderzocht welke parameters een relatie hebben met de 6MWT. De parameters, in machine learning termen ook wel features genoemd, worden geselecteerd op basis van de hoeveelheid aanwezige data en correlatie. Er worden twee verschillende regressie analyses onderzocht. De analyse die het meest nauwkeurig voorspelt, wordt toegepast. Vanwege het feit dat er een pilotstudie is uitgevoerd, wordt het model op een beperkte dataset gebouwd. Doordat het model op beperkte hoeveelheid data kan worden getraind en getest, kunnen er nog geen harde conclusies worden getrokken over de nauwkeurigheid van het model, maar de resultaten laten wel zien dat het voorspellingsmodel potentie heeft. Op dit moment wordt de afstand van de 6MWT op twaalf maanden nauwkeuriger voorspeld dan de afstand van de 6MWT op drie maanden. Het model van de 6MWT1 (N=20) maakt voor 70% van de testset relevante voorspellingen. Deze voorspellingen hebben een gemiddeld absolute afwijking van 39.0 meter. Het model van en de 6MWT2 (N=22) maakt voor 73% een klinisch relevante voorspelling, deze voorspellingen hebben een gemiddeld absolute afwijking van 28.7 meter.
https://nl.linkedin.com/in/wouter-schoenmakers-b54275a8