FenixEdu™

Dissertação

{en_GB=Identifying Subgroups in Heart Failure Patients with Multimorbidity by Clustering Analysis} {} EVALUATED

Detalhes: {pt=Esta dissertação propõe um workflow para a identificação e caracterização de subgrupos clinicamente significativos de doentes com Insuficiência Cardíaca (IC), utilizando dados dos Registos Clínicos Eletrónicos. A multimorbilidade, definida como a co-ocorrência de duas ou mais doenças crónicas, representa um grande encargo para os sistemas de saúde. Contudo, existe ainda uma falta de conhecimento sobre os doentes com multimorbilidade, quais as interacções mais comuns entre doenças, os principais fatores de risco, e a resposta aos regimes terapêuticos nestes doentes. Isto é particularmente relevante em condições complexas e heterogéneas, tais como Insuficiência Cardíaca. Foi realizada uma análise de clustering a dados clínicos de pacientes com IC do Hospital da Luz Lisboa e os clusters foram caracterizados em termos de dados demográficos, comorbidades, análises laboratoriais, prescrições e consultas. Foi também realizada uma análise de sobrevivência para testar a associação dos clusters com outcomes, tais como, hospitalização e admissão de urgência. O workflow identificou quatro clusters com diferenças significativas nas variáveis clínicas analisadas. Os resultados da análise de sobrevivência mostraram que os clusters tinham diferentes níveis de risco para hospitalizações e admissões de urgências e que os níveis de risco estavam de acordo com os perfis traçados para clusters. Os resultados evidenciam um elevado grau de heterogeneidade dentro dos doentes com IC e como uma melhor caracterização dos subgrupos de doentes pode ser relevante para a estratificação do risco clínico., en=This dissertation proposes a workflow for the identification and characterisation of clinically significant Heart Failure (HF) patient subgroups with multimorbidity using data from Electronic Health Records. Multimorbidity, defined as the co-occurrence of two or more chronic conditions, represents a heavy burden for healthcare systems. However, there is still a lack of knowledge about patients with multimorbidity, the most common disease interactions, risk factors and treatment response. This is particularly relevant in complex and heterogeneous conditions such as HF. Using clinical data from Hospital da Luz Lisboa, we conducted a clustering analysis of HF patients and characterised the clusters in terms of demographics, comorbidities, laboratory values, medical prescriptions and medical appointments. This was followed by a survival analysis to identify associations between clusters and outcomes such as hospitalisation and emergency admission. The workflow identified four distinct clusters with significant differences in the clinical variables analysed. The survival analysis showed differential associations for hospitalisation and emergency admission risks between clusters. Moreover, the risk associations were in agreement with the cluster profiles. These results evidence a high degree of disease heterogeneity within HF patients and how an improved characterisation of patient subgroups can be relevant for clinical risk stratification.}
Keywords: {pt=Multimorbilidade, Registos Clínicos Eletrónicos, Insuficiência Cardíaca, Fenotipagem, Clustering, en=Multimorbidity, Heart Failure, Electronic Health Records, Phenotyping, Clustering}

Discussão: novembro 26, 2021, 16:30