Improving Telemonitoring for Chronic Heart Failure Patients: A Data-driven Investigation into improving Equity and AI models for Telemedicine

Abstract

Denne artikel baserede ph.d.-afhandling undersøger potentialet for at forbedre telemonitorering af patienter med kronisk hjertesvigt / hjerteinsufficiens (CHF). Første del af afhandlingen praesenterer årsagerne og epidemiologien for CHF og uddyber den nuvaerende tendens til at anvende telemedicinteknologier i håndteringen af CHF-patienter. Den første artikel, "Does geographical distance impact the effectiveness of supplementary telemedicine for chronic heart failure patients", støtter denne sektion ved at undersøge litteraturen om uligheder i adgangen til sundhedspleje for CHF-patienter og giver kvantitative beviser for, at supplementaer telemedicin kan hjaelpe med at tackle nogle af disse uligheder ved at reducere geografisk afstand som en hindring for sundhedsplejeadgang.Den naeste del af ph.d.-afhandlingen undersøger potentialet for at forbedre telemonitoreringsstrategierne for CHF-patienter, der modtager telemedicin i Region Nordjylland, i forbindelse med "Telecare Nord Hjertesvigt" projektet.Anden artikel, " Weekly Blood Pressure and Weight Measurements shows Potential for Predicting Deterioration in Telemonitored Chronic Heart Failure Patients", er en eksplorativ undersøgelse af hvorvidt ugentlige målinger af biometriske data, herunder blodtryk, vaegt og puls, kan bruges til at skelne mellem stabile perioder og perioder, der fører til indlaeggelse. Dette gøres ved hjaelp af en parret observationsstrategi med 33 begivenheds-og ikke-begivenhedsperioder. Undersøgelsen viser, at inklusion af aendringer i periodiske tendenser af biometriske vaerdier i algoritmen øger modellens diskriminerende praestation.Den tredje artikel, " Prediction of 14-day hospitalization risk in chronic heart failure patients, using interpretable machine learning methods", bygger på resultaterne fra anden artikel og bruger maskinlaeringsalgoritmer til at udvikle kliniske forudsigelsesmodeller, der giver et risikoestimat for ikke-planlagte indlaeggelser inden for den naeste 14-dages periode for hver hjemmemåling udført af patienten. I artiklen anvendes et "supervised learning" design og den inkluderer 11.575 observationer af teleovervågede vaerdier med et label, der angiver tilstedevaerelsen af en ikke-planlagt indlaeggelse i de følgende 14 dage efter observationen. Maskinlaeringsteknikkerne, der er inkluderet i modelleringen, er valgt for deres fortolkelighed for at understøtte klinisk implementering.Afhandlingen er en del af et projekt, der undersøger supplementaer telemedicin for patienter med kronisk obstruktiv lungesygdom og CHF-patienter i Region 17 LIST OF PUBLICATIONS Thesis Papers Paper I Xylander AAP, Cichosz SL, Hejlesen O, et al. Does geographical distance impact the effectiveness of supplementary telemedicine for Chronic Heart Failure patients.