Машинное обучение – это исследование компьютерных алгоритмов, основанное на идее, что системы могут учиться на данных и определять шаблоны для принятия решений с минимальным вмешательством.
Результаты показывают, что риск остановки сердца был самым высоким по воскресеньям, понедельникам и в праздничные дни, а также при резком падении температуры в течение или между днями.
Эта информация может быть использована в качестве системы раннего предупреждения для граждан, чтобы снизить их риск и повысить их шансы на выживание, а также для повышения готовности служб неотложной медицинской помощи, предполагают исследователи.
Остановка сердца вне больницы распространена во всем мире, но обычно связана с низким уровнем выживаемости. На риск влияют преобладающие погодные условия.
Но метеорологические данные обширны и сложны, а машинное обучение может выявить ассоциации, не выявленные традиционными одномерными статистическими подходами, говорят японские исследователи.
Чтобы исследовать это дальше, они оценили способность машинного обучения прогнозировать ежедневную остановку сердца вне больницы, используя ежедневную погоду (температуру, относительную влажность, осадки, снегопад, облачный покров, показания скорости ветра и атмосферного давления) и время (год , сезон, день недели, час дня и праздничные дни) данные.
Из 1 299 784 случаев, произошедших в период с 2005 по 2013 год, машинное обучение было применено к 525 374, используя либо данные о погоде, либо данные о времени, либо и то, и другое (обучающий набор данных).
Затем результаты были сопоставлены с 135 678 случаями, произошедшими в 2014-2015 годах, чтобы проверить точность модели для прогнозирования количества ежедневных остановок сердца в другие годы (набор данных тестирования).
И чтобы увидеть, насколько точным может быть подход на местном уровне, исследователи провели «анализ тепловой карты», используя другой набор данных, взятый из местоположения внебольничных остановок сердца в городе Кобе в период с января 2016 года по декабрь 2018 года.
Комбинация данных о погоде и времени наиболее точно предсказала остановку сердца вне больницы в наборах данных для обучения и тестирования.
Он предсказал, что воскресенье, понедельник, праздничные дни, зима, низкие температуры и резкие перепады температур внутри и между днями сильнее связаны с остановкой сердца, чем только данные о погоде или времени.
Исследователи признают, что у них не было подробной информации о месте остановки сердца, кроме города Кобе, и не было никаких данных о ранее существовавших заболеваниях, которые могли повлиять на результаты.
Но они предполагают: «Наша прогнозирующая модель ежедневной частоты [остановки сердца вне больницы] широко распространена на население в целом в развитых странах, потому что это исследование имело большой размер выборки и использовало исчерпывающие метеорологические данные."
Они добавляют: «Методы, разработанные в этом исследовании, служат примером новой модели прогнозной аналитики, которая может быть применена к другим интересующим клиническим исходам, связанным с опасным для жизни острым сердечно-сосудистым заболеванием."
И они делают вывод: «Эта прогностическая модель может быть полезна для предотвращения [остановки сердца вне больницы] и улучшения прогноза пациентов…через систему предупреждения для граждан и [службы экстренной медицинской помощи] в дни повышенного риска в будущем."
В связанной редакционной статье доктор Дэвид Фостер Гайески из Медицинского колледжа Сидни Киммела при Университете Томаса Джефферсона соглашается.
«Знание, какая погода, скорее всего, будет на следующей неделе, может генерировать« предупреждения о сердечно-сосудистых чрезвычайных ситуациях »для людей из группы риска – уведомляя пожилых и других людей о предстоящих периодах повышенной опасности, аналогично тому, как данные о погоде используются для уведомления людей о предстоящих опасных явлениях. дорожные условия во время зимних штормов », – поясняет он.
"Эти прогнозы можно использовать для развертывания ресурсов, составления графиков и планирования, чтобы системы экстренной медицинской помощи, ресурсы реанимационных отделений и персонал лаборатории катетеризации сердца знали и были готовы к количеству ожидаемых [случаев] в ближайшие дни, " он добавляет.