Longitudinal analysis of multimorbidity patterns in people over 65 years

Abstract

This project comprises the study of the pattern trajectories on multimorbidity patients over 65 years old in Catalonia over a period of 5 years, between 2012 and 2016. With that end goal, a database of 916619 patients which require primary care is used, obtaining the electronic health record (EHR) of those patients. Signal processing and machine learning techniques are used in order to analyse this database. This analysis of the data is divided into three stages: dimensionality reduction, clustering, and longitudinal analysis through multimorbidity patterns. This study is part of a collaboration between the Signal Processing and Communications Group of the TSC (UPC) and The Foundation University Institute for Primary Health Care Research Jordi Gol i Gurina (IDIAPJGol). A particular focus in the use of autoencoders to compress the data and the modelling of those longitudinal patterns provided us with a useful characterization in terms of modelling these behaviours. This can help medical staff prevent further complications when treating patients suffering from multimorbidity.

En este proyecto se realiza un estudio sobre las trayectorias en patrones de multimorbilidad en pacientes de más de 65 años en Cataluña durante un periodo de 5 años comprendido entre el 2012 y el 2016. Para este fin se dispone de una base de datos de 916619 paciente de atención primaria registrados, obteniendo los datos de la historia clínica electrónica (EHR) de estos. Para el estudio se aplican técnicas de procesado de la señal, así como métodos de aprendizaje automático que procesan los datos en tres etapas: compresión de características, obtención de patrones de multimorbilidad i modelaje de la evolución temporal de los pacientes a través de dichos patrones de multimorbilidad. El proyecto forma parte de una colaboración entre el grupo de procesado de la señal y comunicaciones del departamento TSC (UPC) y la Fundación Instituto Universitario para la Investigación en Atención Primaria de Salud Jordi Gol i Gurina (IDIAPJGol). En particular, el uso de los autoencoders para la compresión de los datos, y el modelaje de los patrones longitudinales, nos ha proporcionado una caracterización útil de cara a modelar estos comportamientos y puede ayudar a prevenir al personal médico de posibles complicaciones en los pacientes con multimorbilidad.

En aquest projecte es duu a terme un estudi sobre les trajectòries en patrons de multimorbiditat en pacients de més de 65 anys a Catalunya durant un període de 5 anys comprès entre el 2012 i el 2016. Per a tal fi es disposa d'una base de dades de 916619 pacients d'atenció primària registrats, obtenint les dades de la història clínica electrònica (EHR) d'aquests. Per a l'estudi s'apliquen tècniques de processament del senyal i d'aprenentatge automàtic que processen les dades en 3 etapes: compressió de característiques, obtenció de patrons de multimorbiditat i modelatge de l'evolució temporal dels pacients a través dels patrons de multimorbiditat. El treball forma part d'una col·laboració desenvolupada entre el grup de processament del senyal i comunicacions del departament de TSC (UPC) i l'institut de recerca per a l'atenció primària IDIAP Jordi Gol. En particular, l'ús d'autoencoders per a comprimir les dades, i el modelatge dels patrons longitudinals, ens ha proporcionat una caracterització útil de cara a modelar aquest comportaments i pot ajudar a prevenir al personal mèdic de possibles complicacions en els pacients amb multimorbiditat.