Qatar Cardiometabolic Retrospective Cohort-Analysis Using Artificial Intelligence

MI-összefoglaló

A vizsgálat saját részvételi feltételeiből. Gép olvasta ki az oldalon álló regiszterszövegből, ezért tévedhet. Hogy ki vehet részt, azt a lenti regiszterszöveg és a vizsgálat csapata dönti el.

A vizsgálat olyan katari és arab felnőttek kórházi adatait elemzi, akiket akut koszorúér-szindrómával vagy akut szívelégtelenséggel vettek fel, és cukorbetegségük vagy prediabéteszük is van.

Életkor

18 év vagy idősebb

Nem

Nemtől függetlenül bárki részt vehet.

A betegség stádiuma

Akut koszorúér-szindróma (ACS) vagy akut szívelégtelenség (AHF) miatt kórházba került, cukorbetegséggel vagy prediabétesszel.

Korábbi kezelés

Cukorbetegeknél a HbA1C legalább 6,5% (48 mmol/mol) lehet, vagy bármilyen HbA1C, ha cukorbetegség elleni gyógyszert szednek.

Biomarker vagy leletérték

Cukorbetegség: HbA1C ≥ 6.5% (48 mmol/mol). Prediabétesz: HbA1c 5.7% (39 mmol/mol) és 6.4% (46 mmol/mol) között.

A részvétel fő kizáró okai

• Nem katari vagy nem arab résztvevők
• Cukorbetegség nélküli emberek (HbA1C < 5.7% (39 mmol/mol))

A regiszter feltételei, szó szerint

Mit akar kideríteni a vizsgálat

Cardiovascular disease is the leading cause of death worldwide, and individuals with diabetes or other cardiometabolic conditions are at increased risk of adverse cardiovascular outcomes. Although advances in prevention and treatment have reduced cardiovascular events globally, cardiometabolic disease continues to represent a significant health burden, particularly in regions with high diabetes prevalence. In Qatar and other Gulf Cooperation Council countries, the prevalence of diabetes and obesity is increasing, contributing to a high proportion of participants presenting with acute coronary syndrome who have type 2 diabetes or prediabetes. This observational study will use electronic medical record data from patients hospitalized at the Heart Hospital with acute coronary syndrome and a concomitant diagnosis of diabetes or prediabetes. The study will assess trends in cardiovascular risk factors and cardiovascular events, including readmission and mortality. An artificial intelligence component will be used to develop and validate machine learning based risk prediction models to forecast adverse cardiovascular outcomes in participants with cardiometabolic disease. These models will integrate clinical, biochemical, imaging, and other non-invasive data routinely collected during participants care to identify predictors of cardiovascular events.