Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Sistemi sanitari e miglioramento della qualità

Entendendo a Multimorbidade com Várias Condições de Longo Prazo

Analisando a ascensão do MLTC-M e seu impacto na saúde.

― 7 min ler


Tratando os desafios doTratando os desafios doMLTC-Mcondições de saúde a longo prazo.Investigando a complexidade de várias
Índice

A Multimorbidade de Múltiplas Condições a Longo Prazo (MLTC-M) refere-se à situação em que uma pessoa tem duas ou mais questões de Saúde em andamento ao mesmo tempo. Essa condição tá ficando mais comum em todo o mundo por vários motivos, como mudanças no estilo de vida, uma população mais idosa e diagnósticos mais frequentes de doenças crônicas. No Reino Unido, estima-se que mais da metade das pessoas com 65 anos ou mais vive com múltiplas condições a longo prazo, e até 2035, esse número deve subir para dois terços desse grupo etário.

Viver com MLTC-M pode ser complicado para os indivíduos, seus cuidadores e os serviços de saúde. Geralmente, tá ligado a uma qualidade de vida mais baixa, cuidados médicos complicados e caros, necessidade de vários medicamentos, aumento do estresse, estadias mais longas no hospital e taxas de mortalidade mais altas. Isso também aumenta ineficiências e custos nos sistemas de saúde.

Apesar da sua importância, diferentes aspectos da MLTC-M não são totalmente compreendidos. A maioria das pesquisas olhou principalmente para adultos mais velhos em países ricos e muitas vezes focou em algumas condições de saúde. Não tem pesquisa suficiente sobre como fatores como status social e tendências a longo prazo se relacionam com a MLTC-M. Além disso, há informações limitadas sobre como vários fatores sociais e comportamentais contribuem para padrões raros de MLTC-M e como a exposição precoce a fatores de risco afeta o desenvolvimento de condições a longo prazo.

Além disso, não teve foco suficiente em maneiras de impedir o desenvolvimento da MLTC-M.

O que é o Projeto MELD-B?

O projeto Ecossistema Multidisciplinar para estudar Determinantes do Ciclo de Vida e Prevenção de Multimorbidade Incipiente e Difícil (MELD-B) busca preencher essas lacunas, analisando de perto o que significa viver com multimorbidade difícil. O projeto tem como objetivo encontrar novas combinações de problemas de saúde e identificar fatores de risco importantes desde a infância. Ele também planeja mapear como as pessoas em sua juventude desenvolvem grupos de dificuldades e modelar estratégias de prevenção para orientar políticas de saúde.

Para conduzir essa pesquisa, o projeto usa Dados de vários coortes de nascimento e registros eletrônicos de saúde. Ele combina Inteligência Artificial com métodos de pesquisa tradicionais para analisar esses dados.

Desafios do Uso de Registros Eletrônicos de Saúde

Usar registros eletrônicos de saúde (EHR) para essa pesquisa traz desafios. Os dados coletados nos EHRs são principalmente para necessidades clínicas e administrativas, e não para pesquisa. Isso significa que os registros podem ser incompletos ou incorretos às vezes, e nem todos seguem os mesmos padrões.

Apesar desses desafios, o MELD-B reconhece o valor de usar grandes bancos de dados de EHR, como os do País de Gales. Esses bancos oferecem grandes amostras, longos períodos de acompanhamento e uma variedade de informações que podem ser aplicadas a uma população mais ampla.

Criando os E-Cohorts

Para apoiar o projeto MELD-B, dois e-cohorts populacionais longitudinais foram criados: o e-cohort SAIL MELD-B (SMC) e o e-cohort SAIL MELD-B para Crianças e Jovens Adultos (SMYC). Esses e-cohorts representam a população galesa em termos de idade, sexo e status socioeconômico. Eles serão usados para abordar várias questões de pesquisa no âmbito do projeto MELD-B.

O SMC inclui todos os indivíduos registrados com um médico de família galês de 1º de janeiro de 2000 até 31 de dezembro de 2022. Ele permite uma visão geral da população ao longo do tempo. O SMYC, por outro lado, foca em indivíduos nascidos após 1º de janeiro de 2000, que têm dados Demográficos antes dos 18 anos.

Características dos Cohorts

O SMC é baseado em uma variedade de dados demográficos e de saúde coletados da população galesa. Esses dados ajudam a avaliar o ônus da MLTC-M e entender seus fatores mais amplos. A inclusão de jovens no SMYC ajuda os pesquisadores a aprender como os ambientes da infância afetam o risco de desenvolver essas condições mais tarde.

Ambos os cohorts fornecerão insights sobre as interações com serviços de saúde e experiências dos pacientes em relação à MLTC-M.

Fontes de Dados Utilizadas

O SAIL Databank contém dados anonimizados de todos os residentes galeses que recebem serviços do Serviço Nacional de Saúde. Ele vincula registros individuais usando um identificador único, que protege a privacidade. Para criar o SMC e SMYC, foram feitas conexões com várias fontes de dados demográficos e de saúde, como registros de nascimento e morte, bancos de dados de saúde infantil e registros de maternidade.

Esses dados serão analisados para explorar várias condições de saúde e descobrir suas conexões com fatores sociais e econômicos mais amplos.

Pipeline de Curadoria de Conceitos

O projeto MELD-B desenvolveu um processo estruturado chamado pipeline de curadoria de conceitos para entender melhor os ônus associados à MLTC-M. Esse pipeline ajuda a identificar e organizar várias condições de saúde e outros fatores relevantes a partir dos dados coletados.

O primeiro passo é que os clínicos proponham conceitos que reflitam diferentes ônus. Conceitos aprovados são processados e vinculados aos dados de saúde rotineiros para garantir que informações relevantes possam ser analisadas.

Esse processo é crucial para criar um quadro claro de como viver com múltiplas condições a longo prazo afeta os indivíduos.

Descobertas Preliminares

Os cohorts SMC e SMYC foram projetados para serem representativos da população galesa. A partir dos dados disponíveis, mais de 5 milhões de indivíduos fazem parte do SMC, enquanto cerca de 900.000 estão incluídos no SMYC. Esses cohorts permitirão que os pesquisadores acompanhem mudanças na saúde e na demografia social ao longo do tempo.

Os dados iniciais mostram que porções consideráveis de ambos os cohorts se envolvem com serviços de saúde, destacando a importância dessas interações para entender e gerenciar a MLTC-M.

Forças e Limitações do Estudo

A principal força dos e-cohorts SMC e SMYC é sua cobertura abrangente da população, o que os torna válidos para examinar uma ampla gama de questões de pesquisa. Poder vincular vários dados demográficos e de saúde aumenta o escopo da pesquisa.

No entanto, há limitações no uso de dados de EHR, como possíveis lacunas e imprecisões. Além disso, os EHRs podem carecer de insights sobre experiências pessoais que são vitais para entender o impacto total de viver com múltiplas condições crônicas.

Conclusão

A MLTC-M é uma preocupação crescente, especialmente entre as populações mais velhas. O projeto MELD-B visa esclarecer essa questão, estudando seu ônus e fatores associados ao longo da vida de uma pessoa. Os e-cohorts criados fornecerão dados valiosos para ajudar a melhorar a compreensão e informar futuras estratégias de saúde.

Conforme os pesquisadores continuam investigando as complexidades da MLTC-M, as descobertas ajudarão a desenvolver intervenções eficazes e melhorar a qualidade de vida para aqueles afetados.

Fonte original

Título: Cohort profile for the creation of the SAIL MELD-B e-cohort (SMC) and SAIL MELD-B children and Young adult e-cohort (SMYC)

Resumo: PurposeWe have established the SAIL MELD-B electronic cohort (e-cohort SMC) and the SAIL MELD-B children and Young adults e-cohort (SMYC) as a part of the Multidisciplinary Ecosystem to study Lifecourse Determinants and Prevention of Early-onset Burdensome Multimorbidity (MELD-B) project. Each cohort has been created to investigate and develop a deeper understanding of the lived experience of the burdensomeness of multimorbidity by identifying new clusters of burdensomeness indicators, exploring early life risk factors of multimorbidity and modelling hypothetical prevention scenarios. ParticipantsThe SMC and SMYC are longitudinal e-cohorts created from routinely-collected individual-level population-scale anonymised data sources available within the Secure Anonymised Information Linkage (SAIL) Databank. They include individuals with available records from linked health and demographic data sources in SAIL at any time between 1st January 2000 and 31st December 2022. The SMYC e-cohort is a subset of the SMC, including only individuals born on or after the cohort start date. Findings to dateThe SMC and SMYC cohorts include 5,180,602 (50.3% female and 49.7% male) and 896,155 (48.7% female and 51.3% male) individuals respectively. Considering both primary and secondary care health data, the five most common long-term conditions for individuals in SMC are Depression, affecting 21.6% of the cohort, Anxiety (21.1%), Asthma (17.5%), Hypertension (16.2%) and Atopic Eczema (14.1%), and the five most common conditions for individuals in SMYC are Atopic Eczema (21.2%), Asthma (11.6%), Anxiety (6.0%), Deafness (4.6%) and Depression (4.3%). Future plansThe SMC and SMYC e-cohorts have been developed using a reproducible, maintainable concept curation pipeline, which allows for the cohorts to be updated dynamically over time and manages for the request and processing of further approved long-term conditions and burdensomeness indicators extraction. Best practices from the MELD-B project can be utilised across other projects, accessing similar data with population-scale data sources and trusted research environments. STRENGTHS AND LIMITATIONS OF THIS STUDY- SMC and SMYC are representative of the Welsh population. - Anonymised cohorts serve as an effective strategy for overcoming consent-related barriers, enabling seamless data aggregation and analysis. - The creation of a reproducible concept curation pipeline to manage and process data extraction for the e-cohorts enables efficient delivery of datasets in support of multiple research questions and outcomes. - Routine data does not capture data on important aspects such as quality of life. - Routine data can be subject to missing data or errors. - Lack of coverage of burdensomeness indicators in routine data.

Autores: Roberta Chiovoloni, J. Dylag, N. A. Alwan, A. Berrington, M. Boniface, N. Fair, E. Holland, R. B. Hoyle, M. Shiranirad, S. Stannard, Z. Zlatev, R. K. Owen, S. S. Fraser, A. Akbari

Última atualização: 2024-04-22 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2024.04.22.24306168

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.04.22.24306168.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes