En AI-analys*
Abstrakt
Bakgrund
Kranskärlssjukdom, hjärtsvikt och stroke är komplexa sjukdomar med flera fenotyper. Även om många riskfaktorer för dessa sjukdomar är välkända, kan undersökning av ännu oidentifierade riskfaktorer förbättra riskbedömningen och patientens följsamhet till förebyggande riktlinjer.
Studien undersökte man FHS (Framingham Heart Study), CHS (Cardiovascular Heart Study) och ARIC studien (Atherosclerosis Risk in Communities) för att identifiera potentiella livsstils- och beteendefaktorer kopplade till kranskärlssjukdom, hjärtsvikt och stroke.
Metoder
Urvalet gjordes genom maskininlärningsfunktioner baserat på slumpmässiga analyser för att identifiera potentiella riskfaktorer associerade med kranskärlssjukdom, stroke och hjärtsvikt i FHS studien. Man utvärderade betydelsen av dessa utvalda variabler med hjälp av s.k univariabla och multivariabla analyser justerad för kända kardiovaskulära risker. Resultaten från FHS validerades sedan mot CHS och ARIC studien.
Resultat
Man identifierade flera kost- och beteende riskfaktorer för hjärt- och kärlsjukdomar, inklusive civilstånd, konsumtion av rött kött, konsumtion av mjölk och kaffe. Bland dessa kostvariabler var ökad konsumtion av kaffe associerad med minskad långsiktig risk för hjärtsvikt identisk i FHS, ARIC och CHS.
Slutsatser – kaffe minskar risk för hjärtsvikt
Ett högre kaffeintag visade sig vara associerat med minskad risk för hjärtsvikt i alla tre studierna. Däremot hittades ingen signifikant inverkan på risken för kranskärlssjukdom, hjärt-kärlsjukdom eller stroke.
Ytterligare studier är nödvändiga för att bättre definiera roll, möjligt orsakssamband och den potentiella mekanismen kaffe kan ha på riskfaktor för hjärtsvikt.
* Att använda maskininlärning för att identifiera potentiellt viktiga riskfaktorer för sjukdomar kan vara fördelaktigt eftersom den möjliggör bedömning av ett stort antal patientegenskaper på ett mer opartiskt sätt, minskar falska positiva effekter och kan potentiellt se mönster som annars kan missas när man använder en hypotesbaserad metod. Maskininlärning ger också många fördelar vid dataanalys.
