Multimorbidity and frailty trajectories and explainable prediction models for health-related outcomes using longitudinal electronic health records of the ageing Catalan population

Abstract

(English) As life expectancy rises, people over 65 years old become a larger proportion of the population. However, longer life expectancy does not imply healthy ageing. Older individuals are more likely to develop multiple chronic diseases and other disabling conditions such as frailty. These conditions not only reduce quality of life but also place significant demands on an already strained healthcare system.

This thesis aimed to 1) enhance understanding of the relationship and progression of frailty and multimorbidity, 2) study how frailty modifies multimorbidity patterns and trajectories, and 3) develop explainable predictive models using longitudinal electronic health records (EHRs). All the studies focused on three outcomes: all-cause mortality, nursing home admission, and home care need. Utilising SIDIAP, the primary care EHR database in Catalonia, enabled the development of large, population-based longitudinal studies with greater generalisability and the application of more sophisticated analytical techniques.

This thesis yielded several important findings and recommendations. Firstly, it was demonstrated how the characterisation of multimorbidity and frailty and their impact on health-related outcomes evolves with age. The accumulation of diseases increases the likelihood of death, but older individuals with fewer diseases and more frailty-related deficits are more likely to require specialised care. Therefore, treatment plans should be tailored based not only on age but also on the specific characterisation of the patient at any given time. Secondly, the study found that multimorbidity patterns and trajectories are modified when frailty is considered, improving their predictive power for some health-related outcomes. Thus, future research on multimorbidity in older populations should integrate frailty information. Thirdly, a predictive model that addressed the technical challenges of longitudinal EHRs and incorporated mechanisms to enhance transparency was developed and called ARIADNEhr. During ARIADNEhr's development, it was found that increased model complexity does not necessarily improve discriminability but does enhance the clinical plausibility of the resulting attention maps. This model generally outperformed others using cross-sectional data. Additionally, the model's performance was validated with an external population, specifically in the UK with the CPRD database.

This thesis exemplifies the transfer of advanced analytical techniques, such as clustering and deep learning, to the health field, supported by rigorous validation to ensure reliability. It offers valuable insights for future studies on the ageing population, emphasising the need for having access to longitudinal, high-quality data such as that from primary care. The findings aim to improve treatment penalisation, enhance patients' quality of life, and reduce costs for the national healthcare system.

(Català) A mesura que augmenta l'esperança de vida, les persones majors de 65 anys constitueixen una proporció més gran de la població. S'ha de considerar que una esperança de vida més alta no implica un envelliment saludable. Les persones grans són més propenses a desenvolupar múltiples malalties cròniques i altres condicions discapacitants, com ara la fragilitat. Aquestes condicions no sols redueixen la qualitat de vida, sinó que també imposen una demanda significativa sobre un sistema de salut ja sobrecarregat.

Aquesta tesi va tenir com a objectius: 1) millorar la comprensió de la relació i l'evolució de la fragilitat i la multimorbiditat, 2) estudiar com la fragilitat modifica els patrons i trajectòries de la multimorbiditat, i 3) desenvolupar models predictius explicables utilitzant història clínica electrònica (HCE) longitudinal. Tots els estudis es van centrar en tres outcomes: mortalitat, admissió en residència i necessitat d'atenció domiciliària. L'ús del SIDIAP, la base de dades d'HCE d'atenció primària a Catalunya, va permetre el desenvolupament d'estudis poblacionals longitudinals a gran escala, amb més generalitzabilitat, i l'aplicació de tècniques analítiques més sofisticades.

La tesi va assolir diversos resultats i recomanacions importants. En primer lloc, es va demostrar com la caracterització de la multimorbiditat i la fragilitat i el seu impacte en els resultats relacionats amb la salut evolucionen amb l'edat. L'acumulació de malalties augmenta la probabilitat de mort, però les persones grans amb menys malalties i més dèficits relacionats amb la fragilitat tenen més probabilitats de necessitar atenció centrada a les cures. Amb això, els plans de tractament han d'adaptar-se no sols en funció de l'edat, sinó també de la caracterització específica del pacient en cada moment. En segon lloc, l'estudi va trobar que els patrons i trajectòries de la multimorbiditat es modifiquen quan es considera la fragilitat, cosa que en millora el poder predictiu per a alguns outcomes. Per tant, futures investigacions sobre la multimorbiditat en la població gran han d'integrar la informació sobre la fragilitat. En tercer lloc, es va desenvolupar un model predictiu, l'ARIADNEhr, que supera els desafiaments tècnics propis de l'HCE longitudinal i incorpora mecanismes per a augmentar la transparència. Durant el desenvolupament de l'ARIADNEhr, es va trobar que l'augment de la complexitat del model no necessàriament millora la capacitat de discriminació, però sí que millora la plausibilitat clínica dels mapes d'atenció resultants. Aquest model generalment va superar els models que utilitzaven dades transversals. A més, es va validar el rendiment del model amb una població externa, la del Regne Unit.

Aquesta tesi és un exemple de transferència tecnològica de tècniques d'anàlisi avançades, com l'anàlisi de clústers (clustering) i l'aprenentatge profund (deep learning), al camp de la salut, sostinguda per rigoroses validacions per garantir-ne la fiabilitat. Ofereix idees per als futurs estudis en la tercera edat, per als quals emfatitza la necessitat de disposar de dades longitudinals i d'alta qualitat, com els de l'atenció primària. Les troballes tenen com a objectiu millorar la personalització del tractament, augmentar la qualitat de vida dels pacients i reduir els costos per al sistema nacional de salut.

(Español) A medida que aumenta la esperanza de vida, las personas mayores de 65 años constituyen una proporción mayor de la población. Se ha de considerar que una mayor esperanza de vida no implica un envejecimiento saludable. Las personas mayores son más propensas a desarrollar múltiples enfermedades crónicas y otras condiciones discapacitantes, como la fragilidad. Estas condiciones no solo reducen la calidad de vida, sino que también imponen una demanda significativa sobre un sistema de salud ya sobrecargado.

Esta tesis tuvo como objetivos: 1) mejorar la comprensión de la relación y evolución de la fragilidad y la multimorbilidad, 2) estudiar cómo la fragilidad modifica los patrones y trayectorias de la multimorbilidad, y 3) desarrollar modelos predictivos explicables utilizando historia clínica electrónica (HCE) longitudinal. Todos los estudios se centraron en tres outcomes} mortalidad, admisión en residencia y necesidad de atención domiciliaria. El uso de SIDIAP, la base de datos de HCE de atención primaria en Cataluña, permitió el desarrollo de estudios poblacionales longitudinales a gran escala, con mayor generalizabilidad, y la aplicación de técnicas analíticas más sofisticadas.

La tesis arrojó varios resultados y recomendaciones importantes. En primer lugar, se demostró cómo la caracterización de la multimorbilidad y la fragilidad y su impacto en los resultados relacionados con la salud evolucionan con la edad. La acumulación de enfermedades aumenta la probabilidad de muerte, pero las personas mayores con menos enfermedades y más déficits relacionados con la fragilidad tienen más probabilidades de necesitar atención centrada en los cuidados. Con esto, los planes de tratamiento deben adaptarse no solo en función de la edad, sino también de la caracterización específica del paciente en cada momento. En segundo lugar, el estudio encontró que los patrones y trayectorias de la multimorbilidad se modifican cuando se considera la fragilidad, mejorando su poder predictivo para algunos outcomes. Por lo tanto, futuras investigaciones sobre la multimorbilidad en población mayor deben integrar la información sobre la fragilidad. En tercer lugar, se desarrolló un modelo predictivo, ARIADNEhr, que supera los desafíos técnicos propios de la HCE longitudinal e incorpora mecanismos para aumentar la transparencia. Durante el desarrollo de ARIADNEhr, se encontró que el aumento de la complejidad del modelo no necesariamente mejora la capacidad de discriminación, pero sí mejora la plausibilidad clínica de los mapas de atención resultantes. Este modelo generalmente superó a los modelos que utilizaban datos transversales. Además, se validó el rendimiento del modelo con una población externa, la del Reino Unido.

Esta tesis es un ejemplo de transferencia tecnológica de técnicas de análisis avanzadas, como el análisis de conglomerados (clustering) y el aprendizaje profundo (deep learning), al campo de la salud, respaldada por rigurosas validaciones para garantizar la fiabilidad de las mismas. Ofrece ideas para los futuros estudios en la tercera edad, enfatizando la necesidad de disponer de datos longitudinales y de alta calidad, como los de atención primaria. Los hallazgos tienen como objetivo mejorar la personalización del tratamiento, aumentar la calidad de vida de los pacientes y reducir los costos para el sistema nacional de salud.