Kardiovaskulární onemocnění jako jsou např. hypertenze, infarkt myokardu nebo srdeční selhání neexistují odděleně jedno od druhého, ale navazují na sebe s různou pravděpodobností v průběhu života pacienta. Cílem práce je identifikovat faktory asociované s konkrétními trajektoriemi a kvantifikovat jejich vliv prostřednictvím vhodných statistických modelů. Komplexní data Národního zdravotnického informačního systému (NZIS) poskytují unikátní celopopulační data využitelná pro tento typ výpočtu.
Cíle práce:

1. Rešerše literatury zabývající se návazností vybraných kardiovaskulárních onemocnění v průběhu života pacienta a možností analýzy těchto trajektorií se zvláštním zřetelem k využití administrativních dat
2. Příprava souboru pro analýzu, data linkage registrů NZIS (v případě potřeby i NSIS), identifikace a vývoj algoritmů pro odvození potřebných proměněných
3. Identifikace typických trajektorií kardiovaskulárních diagnóz u pacientů s využitím statistických modelů (vícestavové modely přežití nebo Markovské modely, popřípadě jiná vhodná metoda zjištěná při studiu literatury).
4. Analýza faktorů ovlivňujících výskyt identifikovaných trajektorií kardiovaskulárních onemocnění
5. Diskuse výsledků s literaturou.

Literatura
Wu S, An S, Li W, et al. Association of Trajectory of Cardiovascular Health Score and Incident Cardiovascular Disease. JAMA Netw Open. 2019;2(5):e194758. doi:10.1001/jamanetworkopen.2019.4758
George A. Tsihrintzis, Dionisios N. Sotiropoulos, Lakhmi C. Jain Machine Learning Paradigms Advances in Data Analytics, Springer Cham 2018, ISBN 978-3-030-06777-9
Roni Ramon-Gonen, Tsipi Heart, Ofir Ben-Assuli, Nir Shlomo, Robert Klempfner, Disease evolution and risk-based disease trajectories in congestive heart failure patients, Journal of Biomedical Informatics, Volume 125, 2022, 103949,ISSN 1532-0464.