心不全（駆出率保持型）患者における1年死亡率の予測因子

科学分野:

• 循環器病学
• 医療情報学
• 生物統計学

背景:

• 心不全（駆出率保持型）（HFpEF）は、増大する臨床的課題です。
• HFpEFの既存の予後スコアは、変数が限られており線形仮定があるため、複雑なリスクパターンを捉えられない可能性があります。
• HFpEF患者の予後予測モデルの改善が必要とされています。

研究 の 目的:

• 代償不全心不全（HFpEF）で入院した患者の1年全原因死亡率の予測モデルを開発し、内部的に検証すること。
• 高度な機械学習モデルと標準的な生存時間モデルの性能を比較すること。
• この患者集団における死亡率の主要な予測因子を特定すること。

主な方法:

• 2010年から2020年までの7,840人のHFpEF患者の後ろ向きコホート研究。
• ツリーベース分類器（Extreme Gradient Boosting、Light Gradient Boosting）および時間イベントモデル（Cox、RSF、GBS）を使用。
• 欠損データには多重代入法を使用し、モデル調整には交差検証を使用。
• AUROC、一致指数、および較正を用いて評価。

主要な成果:

• コホートにおける1年死亡率は31.5%でした。
• 機械学習モデルは良好な識別能（AUROC 約0.75）と較正を示しました。
• 勾配ブースティング生存（GBS）が最高の予測性能（一致指数 0.718）を達成しました。
• 一貫した予測因子には、低アルブミン、高齢、高NT-proBNP、腎機能障害、および低ヘモグロビンが含まれていました。

結論:

• 多様なモデリングアプローチは、同等の予測精度と一貫したリスク因子をもたらしました。
• 容易に入手可能な入院データを利用した透明性の高いリスク予測ツールは、HFpEFにとって実現可能です。
• 患者レベルのリスク評価は強化でき、精密医療イニシアチブをサポートします。