大動脈解離における死亡リスク予測のための機械学習の予測値：系統的レビューおよびメタアナリシス

科学分野:

• 心血管医学; 医療情報学; 生統計学

背景:

• 大動脈解離（AD）は、短期間での死亡率が高い、生命を脅かす心血管疾患です。; ADの死亡率の既存のリスク評価ツールは、包括的な検証が不足しています。; 機械学習（ML）は、ADの死亡率予測の改善の可能性を提供します。

研究 の 目的:

• 大動脈解離患者の死亡リスク予測におけるMLモデルの信頼性と精度を系統的にレビューすること。; 感度と特異度の指標を用いてMLモデルのパフォーマンスを評価すること。

主な方法:

• PubMed、Cochrane、Embase、Web of Scienceを横断的に包括的な文献検索を実施しました。; 研究の質を評価するために、Prediction model Risk Of Bias Assessment Tool（PROBAST）を使用しました。; ADのタイプと死亡時期に基づいてサブグループ分析を実施しました。

主要な成果:

• 19,838人の患者を対象とした35件の研究が分析されました。; MLモデルは、トレーニングデータセットにおいて、プールされた感度0.75、特異度0.77を達成しました。; 検証セットでは、特にA型大動脈解離（TAAD）および異なる死亡時間枠において、パフォーマンスが向上しました（SEN：0.79、SPE：0.78）。

結論:

• MLモデルは、ADの死亡率を予測する上で、既存の一部のスコアリングシステムを上回る顕著な精度を示しています。; すべての患者に適用可能なリスク予測ツールのためには、多様な多施設データを対象としたさらなる研究が必要です。; これらの発見は、ADの個別化された予防および治療戦略の開発に役立ちます。