急性非STセグメント上昇心筋梗塞の患者における予後評価のための予測モデルの開発と検証:中国の多センター実世界研究

科学分野:

• 心臓病学 心臓病学
• 医療情報工学 医療情報工学
• 医療における機械学習

背景:

• 非STセグメント上昇心筋梗塞 (NSTEMI) の既存の予後モデルには限界があります.
• これらのモデルは,すべての原因による死亡を超えた統合性不血症イベントの不十分な予測パフォーマンスをしばしば示しています.

研究 の 目的:

• NSTEMI患者のための機械学習ベースの予後モデルを開発し,検証する.
• すべての原因による死亡および主要な心血管および脳血管疾患の有害事象を含む不良臨床結果の予測を改善する.

主な方法:

• 複数の病院の4845人のNSTEMI患者のデータを活用して,トレーニング,チューニング,外部検証を行いました.
• 5つの機械学習アルゴリズムを使用して予測モデルを開発しました.
• GRACEリスクスコアと比較して,受信機の動作特性曲線と曲線下の面積 (AUC) を使用してモデルのパフォーマンスを評価します.

主要な成果:

• ロジスティック回帰モデルは,あらゆる原因による死亡 (AUC 0.869) に対して高いパフォーマンスを示し,主要な心血管および脳血管に関する有害事象 (AUC 0.700) に対して中等なパフォーマンスを示した.
• 開発されたモデルは,差別とインクリメンタル予後値 (p <0.05) の両方で,GRACEリスクスコアを大幅に上回った.

結論:

• 機械学習ベースの予後モデルは,NSTEMI患者のリスク評価を大幅に改善します.
• 改良されたモデルは,現在の方法と比較して,不良な臨床結果の優れた予測を提供します.