使用数据逻辑分析方法来评估运动心电图后的长期死亡风险
Michael S Lauer1, Sorin Alexe, Claire E Pothier Snader
1Department of Cardiology of the Cleveland Clinic Foundation, Cleveland, Ohio 44195, USA. Lauerm@ccf.org
数据的逻辑分析确定了高风险患者子组,死亡风险增加. 这种数学优化方法在风险分层方面被证明是有效的,与回归技术相当.
科学领域:
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
- 数学优化的数学优化
背景情况:
- 数据逻辑分析 (LAD) 是一种数学优化技术.
- LAD系统地识别模式,称为"综合征".
- 这项研究探讨了患者风险分层的LAD,并将其与回归方法进行比较.
研究的目的:
- 应用数据的逻辑分析,以在大量患者队列中进行风险分层.
- 将LAD的疗效与传统的回归技术进行比较,以预测患者的结果.
- 确定与显著增加或减少死亡风险相关的特定患者亚组 (综合征).
主要方法:
- 应用LAD对9454名接受运动测试的患者队列,使用20个变量.
- 定义的高风险综合征 (与死亡风险增加>5倍相关) 和低风险综合征 (与死亡风险降低>5倍相关).
- 根据培训和验证套件中识别的综合征,推导和验证的风险得分.
主要成果:
- 确定了15种高风险综合征和26种低风险综合征.
- 来自LAD的风险评分预测了5年死亡率,确定了21%的验证队列具有高风险 (11%对1%的死亡率).
- 在死亡事件中,LAD风险得分占67%,显示出强大的预测能力 (HR 8.3).
结论:
- 数据的逻辑分析有效地确定了患者子集,其死亡风险大幅增加.
- 在风险分层方面,LAD方法表现出强的表现,与考克斯回归可比.
- 需要进一步的研究来优化LAD在风险分层方面的临床应用.
相关概念视频
06:40An Improved Method for Collection of Cerebrospinal Fluid from Anesthetized Mice
08:40Absolute Quantification of Aβ1-42 in CSF Using a Mass Spectrometric Reference Measurement Procedure
11:47Treating SCA1 Mice with Water-Soluble Compounds to Non-Specifically Boost Mitochondrial Function
05:51Intracerebroventricular and Intravascular Injection of Viral Particles and Fluorescent Microbeads into the Neonatal Brain
11:56A Rapid and Specific Microplate Assay for the Determination of Intra- and Extracellular Ascorbate in Cultured Cells
14:55Direct Intraventricular Delivery of Drugs to the Rodent Central Nervous System


