在没有心血管疾病病史的医疗保险人群中,心血管疾病 (CVD) 结果和相关风险因素:使用统计和机器学习算法的分析
Gregory Yoke Hong Lip1,2, Ash Genaidy3,4, Cara Estes5
1Liverpool Centre for Cardiovascular Science at University of Liverpool, Liverpool John Moores University and Liverpool Heart and Chest Hospital, Liverpool, L7 8TX, UK. gregory.lip@liverpool.ac.uk.
机器学习模型可以改善老年医疗保险患者多种健康状况的心血管疾病风险预测. 这些先进的模型为这种脆弱人群的护理管理策略提供了更好的洞察力.
科学领域:
- 心脏病学 心脏病学
- 老年病的医生 老年病的医生
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 预测老年人 (≥65岁) 患有现有的非心血管多发性疾病和没有先前心血管疾病的心血管结果具有挑战性.
- 医疗保险人口,主要是患有多种多重疾病的老年人,是研究心血管事件的独特群体.
- 当前的风险预测模型可能无法充分捕捉这种高风险人口群体的复杂性.
研究的目的:
- 评估统计和机器学习模型在改善高风险老年人心血管疾病 (CVD) 风险预测方面的有效性.
- 通过提高风险预测的准确性来为护理管理策略提供信息,在没有先前的心血管疾病但具有多重发病率的情况下.
- 分析当代风险因素,包括并发症,生活方式和医疗保健利用情况.
主要方法:
- 分析了一组154,551名医疗保险受益者 (平均年龄68.8岁),没有以前的心血管疾病.
- 参与者在他们的病史中被查了各种心血管疾病 (CVD,CAD/PAD,HF,AF,IS,TIA,MI).
- 使用统计和复杂的机器学习模型,在长达45.2个月的随访期内预测发生的CVD事件,分析了共发病,生活方式和医疗保健利用的因素.
主要成果:
- 心血管疾病事件的整体原始发病率为每100人/年9.9,冠状动脉疾病/外周动脉疾病 (CAD/PAD) 和心力衰竭 (HF) 是最常见的.
- 模型的性能显示了适度的歧视力 (C指数:0.67),但具有良好的临床效用和净益.
- 与传统的统计模型相比,机器学习模型逐渐表现出更好的区分能力和更好的健身素质.
结论:
- 研究的医疗保险人群对意外心血管疾病事件非常脆弱.
- 综合护理管理,解决并发症,生活方式因素和药物坚持,对于这个人群至关重要.
- 机器学习方法在复杂的老年人群中增强心血管疾病风险预测准确性的承诺.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:51Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis
Published on: September 26, 2018
相关概念视频
Coronary Artery Disease I: Introduction
Coronary Artery Disease IV: Preventive Measures
Cardiovascular Drugs: Classification based on Therapeutic Indications
Atherosclerosis III: Management
Cardiomyopathy V: Interprofessional Care
Peripheral Artery Disease III: Interprofessional Care
