开发和验证一种新型名图,用于预测冷热气球除后复发性心房动

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 生物物理学的生物物理.

背景情况:

• 心房动 (AF) 复发后冷热气球移除 (CBA) 仍然是一个临床挑战.
• 很少有研究利用机器学习来预测CBA后AF复发.

研究的目的:

• 为了确定CBA后AF复发的风险因素.
• 开发和验证CBA后AF复发的预测名录.

主要方法:

• 对498名接受CBA治疗的患者进行了回顾性分析.
• 收集的临床和生物物理参数,包括到肺静脉隔离 (TTI) 的时间和最低气球温度.
• 使用机器学习构建并验证了一个预测性名ogram.

主要成果:

• 在36个月内,在35.5%的患者中观察到AF复发.
• 左心房体积,TTI,最低的冷却气球温度和未成功结的数量是显著的预测指标 (P < .05).
• 在训练和验证队列中,名图显示出强大的预测准确性 (AUC范围从68.7%到77.6%不等).

结论:

• 生物物理参数如TTI和冷却气球温度显著影响AF复发.
• 与传统的风险评分相比,开发的诺米图为AF复发提供了更高的预测准确性.