使用机器学习来预测急性冠状动脉综合征的不良事件:一项回顾性研究
Long Song1, Yuan Li2, Shanshan Nie3
1Department of Cardiovascular Surgery, The Second Xiangya Hospital, Central South University, Changsha, Hunan, China.
线性差异分析 (LDA) 有效预测PCI后急性冠状动脉综合征 (ACS) 患者的急性损伤和心肌梗塞等不良事件,改善患者的治疗结果.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 急性冠状动脉综合征 (ACS) 具有显著的死亡风险,高达30%的患者经历了功能衰竭和心肌梗塞 (MI) 等不良事件.
- 准确的预后对于改善患者的治疗结果和指导临床管理策略至关重要.
研究的目的:
- 评估各种机器学习 (ML) 模型在预测ACS患者不良事件中的有效性.
- 确定最佳的ML模型来预测急性损伤 (AKI),住院MI和1年全因死亡率.
主要方法:
- 在1年的随访期间,分析了5240名接受皮肤冠状动脉干预 (PCI) 的ACS患者队列.
- 八个ML模型,包括支持向量机,极端梯度增强和线性差异分析 (LDA),使用10倍交叉验证开发和验证.
- 使用XGBoost根据Shapley添加式扩展得分进行特征选择,并使用AUC,F1得分,精度和精度/回忆曲线评估模型性能.
主要成果:
- 与其他ML模型相比,线性差异分析 (LDA) 模型表现出卓越的性能.
- 为了预测1年全因死亡率,LDA实现了0.83的AUC,准确度为0.85,F1得分为0.90.
- 此外,LDA模型对AKI和MI具有良好的预测能力,AUC为0.74.
结论:
- 使用现有医院患者数据的LDA模型显示,在ACS患者中,在PCI后一年内预测不良事件和死亡率具有显著的潜力.
- 这种预测能力可以帮助临床医生进行风险分层和个性化治疗规划.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Acute Coronary Syndrome III: Diagnostic Studies
Acute Coronary Syndrome I: Introduction
Acute Coronary Syndrome II: Pathophysiology and Clinical Manifestations
Acute Coronary Syndrome V: Nursing Management
Acute Coronary Syndrome IV: Interprofessional Care
Coronary Artery Disease I: Introduction
