在IJN进行皮肤冠状动脉干预手术的患者中,开发和验证用于预测一年内心脏事件的预测模型
Kok Yew Ngew1, Hao Zhe Tay1, Ahmad K M Yusof2,3
1Novartis Corporation (Malaysia) Sdn Bhd, Petaling Jaya, Malaysia.
BMC cardiovascular disorders
|November 8, 2023
概括
通过皮肤冠状动脉干预 (PCI) 后预测心脏事件至关重要. 这项研究开发了机器学习模型,用于死亡率的物流回归最好,并支持用于重血管化的载体机器,以帮助临床管理.
科学领域:
- 心血管医学 心血管医学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 穿皮冠状动脉干预 (PCI) 是冠状动脉疾病的标准治疗方法.
- 预测PCI后的并发症和再入院可以提高患者管理.
- 开发准确的风险预测模型对于改善临床结果至关重要.
研究的目的:
- 在PCI后一年内开发和验证心脏事件的预测模型.
- 为了比较不同机器学习模型的性能,用于风险预测.
主要方法:
- 使用国家心血管疾病 (NCVD) -PCI注册表 (N=28,007) 的回顾性队列研究.
- 数据分为培训 (n=24,409) 和测试 (n=3,598) 集合.
- 开发并验证了四种模型:逻辑回归 (LR),随机森林,支持矢量机 (SVM) 和人工神经网络.
主要成果:
- 后勤回归 (LR) 在PCI后预测1年死亡率方面表现最好 (AUC:0.820).
- 支持矢量机 (SVM) 显示了对目标血管再血管化 (TVR) 和复合死亡率/TVR事件 (AUC:0.720) 的最高歧视.
- 在培训和测试队列中,患者的人口统计和临床特征一致.
结论:
- 对于死亡率和TVR结果,确定了具有良好的区分能力的最佳预测模型.
- 一个简单的机器学习框架被证明对PCI后的风险预测有效.
