一个全面的模型来评估和分类患有血栓性微血管病的患者:TMA-INSIGHT得分

科学领域:

• 血液学 血液学 血液学
• 腎臟病學 (nephrology) 是一種醫學.
• 内部医学 内部医学

背景情况:

• 血栓式微血管病变 (TMA) 是一种由贫血,血栓细胞减小和器官损伤定义的临界综合征,具有多种潜在原因.
• 对TMA病因的准确分类对于有效的患者管理和治疗策略至关重要.

研究的目的:

• 开发和验证一种算法来分类血栓性微血管病变 (TMA) 亚型,称为TMA-INSIGHT评分.
• 确定TMA及其特定表型的关键临床和生化预测因素.

主要方法:

• 一项回顾性队列研究分析了在一个中心住院的TMA患者 (2012-2021年).
• 患者被分为八组:感染,恶性高血压,移植相关,恶性瘤,与怀孕相关,血栓性血栓性缺血性紫外线 (TTP),Shiga毒素介导的血清性尿素综合征 (STEC-HUS) 和非典型的血清性尿素综合征 (aHUS).
• 使用临床数据,实验室结果和平均动脉压,训练了一种机器学习模型 (LightGBM).

主要成果:

• 该研究分析了2407例TMA病例,其次性TMA占诊断的97.5%.
• 轻GBM模型实现了高性能,精度为0.979,多类ROC-AUC为0.966.
• 模型预测对常见的TMA类最准确,对aHUS和STEC-HUS分类的信心略低.

结论:

• 二次性疾病是TMA的主要原因.
• 开发的模型有效地预测了TMA,并使用并发症,相关疾病和平均动脉压来描述其表型特征.
• 这代表了TMA的新型多类预测模型,包括初级和二级病因.