基于机器学习的预测模型,用于高海拔暴露下心肌缺血:一个队列研究

科学领域:

• 心脏病学 心脏病学
• 航空航天医学 航空航天医学
• 数据科学数据科学数据科学

背景情况:

• 高空暴露是已知的心肌缺血 (MI) 和心血管死亡的风险因素.
• 现有的心血管疾病预测模型对高海拔诱导的MI缺乏特异性.
• 需要预测工具来识别高海拔环境中患心脏病风险的个体.

研究的目的:

• 开发和验证基于机器学习的预测模型,用于高海拔心肌缺血症 (MI).
• 确定与高海拔MI相关的关键实验室风险因素.
• 为在高空暴露之前提供早期风险评估工具.

主要方法:

• 一项前性队列研究,涉及接受高空训练的士兵.
• 来自两个不同的时期的健康检查和问卷数据的整合.
• 使用训练数据集 (n=2141) 开发预测模型,并通过随机分配 (3:1比率) 在测试数据集 (n=714) 上进行验证.
• 模型性能使用接收器操作特征曲线 (AUC) 下的面积进行评估.

主要成果:

• 为预测高海拔MI开发了一种高度准确的机器学习模型 (AUC=0.86).
• 该模型确定了五个关键的实验室预测因素:乙氨基酸百分比 (Eos.Per),环球蛋白 (G), (Ca),葡萄糖 (GLU) 和酸氨基转移酶 (AST).
• 该模型在独立测试数据集上表现出强大的预测性能.

结论:

• 基于五个实验室结果的简洁而准确的机器学习模型可以预测高海拔MI发生率.
• 该模型可用于积极的风险识别,使更好地为高海拔环境做好准备.
• 建议对包括女性和不同年龄组在内的不同人口统计数据进行进一步的外部验证.