冠状动脉疾病风险的元预测
Ali Torkamani1, Shang-Fu Chen1, Sang Eun Lee2
1Scripps Research & Scripps Research Translational Institute.
Research square
|January 10, 2024
概括
这项研究引入了一个新的预测框架,将遗传学和临床因素整合起来,以估计冠状动脉疾病 (CAD) 风险. 该模型确定了个性化的风险降低策略,改进了现有的CAD预防方法.
科学领域:
- 心血管疾病流行病学
- 基因组医学是基因组医学.
- 预测分析是一种预测分析.
背景情况:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因.
- 多基因风险评分 (PRS) 对临床预防有希望,但仅限于识别高风险群体.
- 现有的整合模型往往缺乏前性验证和个性化风险降低见解.
研究的目的:
- 为未来的CAD风险评估开发一个整合性的,全源的,元预测框架.
- 整合不可修改 (年龄,遗传) 和可修改 (临床,生物识别) 的因素,以进行个性化风险估计.
- 根据对临床干预预案的预测反应,生成可操作的,个性化的风险降低概况.
主要方法:
- 利用英国生物库数据,分层分为流行和发生的CAD队列进行模型培训.
- 开发了一个元预测框架,包含约2,000个特征,包括人口统计,生活方式,临床数据和多个PRS.
- 训练了一种使用35个衍生元特征的10年事件CAD风险模型,包括预测诊断和嵌入式PRS.
主要成果:
- 开发的10年事件CAD风险模型实现了0.81的AUC和0.65.6的宏观平均F1得分.
- 该模型的表现优于传统的临床评分和以前的整合性预测模型.
- 证明遗传风险会影响通过标准临床干预来实现的风险降低程度.
结论:
- 综合性元预测框架有效地根据遗传和临床概况识别了CAD风险子组.
- 该模型提供了个性化的风险降低策略,增强了CAD预防工作.
- 这种方法通过将遗传敏感性与可修改的风险因素和干预疗效联系起来,提高了PRS的临床实用性.
关键词:
机器学习 机器学习心脏代谢疾病心脏代谢疾病心血管疾病心血管疾病冠状动脉疾病是一种冠状动脉疾病.心脏病发作是因为心脏病发作.整合性预测的预测.超预测的超预测心肌梗塞的心脏病发作一个全源的万能主义者.多基因的多基因.预测的前景预测.更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
428
