机器学习多中心风险模型预测机械循环支持后的右心室衰竭:STOP-RVF得分
Iosif Taleb1, Christos P Kyriakopoulos1, Robyn Fong2
1U.T.A.H. (Utah Transplant Affiliated Hospitals) Cardiac Transplant Program: University of Utah Health and School of Medicine, Intermountain Medical Center, George E. Wahlen Department of Veterans Affairs Medical Center, Salt Lake City, Utah.
JAMA cardiology
|January 31, 2024
概括
一个新的风险计算器,STOP-RVF,准确地预测左心室辅助装置 (LVAD) 植入后的右心室衰竭 (RVF). 该工具有助于对晚期心力衰竭患者进行个性化风险评估,改善生存预测.
科学领域:
- 心脏病学 心脏病学
- 医疗器械 医疗器械
- 心脏衰竭研究研究
背景情况:
- 在左心室辅助装置 (LVAD) 植入后预测右心室衰竭 (RVF) 的现有模型具有局限性,包括缺乏外部验证和边际预测能力.
- 在目前的RVF预测模型中,手术内特征尚未被充分纳入.
研究的目的:
- 为了推导和验证LVAD植入后RVF的稳健风险预测模型.
- 为LVAD候选人开发个性化的风险评估工具,以量化他们患RVF的风险.
主要方法:
- 一个混合前性-后性多中心队列研究,涉及导出 (5 个机构) 和外部验证 (1 个机构) 队列.
- 采用启动引算和适应最小绝对收缩和选择运算符 (LASSO) 进行变量选择,以创建 STOP-RVF 预测模型.
- 定义RVF为需要RV辅助设备或异型物超过14天;将STOP-RVF性能与现有得分进行比较.
主要成果:
- 在导出 (C统计,0.75) 和验证 (C统计,0.73) 队列中,STOP-RVF计算器实现了良好的预测准确度.
- 确定了植入前变量,包括心肌病类型,机械循环支的使用,血液动力学参数和实验室值作为RVF的预测因素.
- 与之前发布的风险评分相比,STOP-RVF表现优越 (Kormos等. 和德拉科斯等人. ) 的情况.
结论:
- 使用常规临床数据推导和验证的STOP-RVF计算器是LVAD候选人个性化RVF风险预测的有效工具.
- 使用STOP-RVF准确预测RVF与改善的累积存活率有关.
- 这种经过验证的工具可以指导临床决策,并改善接受LVAD支持的患者的治疗结果.
