在稳定的胸痛中对算法机器学习引导的测试方法的现实世界评估:一项跨国多队列研究

科学领域:

• 心血管医学 心血管医学
• 医疗决策支持系统 医疗决策支持系统
• 诊断策略 诊断策略

背景情况:

• 一个算法策略,解剖学与解剖学相比. 压力测试决策支持工具 (ASSIST),与随机选择相比,与疑似冠状动脉疾病 (CAD) 的更好的结果有关.
• 现实世界的临床实践往往偏离算法建议,需要对提供商驱动的与模拟的算法方法进行评估.

研究的目的:

• 探讨在疑似CAD中进行心脏检测的提供者驱动和模拟算法方法之间的协议.
• 评估本协议与跨国队列患者结果之间的关联.

主要方法:

• 对两个队列的分析:美国医院卫生系统 (耶鲁大学,2013-2023) 和英国生物银行.
• 通过在现实世界测试决策和ASSIST建议之间达成协议来分层对结果的检查.
• 包括来自PROMISE试验的后期分析,评估解剖学第一测试策略.

主要成果:

• 年龄较小,女性性别,黑人种族和糖尿病病史与ASSIST调整测试的几率较低有关.
• 与ASSIST推的策略保持一致与急性心肌梗塞或死亡风险显著降低有关 (aHR:0.81和0.74在两个队列中).
• 在解剖第一测试中,ASSIST对齐增加了在任何血管 (17%) 和复杂病变 (30%) 中检测CAD的检测率.

结论:

• 在历史上偏爱功能测试的人群中,遵守ASSIST算法与减少不良结果相关.
• 这项研究强调了像ASSIST这样的数据驱动方法在冠状动脉疾病的诊断管理中的潜在好处.