在患者的医院再入院支持持久离心流的左心室辅助装置的患者
Christos P Kyriakopoulos1,2,3, Craig H Selzman2,3,4, Theodoros V Giannouchos5
1Division of Cardiovascular Medicine, Department of Internal Medicine, University of Utah Health and School of Medicine, Salt Lake City, UT 84132, USA.
Journal of clinical medicine
|May 25, 2024
概括
离心流左心室辅助装置 (CF-LVAD) 植入后重入医院的情况很常见. 机器学习识别了预先,手术期间和手术后预测这些再入院的因素,有助于风险分层,以改善患者的治疗结果.
科学领域:
- 心血管医学 心血管医学
- 医疗器械 医疗器械
- 健康 结果 研究 研究 结果
背景情况:
- 离心流左心室辅助装置 (CF-LVADs) 提高了生存率,但医院再接收仍然是一个重大挑战.
- 识别重新接收的风险因素对于提高CF-LVAD接受者的生活质量和长期生存至关重要.
研究的目的:
- 在接受CF-LVADs的患者中,确定与重新入院相关的手术前,手术内和手术后风险因素.
- 通过机器学习技术开发回收风险的预测模型.
主要方法:
- 从2011年2月到2021年3月,对204名CF-LVAD接收者的回顾性分析.
- 与心力衰竭 (HF) /LVAD相关的和与HF/LVAD无关的医院再入院的二分化.
- 应用多变量考克斯回归与最小绝对收缩和选择运算符 (LASSO) 的变量选择.
主要成果:
- 138名患者 (67.7%) 经历了至少一次与HF/LVAD相关的再入院,占总再入院人数的74.4%.
- 关键的再入院原因包括严重出血,感染,HF恶化和神经功能障碍.
- 与再录取相关的LVAD前因素:物质使用,之前的心脏手术,HF持续时间,内依赖,LVAD类型和射出分数. 在LVAD植入物后住院的停留时间也预测了再入院.
结论:
- 机器学习模型有效地识别了预测CF-LVAD患者再住院的关键变量.
- 这些模型可以指导临床策略,以识别高风险患者并减轻再接收可能性,从而有可能改善结果.
