[在接受导管切除的心房动患者中,集群分析和切除成功率]
Fengyu Huang1, Yue Zhong1, Ran Zhang1
1（ 610041） Department of Cardiology, West China Hospital, Sichuan University, Chengdu 610041, China.
概括
集群分析确定了五个不同的心房动 (AF) 患者亚组,这些患者接受了导管切除. 这些新型表型揭示了废除成功的差异,指导个性化治疗策略以改善结果.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 前庭动 (AF) 呈现出高度的异质性,使得传统的分类不足以指导个性化的导管切除策略.
- 现有的风险分层和AF治疗计划由于疾病的复杂性而缺乏准确性.
研究的目的:
- 应用无监督的集群分析来识别在为AF进行射频导管切除的队列内不同的患者亚组.
- 评估这些已识别的子组与不同消灭模式和临床结果的关联.
主要方法:
- 利用了59个基线变量上的层次聚类,这些变量来自1102名接受射频导管切除的AF住院患者.
- 通过R中的"NbClust"包使用的统计指数来确定最佳的集群数量.
- 在6个月的随访中评估了早期切除成功,定义为没有记录的心房律乱.
主要成果:
- 确定了五个不同的AF患者群:年轻年龄,患有慢性疾病的老年人,鼻节功能障碍,心力衰竭和之前的冠状动脉再血管化.
- 患有慢性疾病的老年人群仅用肺静脉隔离 (79.6%) 获得更高的成功率,而不是广泛的切除 (66.5%).
- 在心力衰竭集群中的策略之间,没有观察到消化成功的统计学上显著差异.
结论:
- 集群分析提供了一种新的,数据驱动的AF患者进行导管切除的AF患者分类,揭示了五种临床相关的亚型.
- 这些子类型,根据年龄,并发症,鼻节功能障碍,心力衰竭和复血管化史来定义,显示出不同的切除成功率.
- 这种方法具有个性化风险分层和优化AF管理中的治疗决策的潜力.
