一种机器学习算法用于对代谢功能障碍相关的脂肪性肝病中心血管疾病风险的分层

科学领域:

• 心脏病学 心脏病学
• 肝病学 肝病学是一种肝病学.
• 数据科学数据科学数据科学

背景情况:

• 脂肪性肝病 (SLD) 与不良心脏事件有关.
• 代谢功能障碍相关的脂肪性肝病 (MASLD) 是由肝脂积累和五种代谢障碍的特征.
• 这项研究旨在对MASLD患者的心脏事件风险进行分层.

研究的目的:

• 为了识别患有MASLD的患有重大心脏不良事件 (MACE) 高风险的患者.
• 为MASLD人群开发一个实用的风险分层工具.

主要方法:

• 一项追溯性研究涉及2962名通过超声波诊断的MASLD患者.
• 基于机器学习的生存分类和回归树 (CART) 模型被用于风险分层.
• 主要结局包括心脏死亡,非致命的心肌梗塞和冠状动脉再血管.

主要成果:

• 在平均6.8年的随访期间,5.7%的患者经历了MACE.
• 在CART模型中,在导出和验证队列中,年龄≥60和≥4的风险因素被确定为显著的MACE预测因子.
• 符合两个标准的患者 (年龄≥60岁和≥4个风险因素) 显示MACE风险最高 (p < 0.001).

结论:

• 60岁或以上的年龄与四个或更多的代谢风险因素相结合,可以确定患有MASLD的高风险个体.
• 这种风险分层系统为识别高风险MASLD患者提供了一种实用方法.
• 早期识别可以促进有针对性的干预措施,以减轻心脏事件风险.