将主要组件分析应用于异质的Fontan注册表数据的应用,确定了导致下降的独立贡献因素

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 单心室心脏病和Fontan循环带来了重大的长期生存挑战.
• 与Fontan相关的并发症经常需要心脏移植.
• 在过去的二十年中,目前的临床结果没有达到可接受的生存基准.

研究的目的:

• 研究主要成分分析 (PCA) 在预测Fontan循环队列中的功能衰退中的实用性.
• 使用多因素数据方法识别不良事件的关键预测因素.
• 为了提高单心室心脏病患者的预后准确性.

主要方法:

• 在11年内对140名Fontan患者进行了一项观察性队列研究.
• 收集了多样化的数据,包括心脏,血管,运动 (VO2max),淋巴和血液生物标志物.
• 标准化数据经过PCA,以确定与复合结果测量相关的主要组件 (PCs).

主要成果:

• 第六个主要组成部分 (PC6),占差异的7.1%,显著预测了结果.
• PC6,受血液生物标志物和上静脉流的影响,与射出分数 (EF) 相比,显示出更高的危险预测和分类准确性 (AUC).
• 结合缩功能 (EF或PC5) 和淋巴功能障碍 (PC6) 的多因素模型显示出最高的预测能力.

结论:

• PCA是预测Fontan群体功能衰退的一个有价值的工具.
• PC6成为淋巴功能障碍和整体预后的关键指标.
• 结合多种生物标志物的多因素方法对于改善Fontan患者的预后至关重要.