对心力衰竭进行比较分析,保存与减少喷射分数:JoHFR中的患者特征,结果,死亡率预测和机器学习模型开发

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 公共卫生 公共卫生

背景情况:

• 心力衰竭 (HF) 是一个主要的全球健康问题,与喷射分数相关的显著结果变化.
• 区分HF与减少喷射率 (HFrEF) 和HF与保存喷射率 (HFpEF) 之间的区别对于了解患者的个人资料和预后至关重要.

研究的目的:

• 确定患者特征,风险因素和并发症,区分HFrEF和HFpEF.
• 评估机器学习模型在预测心力衰竭患者死亡风险方面的有效性.

主要方法:

• 来自约旦21个中心 (2021-2023) 的1861名心力衰竭患者的队列被分为HFrEF (EF <40%) 和HFpEF (EF ≥50%) 组.
• 机器学习算法,包括随机森林分类器,物流回归,SVM和XGBoost,用于死亡率预测.

主要成果:

• 在患者中,HFpEF占29.7%,而HFrEF占70.3%.
• HFrEF患者年轻,更有可能是男性,吸烟者,并且有过早ASCVD的家族史.
• 高高压患者年龄较大,糖尿病,高血压和肥胖率较高.
• 随机森林分类器实现了高预测精度 (0.9002) 和AUC (0.7556) 的死亡率.
• 住院时间长,需要机械通风,住院频率是死亡率的关键预测因素.

结论:

• 在HFrEF和HFpEF患者群体之间存在显著的异质性.
• 机器学习模型显示了提高死亡风险预测和指导心力衰竭临床管理的巨大潜力.