一个机器学习衍生的得分,以有效地识别心力衰竭与保存的喷射小部分有效地识别心力衰竭

科学领域:

• 心脏病学 心脏病学
• 医学诊断 医学诊断 医学诊断
• 肥胖医学 肥胖医学

背景情况:

• 通过保留喷射分数 (HFpEF) 诊断心力衰竭具有临床挑战,特别是在肥胖的人群中.
• 肥胖是一种显著的并发症,使HFpEF诊断和管理复杂化.

研究的目的:

• 为了确定新的HFpEF诊断的预测因子,专门针对肥胖患者.
• 在肥胖群体中开发和验证HFpEF的新诊断评分.

主要方法:

• 追溯分析404名肥胖患者的队列,其中包括HFpEF和67名对照.
• 使用渐变增强机 (GBM) 识别关键预测因素.
• 开发了一个多变量物流模型,包含了重要的预测因素.

主要成果:

• GBM确定了体重指数 (BMI),估计的球过率 (eGFR),左心室质量指数 (LVMI) 和左心房到左心室体积比 (LAVi/LVi) 作为最强的HFpEF预测因素.
• 新的评分实现了高的诊断性能 (AUC 0.88,灵敏度 0.83,特异性 0.82).
• 新的得分明显超过了H2FPEF得分 (AUC为0.88比0.74).

结论:

• 体重指数,eGFR,LVMI和LAVi/LVi是肥胖患者HFpEF的关键预测指标.
• 与H2FPEF得分相比,开发的HFpEF-JH得分显示出更高的诊断准确性.
• 建议对HFpEF-JH得分进行进一步验证,以提高肥胖人口的HFpEF诊断.