基于机器学习的模型可以预测中国老年患者中心房的复合血栓栓塞事件

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 老年病的医生 老年病的医生

背景情况:

• 准确的生存预后对于老年患者的临床决策至关重要.
• 心房动 (AF) 增加了各种血栓栓塞事件的风险.

研究的目的:

• 开发和验证一种机器学习模型,用于预测AF的老年患者的复合血栓栓塞事件 (CTEs).
• 在这个人群中确定与CTEs相关的关键风险因素.

主要方法:

• 对6079名AF老年患者 (≥75岁) 的回顾性研究.
• 使用随机森林归算用于缺少的数据.
• 在训练和验证数据集上训练和验证了四个机器学习模型 (逻辑回归,决策树,随机森林,XGBoost).

主要成果:

• CTE的发生率为19.53%.
• 一个随机森林模型实现了高性能 (AUC:0.927),优于其他模型.
• 确定的主要预测因素包括缺血性中风史,高甘油三,高总胆固醇,血D-二次数升高和年龄.

结论:

• 一个高度准确的随机森林模型可以对高风险的CTEs的老年AF患者进行分层.
• 缺血性中风史,年龄,脂质概况和D-二次体水平是CTE的显著相关物.