使用机器学习方法在心脏骤停患者中识别了对阿米奥达龙有差异反应的子组,这些患者在抵达医院时心脏节奏可能发生冲击,使用机器学习方法
Ryo Emoto1, Mitsuaki Nishikimi2, Kazuya Kikutani2
1Department of Biostatistics, Nagoya University Graduate School of Medicine, 466-8550 Nagoya, Japan.
Reviews in cardiovascular medicine
|August 14, 2024
概括
机器学习确定了受益于医院外心脏骤停 (OHCA) 的阿米奥达龙患者子组. 这有助于个性化治疗,以获得更好的神经结果.
科学领域:
- 心脏病学 心脏病学
- 紧急医疗 紧急医疗
- 数据科学数据科学数据科学
背景情况:
- 有限的研究存在于amiodarone在医院外心脏骤停 (OHCA) 患者的差异效应与可震动的节律.
- 对阿米奥达龙的OHCA患者反应的临床异质性需要进一步调查.
研究的目的:
- 调查OHCA患者的临床异质性,这些患者呈现出可震动的节律.
- 通过机器学习方法识别不同对阿米奥达龙反应的患者子组.
主要方法:
- 利用日本全国OHCA注册表,包括2333名心律震荡患者.
- 开发了一个使用后勤概率损失的评分系统,以识别具有对神经结果和30天生存的不同amiodarone影响的子组.
主要成果:
- 一个评分系统确定了与阿米奥达龙益处相关的关键变量:年龄较大,入院前间隔较长,没有旁观者,没有先前的除,低温和入院前上腺素.
- 47%的患者预计将从阿米奥达龙中显著受益,而53%的人没有.
- 阿米奥达龙对30天神经结果的影响在已识别的子组之间有显著的变化 (p=0.005).
结论:
- 开发了一个预测模型,以区分OHCA患者谁会从阿米奥达龙中受益.
- 该研究证实OHCA患者对阿米奥达龙的反应具有显著的临床异质性.
