基于机器学习的预测模型,用于急性缺血性中风患者中血栓溶解抵抗的发展
Xiaorui Wang1, Song Luo2, Xue Cui1
1Department of Neurology, The First Affiliated Hospital of Bengbu Medical University, Bengbu, 233004, China.
BMC neurology
|August 26, 2024
概括
机器学习模型可以预测急性缺血性中风患者的血栓溶解抵抗. 早期识别患有血栓溶解耐药性高风险的患者可以改善结果.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 患有急性缺血性中风 (AIS) 的患者接受了用复合组织等离子体激活剂 (rt-PA) 进行静脉血栓溶解,由于血栓溶解抵抗 (TR) 经常出现不良结果.
- 开发TR的预测模型对于优化治疗策略和改善患者预后至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测使用rt-PA治疗的AIS患者的血栓溶解耐药性.
- 确定与血栓溶解耐药性相关的关键临床因素.
主要方法:
- 分析了218名用rt-PA治疗的AIS患者的回顾性数据.
- 开发了五种机器学习模型 (逻辑回归,XGBoost,SVM,LASSO,随机森林) 来预测TR.
- 用ROC曲线,校准曲线和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 在测试组中,LASSO模型表现最好,AUC为0.765.
- TR的关键预测因素包括入院时的NIHSS,血糖,白细胞计数,中性粒细胞计数和血液尿素.
- 该模型显示了良好的校准和DCA的正净收益.
结论:
- 机器学习模型使用多个临床变量有效预测AIS患者的血栓溶解耐药性.
- 这些模型可以帮助早期查高风险患者,特别是在资源有限的环境中.
