增强的机器学习模型用于预测A型大动脉解剖患者的一年死亡率
Jing Zhang1, Wuyu Xiong2, Jiajuan Yang3
1Department of Cardiology, The First College of Clinical Medical Science, China Three Gorges University & Yichang Central People's Hospital, Yichang, China; Central Laboratory, The First College of Clinical Medical Science, China Three Gorges University & Yichang Central People's Hospital, Yichang, China; Hubei Key Laboratory of Ischemic Cardiovascular Disease, Yichang, China; Hubei Provincial Clinical Research Center for Ischemic Cardiovascular Disease, Yichang, China.
The Journal of thoracic and cardiovascular surgery
|September 20, 2024
概括
一个机器学习模型预测A型大动脉剖析患者的1年死亡率. 年龄和白细胞计数等关键因素影响结果,而干预措施改善了生存率.
科学领域:
- 心血管医学 心血管医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 甲型大动脉解剖 (TAAD) 是一种危及生命的疾病,死亡率很高.
- 准确的风险分层对于指导临床决策和改善TAAD患者结果至关重要.
- 现有的预后模型可能无法完全捕捉TAAD死亡预测因素的复杂性.
研究的目的:
- 开发和验证可解释的机器学习模型,用于预测TAAD患者的1年死亡率.
- 在TAAD中确定与1年死亡率相关的关键临床和实验室因素.
- 创建一个用户友好的工具,用于TAAD管理中的临床决策支持.
主要方法:
- 一组289名TAAD患者被分为培训 (202) 和验证 (87) 组.
- 最小绝对收缩和选择操作员 (LASSO) 方法确定了8个关键预测因素.
- 一个Treebag模型被开发和验证使用准确度,F1-Score,Brier分数,AUC和AUPRC;沙普利添加解释 (SHAP) 评估了预测的重要性.
主要成果:
- 树袋模型表现出高预测性能,Brier分数为0.128和AUC为0.91.
- 高龄和白细胞数量的增加是危险因素;较高的缩血压,淋巴细胞数量,二氧化碳组合功率,乙酸蛋白数量,β-阻塞剂的使用和手术干预是保护性的.
- 一个基于网络的应用程序,TAAD 一年预测风险评估网络,是为临床使用而开发的.
结论:
- 开发的树袋模型准确地预测TAAD患者的1年死亡率.
- 影响生存的关键因素包括手术干预,β阻塞剂的使用以及特定实验室和生理参数的管理.
- 这种可解释的模型和相关的应用程序为增强TAAD患者管理和结果提供了有价值的工具.
