使用分类和回归树分析进行患者特异性的多因素死亡风险评估,在门诊血压监测的背景下进行回归树分析
Bahar Tekin Çetin1, Nuri Baris Hasbal2, Enes Cevik3
1Department of Internal Medicine, Koc University School of Medicine, Istanbul, Turkey.
门诊血压监测 (ABPM) 有助于评估高血压风险. 使用ABPM数据的综合模型有效预测死亡率和心血管事件,优于传统方法.
科学领域:
- 心脏病学 心脏病学
- 高血压研究 高血压研究
- 医学中的预测分析.
背景情况:
- 门诊血压监测 (ABPM) 对于在临床环境之外评估血压 (BP) 模式至关重要.
- 它有助于评估心血管风险,治疗疗效和高血压管理.
- 这项研究追溯分析了ABPM数据,以确定死亡率和主要不良心血管事件 (MACE) 风险因素.
研究的目的:
- 为了确定所有原因死亡率的重大风险因素.
- 为了确定主要不良心血管事件 (MACE) 的重大风险因素.
- 与传统的Cox生存分析相比,评估CART模型的预测性能.
主要方法:
- 追溯队列研究包括1291名患者 (eGFR>60毫升/分钟/1.73米2).
- 通过采访,电子健康记录和国家卫生系统收集的数据.
- 使用了分类和回归树 (CART) 建模和Cox生存分析.
主要成果:
- 在46.9个月的随访期间,5.9%的患者患有全因死亡,15.1%患有MACE.
- 最佳存活率与特定的腹筋血压下降,低夜间缩血压变异性和年轻年龄相关.
- 腹筋血压下降较低的吸烟者生存率最低;特定的血压下降和早晨激增与更糟糕的心血管结果有关.
结论:
- 整合ABPM参数的组合模型显示了风险分层的前景.
- 这种方法为死亡率和心血管事件提供了增强的预测能力.
- 研究结果支持在临床实践中用于ABPM数据分析的先进建模的实用性.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Pre-Procedural Guidelines for Assessing Blood Pressure
Errors occurring during blood pressure monitoring
Several factors...
Assessment of blood pressure in brachial artery(two-step method)
Factors affecting Blood pressure
Physiological Factors:
Survival Tree
Building a Survival Tree
Constructing a...
Assessment of blood pressure in brachial artery(one-step method)
Prepare for the Procedure:
