机器学习算法使用NSTEMI患者对比诱导脏病的炎症预后指数来研究NSTEMI患者的对比诱导脏病
Faysal Şaylık1, Tufan Çınar2, Murat Selçuk3
1Health Sciences University, Van Training & Research Hospital, Department of Cardiology, Van, Turkey.
Biomarkers in medicine
|November 13, 2024
概括
炎症预后指数 (IPI) 可以预测心肌梗塞患者的对比诱导性病 (CIN). 使用IPI的机器学习模型显示出早期CIN风险评估的前景.
科学领域:
- 心脏病学 心脏病学
- 腎臟病學 (nephrology) 是一種醫學專業.
- 在瘤学瘤学.
背景情况:
- 炎症预后指数 (IPI) 与癌症患者的不良结果有关.
- 对比诱导性病 (CIN) 是患者接受使用对比介质的手术的显著并发症.
- 在非ST段升高心肌梗塞 (NSTEMI) 患者中,CIN的预测标志物至关重要.
研究的目的:
- 评估IPI对NSTEMI患者中CIN发展的预测价值.
- 开发和验证一个包含IPI的nomogram,用于CIN风险预测.
- 评估机器学习算法在预测CIN方面的性能.
主要方法:
- 对178名CIN (+) 和1511名CIN (-) 患者的回顾性分析.
- 开发一个风险预测名录,包括IPI.
- 机器学习算法的应用和评估 (Naive Bayes,k-最近邻居).
主要成果:
- 患有CIN的患者具有显著更高的IPI水平.
- IPI被确定为CIN的独立预测因子.
- 基于IPI的诺米图表显示出良好的预测能力和校准.
- 纯粹的贝叶斯和k-最近邻居是CIN预测中最有效的ML算法.
结论:
- IPI作为一个易于获得和有价值的生物标志物用于预测NSTEMI患者的CIN.
- 机器学习算法,特别是天真贝叶斯和k-最近的邻居,在结合IPI时增强CIN预测的准确性.
- 这些发现表明,在早期CIN风险分层方面,可以将IPI纳入临床实践.


