开发一个多变量预测模型来估计AF患者睡眠-呼吸障碍的概率:MOODS-AF
Kadhim Kadhim1, Adrian D Elliott1, Melissa E Middeldorp1
1Centre for Heart Rhythm Disorders, University of Adelaide and Royal Adelaide Hospital, Adelaide, Australia.
JACC. Clinical electrophysiology
|December 6, 2024
概括
一个新的MOODS评分准确地预测了心房动 (AF) 患者显著的睡眠呼吸障碍 (SDB). 该工具有助于识别需要SDB测试的个体,改善临床决策和资源使用.
科学领域:
- 心脏病学 心脏病学
- 睡眠医学 睡眠医学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 睡眠呼吸障碍 (SDB) 在心房动 (AF) 患者中很普遍,结果恶化.
- 目前用于识别需要SDB测试的AF患者的方法不足.
研究的目的:
- 开发和验证用于识别中度至重度SDB的AF患者的预测工具.
- 为临床使用创建一个实用的评分系统.
主要方法:
- 一个预测模型是使用442名AF患者的数据开发出来的,这些患者接受了多睡眠学.
- 对409名AF患者的单独队列进行了外部验证.
- 简化得分 (MOODS) 来自重要的预测因素:年龄,性别,BMI,糖尿病和以前的中风/TIA.
主要成果:
- 在34% (衍生) 和54% (验证) 的AF患者中发现了显著的SDB.
- 多变量模型显示出良好的歧视 (C统计:0.75).
- MOODS得分显示了良好的区分 (C统计:0.73) 和高灵敏度/特异性用于SDB检测.
结论:
- MOODS评分准确地估计了AF患者显著SDB的概率.
- MOODS可以协助临床决策,并优化SDB测试的资源配置.
更多相关视频
04:05Author Spotlight: Unveiling Prognostic Indicators in Heart Failure - The Role of Phase Angle and Bioelectrical Impedance Analysis
Published on: June 30, 2023
1.7K
08:52Author Spotlight: Developing a Translational Model for Atrial Fibrillation Research Across Species
Published on: November 21, 2023
838
