机器学习模型的开发,以利用凝血参数预测老年创伤性脑损伤中的抗凝剂使用和类型

科学领域:

• 神经学 神经学
• 药理学 药理学是指药理学的学科.
• 生物统计学 生物统计学

背景情况:

• 患有创伤性脑损伤 (TBI) 的老年患者通常需要抗凝治疗.
• 了解与不同抗凝剂相关的凝血参数模式对于管理TBI患者至关重要.

研究的目的:

• 调查老年TBI患者的抗凝治疗模式和凝血参数.
• 开发一种使用凝固参数的抗凝剂类型的预测模型.

主要方法:

• 全国神经创伤数据库的回顾性分析.
• 将患者分为没有抗凝剂,直接口服抗凝剂 (DOAC) 和维生素K抗剂 (VKA) 组.
• 机器学习模型开发使用前列红蛋白时间-国际正常化比率 (PT-INR) 和激活部分血栓形成时间 (APTT) 进行预测.

主要成果:

• 在没有服用抗凝剂,DOAC和VKA的组之间观察到PT-INR和APTT的显著差异.
• 基于PT-INR和APTT的机器学习模型显示了可接受的抗凝剂类型的预测能力.
• 热图可视化显示了凝血参数和抗凝剂使用之间的特征模式.

结论:

• 凝血参数表现出与老年TBI患者使用抗凝剂相关的明显模式.
• 使用PT-INR和APTT的试点模型可以预测抗凝剂类型,帮助临床决策.