相关实验视频

Updated: May 7, 2025

Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia

Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia

Published on: September 22, 2020

在经历过冠状动脉旁路移植手术的患者中预测术后中风:一种机器学习方法

Shiqi Chen¹, Kan Wang¹, Chen Wang¹

¹Department of Cardiovascular Surgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.

Frontiers in cardiovascular medicine

|December 30, 2024

概括

这项研究确定了在冠状动脉旁路移植 (CABG) 手术后预测中风的11个关键因素. 这些发现有助于开发预测模型和为接受CABG的高风险患者采取主动措施.

科学领域:

心血管外科心血管外科
神经外科神经外科
医疗信息学医疗信息学

背景情况:

冠状动脉旁路移植 (CABG) 是冠状动脉疾病的常见治疗方法.
术后并发症,包括中风,显著影响长期结果.
在CABG后确定手术前和手术后中风风险因素至关重要.

研究的目的:

为了确定CABG后中风相关的术前和术后因素.
开发术后中风风险的预测模型.
建立风险评估的单一因素值.

主要方法:

对接受CABG的1200名患者进行了回顾性研究.
使用LASSO回归来选择特征,使用SHAP值来解释模型.
评估了六个使用AUC和DCA的机器学习模型,其中随机森林表现最好.

主要成果:

确定了手术后中风的11个显著预测因素:机械通风时间,手术前肌素,功能不充分,糖尿病,IABP使用,年龄,心肺绕道时间,大动脉十字时间,慢性肺炎史,心律失常和动脉狭窄.
随机森林模型实现了0.9008.8的AUC-ROC.
基于这些11个特征,开发了一个在线工具来预测中风风险.

结论:

几个手术前和手术期间的因素与CABG患者的术后中风风险有显著的关联.
这些已识别的因素可用于制定积极的策略,以减轻中风风险.
开发的预测工具可以帮助临床医生管理高风险患者.

关键词:

冠状动脉旁路移植 (CABG) 冠状动脉旁路移植机器学习 (ML) 是指机器学习.术后并发症术后并发症手术前的临床特征.随机的森林随机的森林一次性中风中风中风中风中风

更多相关视频

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

Modeling Stroke in Mice: Permanent Coagulation of the Distal Middle Cerebral Artery

Modeling Stroke in Mice: Permanent Coagulation of the Distal Middle Cerebral Artery

Published on: July 31, 2014

相关概念视频