使用机器学习估计高血压患者的心血管死亡率:基于生活方式和体力活动的抑郁症分类的作用
Xingyu Liu1, Zeyu Luo2, Fengshi Jing3
1Badminton Technical and Tactical Analysis and Diagnostic Laboratory, National Academy of Badminton, Guangzhou Sport University, Guangzhou 510500, China.
机器学习,特别是随机生存森林 (RSF) 模型,准确预测患有抑郁症的高血压患者心血管疾病 (CVD) 死亡率. 与个性化患者护理的传统方法相比,这种方法提供了更好的风险分层.
科学领域:
- 心血管健康的心血管健康
- 机器学习在医学中的应用
- 心理健康研究 心理健康研究
背景情况:
- 高血压是心血管疾病 (CVD) 的一个主要风险因素.
- 抑郁症越来越被认为是影响身体健康结果的重要并发症.
- 了解抑郁症和心血管疾病死亡率之间的联系对于有效的患者管理至关重要.
研究的目的:
- 评估随机生存森林 (RSF) 模型在预测患有抑郁症的高血压患者中心血管疾病死亡率方面的有效性.
- 将RSF模型的预测性能与传统的Cox比例危险模型进行比较.
- 探索心理健康,生活方式和身体活动在心血管疾病死亡率中的相互作用.
主要方法:
- 利用了来自国家健康和营养检查调查 (NHANES) (2007-2014) 的数据.
- 使用患者健康问卷-9 (PHQ-9) 来评估抑郁症的严重程度.
- 开发并比较RSF和Cox比例危险模型,用于预测9271名参与者的心血管疾病死亡率,平均随访时间为7.1年.
主要成果:
- 在所有抑郁症严重程度水平上,RSF模型在预测心血管死亡率方面表现出卓越的表现.
- 与考克斯模型 (0.746-0.826) 相比,RSF实现了较高的曲线下的综合面积 (iAUC) 得分 (0.842-0.893).
- RSF模型有效地预测了高血压患者没有,轻度和重度抑郁症的心血管疾病死亡率.
结论:
- RSF模型为预测抑郁症高血压患者心血管疾病死亡率提供了更高的准确性,有助于个性化护理.
- 这种机器学习方法可以更好地分层患者的风险,支持明智的临床决策.
- RSF模型对公共卫生和临床环境具有重大潜力,特别是在长期健康结果管理方面.
更多相关视频
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
相关概念视频
Assessment of the Cardiovascular System I: Subjective Data
Initial Enquiry
Ask the patient about their primary concern and thoroughly explore all reported symptoms.
Medical History
Investigate past illnesses affecting the cardiovascular system, such as angina, anemia, rheumatic fever, congenital heart disease, stroke, thrombophlebitis, dysrhythmias, varicosities
Inquire about symptoms...
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)
Hypertension and Regulation of Blood Pressure
Assessment of blood pressure in brachial artery(one-step method)
Prepare for the Procedure:
