通过结合风险因素轨迹和机器学习算法来预测中国2型糖尿病患者的心血管结果:一个队列研究

科学领域:

• 心脏病学 心脏病学
• 糖尿病学 糖尿病学
• 医疗保健中的机器学习

背景情况:

• 心血管并发症对中国2型糖尿病患者构成重大威胁.
• 传统的风险模型难以准确预测这些并发症.
• 需要先进的方法来改善这种人群的心血管风险评估.

研究的目的:

• 开发一种动态预测模型来预测2型糖尿病的中国患者心血管风险.
• 利用机器学习和风险因素的纵向数据来提高预测准确度.
• 将新模型的性能与现有的风险预测工具进行比较.

主要方法:

• 分析了16,378名患有2型糖尿病的中国患者的队列.
• 使用基线和四年纵向数据开发了一个机器学习模型 (ML-CVD-C).
• 将ML-CVD-C评分的预测性能与ML-CVD-C (基础),中国-PAR和PREVENT模型进行了比较.

主要成果:

• 与其他模型 (0.62-0.65) 相比,ML-CVD-C评分显示出优异的歧视 (C指数为0.80).
• 在风险重新分类方面观察到显著的改善 (NRI增长高达57.7%,IDI增长高达10.1%).
• 动态轨迹和机器学习算法都对提高性能至关重要.

结论:

• 结合动态风险轨迹和机器学习的ML-CVD-C模型大大提高了中国2型糖尿病患者心血管风险预测的准确性.
• 该模型为个性化心血管风险管理提供了一个有前途的工具.
• 动态风险因素分析是提高糖尿病护理预测能力的关键.