在患有心房的患者中,对左心房尾闭塞的因果机器学习
Che Ngufor1, Nan Zhang2, Holly K Van Houten2
1Robert D. and Patricia E. Kern Center for the Science of Health Care Delivery, Mayo Clinic, Rochester, Minnesota, USA; Department of Artificial Intelligence and Informatics, Mayo Clinic, Rochester, Minnesota, USA.
JACC. Clinical electrophysiology
|February 13, 2025
概括
机器学习识别了从左心房尾闭塞 (LAAO) 获益的患者,而不是直接口服抗凝剂 (DOAC). 这有助于临床决策,以优化心房动患者中风预防.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 过导管左心房附属物阻塞 (LAAO) 为心房提供了治疗心房的长期抗凝药的替代方案.
- 选择适合的LAAO患者与直接口服抗凝剂 (DOAC) 相比仍然是一个临床挑战.
研究的目的:
- 开发和应用一种新的因果机器学习框架.
- 为了确定与DOAC治疗相比,LAAO对哪些患者特别有利.
主要方法:
- 利用来自OptumLabs数据仓库 (2015年3月至2019年12月) 的大量数据集 (744,190名患者).
- 员工的一对一倾向评分对107个基线特征进行匹配,以创建平衡的队列.
- 应用因果森林模型来估计综合结果 (中风,栓塞,出血,死亡率) 的异质治疗效应.
主要成果:
- 在匹配的队列中 (28,930名患者),LAAO没有显示出早期差异,但2年后复合结果的风险较低 (ATE -2.9%).
- 在2年后,30.1%的患者预计将从LAAO中受益,69.7%是中性的,1.4%可能受到伤害.
- 平均CHA2DS2-VASc得分为5.8,平均年龄为76.8岁.
结论:
- 开发了新的机器学习算法来预测LAAO对DOACs的好处.
- 这种预测能力可以增强临床决策,用于患者转诊和治疗选择.
- 在心房的管理中支持个性化医疗方法.
更多相关视频
28:13Catheter Ablation in Combination With Left Atrial Appendage Closure for Atrial Fibrillation
Published on: February 26, 2013
33.2K
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
1.6K
