结合CT-FFR和SYNTAX评分用于复杂冠状动脉疾病中主要心血管不良事件的预测模型开发
Weiqing Luo1,2, Chen Li1,2, Guangdong Yan1
1Department of Cardiology, Guangzhou Red Cross Hospital of Jinan University, 396 Tongfu Middle Road, Haizhu District, Guangzhou, 510220, China.
这项研究开发了一种预测模型,用于评估复杂冠状动脉疾病 (CAD) 患者的一年重大不良心血管事件 (MACE) 风险. 该模型显示出强大的预测性能,使得早期风险分层和干预能够改善结果.
科学领域:
- 心脏病学 心脏病学
- 预测建模预测建模
- 公共卫生 公共卫生
背景情况:
- 复杂冠状动脉疾病 (CAD) 与患者的不良结果有关.
- 有效的风险分层对于及时干预稳定的复杂CAD至关重要.
- 现有的预测工具可能无法充分捕捉这一群体中MACE风险的复杂性.
研究的目的:
- 开发和验证一种预测模型,用于在患有稳定复杂心血管疾病的患者中预测1年重大不良心血管事件 (MACE) 风险.
- 在这个患者队列中确定MACE的独立预测因子.
- 促进早期风险分层,指导临床决策.
主要方法:
- 对369名患有稳定复杂CAD的患者的回顾性分析.
- 使用后勤回归和LASSO回归来进行特征选择的预测模型的开发.
- 使用单独的数据集验证模型,并通过AUC和Youden指数评估预测准确度.
主要成果:
- 确定了7个1年MACE的独立预测因素:功能SYNTAX得分,LDL-C,LVEF,白蛋白,脉压,ACE2水平和糖尿病.
- 功能SYNTAX得分成为最强的预测指标.
- 该模型表现出强大的预测性能,AUC为0.843 (训练) 和0.844 (验证).
结论:
- 开发的基于名录的预测模型准确地评估了复杂CAD患者1年的MACE风险.
- 该模型具有良好的临床实用性和预测准确性.
- 这个模型的早期应用可以帮助风险分层和个性化干预策略,以改善患者的治疗结果.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
相关概念视频
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Coronary Artery Disease I: Introduction
Coronary Artery Disease IV: Preventive Measures
Acute Coronary Syndrome III: Diagnostic Studies
