基于机器学习算法,为患有冠心病的老年患者构建和验证一种虚弱风险预测模型
Jiao-Yu Cao1, Li-Xiang Zhang1, Xiao-Juan Zhou1
1Department of Cardiology, The First Affiliated Hospital of USTC, Division of Life Science and Medicine, University of Science and Technology of China, 230001 Hefei, Anhui, China.
Reviews in cardiovascular medicine
|March 3, 2025
概括
一个新的机器学习模型准确地预测了冠心病 (CHD) 的老年患者的脆弱风险. 该工具使用关键健康指标来识别需要早期干预的个人,以获得更好的结果.
科学领域:
- 老年学是一门学科.
- 心脏病学 心脏病学
- 医疗保健中的人工智能
背景情况:
- 患有冠心病 (CHD) 的老年患者面临显著的脆弱风险.
- 脆弱性评估对于老年人群的心血管健康管理至关重要.
- 早期识别脆弱性可以改善患者的治疗结果和医疗保健管理.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测老年CHD患者的脆弱风险.
- 为了确定关键的临床和人口因素与脆弱相关的这个队列.
- 提供可靠的工具,用于临床评估心脏病学设置中的脆弱性.
主要方法:
- 在2020年11月至2023年5月期间,招募了1170名老年CHD患者的队列.
- 最小绝对收缩和选择操作员 (LASSO) 回归确定了显著的脆弱预测因素.
- 包括AdaBoost在内的多个ML模型使用接收机操作特征 (ROC) 曲线分析进行了训练和验证.
主要成果:
- 拉索确定了日常生活活动 (ADL) 评分,血红蛋白,脂质样本 (LDL-C,TC),抑郁症,心脏功能,并发病 (脑血管疾病,糖尿病),单身生活和年龄作为关键预测因素.
- 适应性提升 (AdaBoost) 模型显示了最高的预测准确性.
- 在验证组中,AdaBoost实现了0.803的ROC曲线下的面积 (AUC),表明了强大的预测性能.
结论:
- 开发的AdaBoost ML模型有效地预测了患有心脏病的老年患者的脆弱风险.
- 该模型利用经过验证的脆弱性决定因素进行可靠的风险评估.
- 该工具为临床医生提供了一种可靠的方法,以评估和管理这个脆弱人群的脆弱性.
