[基于中国人口中鼻节律期间心电图的定量特征的心房动预测模型]

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学

背景情况:

• 前庭动 (AF) 是一个重要的公共卫生问题.
• 早期风险预测对于及时干预和管理至关重要.
• 大规模心电图 (ECG) 数据为开发预测模型提供了潜力.

研究的目的:

• 开发和验证一个早期心房动 (AF) 风险预测模型.
• 为了模型开发,利用来自中国人口的大规模ECG数据.
• 评估模型在预测AF风险方面的表现.

主要方法:

• 分析了30383名患有多个心电图记录的患者队列.
• 数据被随机分为训练 (70%) 和测试 (30%) 组.
• 使用单变量分析,LASSO和Boruta算法确定了预测因素.
• 考克斯的比例危险回归被用来构建心电图和复合模型.
• 模型性能使用AUROC,校准曲线和决策曲线进行评估.

主要成果:

• 该研究包括51.1%的男性,平均年龄为51岁;AF发病率为4.5%.
• 电脑心电图模型确定了P波和QRS复杂参数作为重要的预测因素.
• 复合模型 (心电图特征,年龄,性别) 实现了5年AF风险预测的AUROC为0.81 (95% CI:0.78-0.83).
• 复合模型与仅ECG模型相比,显示出更高的临床净益.

结论:

• 一个综合模型,在鼻节律,年龄和性别期间结合了定量心电图特征,有效地预测了中国人口的AF风险.
• 该模型作为一个有价值的,低成本的选工具,用于早期AF风险评估.
• 这些发现支持将基于心电图的风险预测纳入AF管理的常规临床实践.