一个整合性机器学习模型用于预测经过过导管大动脉植入的患者早期安全结果

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 生物医学工程 生物医学工程

背景情况:

• 过导管大动脉植入术 (TAVI) 后的早期安全结果对于严重大动脉狭窄患者的预后至关重要.
• 预测不良事件有助于优化患者管理和改善TAVI结果.

研究的目的:

• 开发一种机器学习模型,用于预测因严重大动脉狭窄而接受TAVI治疗的患者的早期安全结果.
• 为了确定在TAVI后早期发生不良事件的关键预测因素.

主要方法:

• 对224名患有严重大动脉狭窄症的患者进行了回顾性分析,这些患者接受了TAVI.
• 利用77个临床和生化变量,使用ADASYN用于不平衡数据和随机森林模型.
• 使用SHAP值来解释模型预测和变量重要性.

主要成果:

• 随机森林模型确定了左大腿动脉直径和大动脉结石体积作为重要的预测因素.
• 较小的左大腿动脉直径和增加的大动脉结石体积与较差的早期安全结果有关.
• SHAP分析证实了这些变量对预测不良事件的影响.

结论:

• 一个机器学习模型有效地预测了TAVI后的早期安全结果.
• 左大腿动脉直径和大动脉结石体积是风险分层的关键因素.
• 将这些预测因素纳入程序前评估可以提高临床决策和患者护理.