构建和验证心内血栓风险预测模型在扩张性心肌病患者:一个回顾性研究

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 系统性栓塞事件是扩张性心肌病 (DCM) 的严重并发症.
• 心内血栓 (ICT) 是这些栓塞事件的主要来源.
• 对DCM患者的ICT的准确风险预测对于防止灾难性结果至关重要.

研究的目的:

• 开发和验证一种预测模型,用于识别心内血栓 (ICT) 在扩张性心肌病 (DCM) 患者的风险.
• 为了比较不同机器学习分类器的性能,用于ICT风险预测.

主要方法:

• 利用了632名DCM患者的数据,包括临床,生命体征,并发症和生化数据.
• 用于ICT识别的跨胸腔心声学.
• 适用最小绝对收缩和选择操作员 (LASSO) 回归用于变量选择.
• 构建并评估了四种模型:物流回归,支持向量机 (SVM),随机森林和极端梯度增强 (XGBoost).

主要成果:

• 在632名患者中,13.92%的人拥有ICT.
• XGBoost模型实现了最高的曲线下面积 (AUC) 0.947 (95% CI: 0.924-0.969),优于其他模型.
• 通过XGBoost模型识别的关键预测因素包括D-二次元水平,年龄和心房动.

结论:

• XGBoost模型显示了强大的预测能力,用于DCM患者的ICT风险.
• 这种模型可以作为临床医生识别高风险个体的宝贵工具.
• 早期识别ICT风险可能有助于缓解血栓事件并发症.