系统凝血-炎症指数在进行药物释放支架植入的患者中预测ISR:基于多种机器学习方法的回顾性研究
Luo Yinhua1, Yingying Hu1, Zeng Ziyue1
1Department of Cardiology, Zhongnan Hospital, Wuhan University, Wuhan, China; Institute of Myocardial Injury and Repair, Wuhan University, Wuhan, China.
International journal of cardiology
|April 2, 2025
概括
系统凝血-炎症指数 (SCI) 可以预测冠状动脉疾病 (CAD) 患者的静脉静脉缩 (ISR). 低SCI,男性性别,年龄较大和吸烟增加ISR风险,通过Xgboost模型确定.
科学领域:
- 心脏病学 心脏病学
- 血液学 血液学 血液学
- 机器学习 机器学习
背景情况:
- 系统凝血-炎症指数 (SCI) 是一种新的指标,反映了凝血病和炎症状态.
- 冠状动脉疾病 (CAD) 患者通过皮肤冠状动脉干预 (PCI) 进行药物排泄支架 (DES),有风险发生支架内静止 (ISR).
研究的目的:
- 评估SCI对CAD患者ISR的预后影响.
- 开发和验证用于预测ISR的机器学习模型.
主要方法:
- 对724名经过PCI与DES治疗的CAD患者进行了回顾性分析.
- 开发八种机器学习模型来预测ISR,根据性能和临床净益处选择最佳模型.
- 使用武汉大学中南医院的数据对最佳模型进行外部验证.
主要成果:
- 在ISR预测方面,Xgboost模型表现出卓越的性能 (AUC = 0.971).
- 关键的ISR预测因素包括男性性别,年龄增长,低SCI,高Gensini得分和吸烟.
- 外部验证证实了该模型的预测能力 (AUC = 0.92).
结论:
- 对于预测CAD患者的ISR来说,Xgboost模型是最佳的.
- SCI,性别,年龄,根西尼分数和吸烟习惯是ISR的重要预测因素.
