晚期心力衰竭的炎症驱动预后:基于机器学习的风险预测模型,用于一年死亡率
1Department of Intensive Care Unit, The Affiliated Hospital of Xuzhou Medical University, Xuzhou, Jiangsu, 221004, People's Republic of China.
Journal of inflammation research
|April 21, 2025
概括
机器学习通过整合临床数据和炎症标志物,准确预测晚期心力衰竭患者的一年死亡风险. 这个模型有助于临床决策,并改善患者的治疗结果.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 晚期心力衰竭 (AdHF) 在预测患者死亡率方面存在重大挑战.
- 准确的预后对于有效的临床决策和患者管理至关重要.
研究的目的:
- 开发一种机器学习 (ML) 模型,用于预测AdHF患者的一年死亡风险.
- 通过整合炎症生物标志物和临床参数来提高预测准确度.
- 创建一个帮助临床决策和改善患者治疗结果的工具.
主要方法:
- 715名AdHF患者的回顾性队列研究 (2015年1月至2023年12月).
- 从52个变量中选择特征的 LASSO 算法.
- 训练和验证了七个ML算法;选择了随机森林 (RF) 模型.
- 对特征重要性进行了SHAP分析,并开发了一种动态名录图.
主要成果:
- 射频模型的AUC为0.83,准确度为0.72,灵敏度为0.74,F1得分为0.73.
- 关键预测因素包括CRP,NLR和年龄升高 (风险增加);β抑制剂,ACEI/ARB/ARNI和较低的BNP (风险降低).
- 为了个性化风险预测,创建了一个动态的nomogram.
结论:
- 一个基于ML的模型有效地预测了ADHF患者的一年死亡率,突出了炎症的作用.
- 结合临床和炎症数据的RF模型在临床决策支持方面表现出色.
- 建议通过多中心,前性研究进行进一步验证.
