基于前性队列研究的深度学习模型使用轻度功能减弱的老年人心血管死亡的动态预测

科学领域:

• 老年学是指老年学的学科.
• 腎臟病學 (nephrology) 是一種醫學專業.
• 心脏病学 心脏病学
• 人工智能的人工智能

背景情况:

• 心血管疾病 (CVD) 对老年人构成重大风险,特别是那些功能略有下降的人.
• 在这个人群中确定心血管死亡的预测特征对于有针对性的干预至关重要.

研究的目的:

• 确定与轻度功能下降的老年人心血管死亡相关的关键特征.
• 评估深度学习模型在预测这一群体内心血管死亡方面的表现.

主要方法:

• 招募了12650名老年人 (年龄≥60岁),估计他们的淋巴膜过率 (eGFR) 介于45-90毫升/分钟/1.73米2.
• 使用考克斯回归,随机生存森林 (RSF),DeepHit (DH) 和动态DH (DDH) 进行生存预测.
• 使用一致性指数 (C指数) 和障碍得分 (B-S) 评估模型性能.

主要成果:

• 在7年的时间里,838名参与者 (6.62%) 死于心血管疾病. 年龄,性别,高血压,糖尿病和eGFR是显著的风险因素.
• 随着所有模型的后续数据的增加,预测准确度和精度得到了改善.
• 与其他模型相比,动态DH模型显示出优越的个人生存预测准确性 (C指数=0.797,BS=0.022在6年).

结论:

• 深度学习,特别是动态DH算法,在纵向研究中为心血管死亡提供了增强的预测能力.
• 随着纵向数据输入的增加,模型性能得到改善,突出显示了动态预测的价值.