在阻塞性睡眠呼吸暂停患者中预测早期心肌损伤,使用综合逻辑回归和QUEST决策树模型
概括
结合后勤回归和QUEST决策树的新模型可以预测阻塞性睡眠呼吸暂停 (OSA) 患者的早期心肌功能障碍. 这种工具有助于个性化风险评估和对心血管并发症的早期干预.
科学领域:
- 心脏病学 心脏病学
- 睡眠医学 睡眠医学
- 医疗信息学 医疗信息学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 与心血管并发症有关,特别是心肌功能障碍.
- 在OSA患者中早期发现心肌功能障碍是具有挑战性的.
- 声心谱测量如左心室全球纵向应变 (LVGLS) 和右心室自由壁纵向应变 (RVFWLS) 评估心脏功能.
研究的目的:
- 在OSA患者中开发和验证早期心肌功能障碍的预测模型.
- 为了更好的预测,将临床参数与心声波压力测量相结合.
- 使用综合后勤回归和QUEST决策树方法.
主要方法:
- 对OSA患者的临床数据进行回顾性分析.
- 使用后勤回归和QUEST决策树构建预测模型.
- 开发模型的外部验证,使用来自100名OSA患者的单独队列的数据.
主要成果:
- 在OSA患者中,LVGLS和RVFWLS显著受损,特别是在中度至重度病例中.
- 发现的关键预测因素包括身体质量指数 (BMI),睡眠时间百分比与氧和率<90% (CT90%),以及动脉二碳酸盐.
- 与单个模型相比,组合模型对LVGLS和RVFWLS减少的预测准确度更高 (AUC为0.91).
结论:
- 综合后勤回归和QUEST决策树模型准确地预测了OSA早期心肌功能障碍.
- 该模型为个性化风险分层和OSA患者及时干预提供了有价值的工具.
- 外部验证证实了该模型的稳定性和临床应用的通用性.
