一个回顾性队列研究,使用机器学习来预测川崎病儿童的冠状动脉病变
Yanan Duan1, Aiping Chen1, Xuedi Cheng2
1Department of Obstetrics and Gynecology, The Affiliated Hospital of Qingdao University, Qingdao, Shandong Province, 266000, China.
一个新的预测模型识别了早期的临床症状和实验室结果,以预测川崎病 (KD) 儿童的冠状动脉病变. 这种工具有助于临床医生优化治疗和改善CAL风险的KD患者的治疗结果.
科学领域:
- 儿童心脏病学 儿童心脏病学
- 传染性疾病 传染性疾病
- 生物统计学 生物统计学
背景情况:
- 川崎病 (KD) 是儿童获得心脏病的主要原因.
- 冠状动脉病变 (CAL) 是KD最常见的并发症,需要早期检测.
- 全球KD发病率正在上升,这强调了需要改进诊断工具的需要.
研究的目的:
- 开发和验证诊断为川崎病 (KD) 的儿童冠状动脉病变 (CAL) 的预测模型.
- 确定早期临床症状和实验室标记,预测KD患者的CAL发展.
- 为临床医生提供一个工具,用于早期风险分层和KD中CAL的管理.
主要方法:
- 对436名患有KD的儿童进行了回顾性队列研究.
- 倾向性得分匹配 (PSM) 来控制混因素.
- 机器学习 (LASSO回归) 用临床和实验室数据构建一个预测列图模型.
- 使用ROC,校准和DCA曲线进行模型验证.
主要成果:
- 同时CAL的独立风险因素包括性别,病史,咳,腹和C反应蛋白 (CRP) 的升高.
- 开发的预测模型在训练 (AUC:0.879) 和验证 (AUC:0.859) 两种集合中都表现出强大的区分能力.
- 该模型显示了高准确性和预测CAL风险的潜在临床实用性.
结论:
- 在KD患者中开发了一种针对CAL风险的新型预测工具.
- 这个模型可以帮助临床医生更准确地预测和管理CAL.
- 通过使用这种预测工具,预计可以优化治疗策略和提高疗效.
更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
10:03Coronary Progenitor Cells and Soluble Biomarkers in Cardiovascular Prognosis after Coronary Angioplasty
Published on: January 28, 2020
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Acute Coronary Syndrome III: Diagnostic Studies
Coronary Artery Disease I: Introduction
Rheumatic Heart Disease II: Clinical Manifestations and Diagnostic Studies
Coronary Artery Disease II: Pathophysiology
