在社区居住的老年人群中基于机器学习的胸痛预测建模:PoCOsteo研究的结果
Shahrokh Mousavi1, Zahrasadat Jalalian2, Sima Afrashteh1
1Department of Biostatistics and Epidemiology, Faculty of Health and Nutrition, Bushehr University of Medical Sciences, Bushehr, Iran.
机器学习模型可以有效地预测老年人的胸痛. 线性差异分析,随机森林和物流回归显示出强的表现,确定了诸如心力衰竭和贫血等关键预测因素.
科学领域:
- 心脏病学 心脏病学
- 老年病的医生 老年病的医生
- 机器学习 机器学习
背景情况:
- 胸痛是老年人常见的症状,表明潜在的冠心病.
- 预测心痛是管理老年人心血管健康的关键.
研究的目的:
- 开发和比较机器学习模型,用于预测社区居住的老年人的胸痛.
- 在这个人口群体中确定胸痛的关键预测因素.
主要方法:
- 从2000名参与者的医疗记录分析 (PoCOsteo研究,2018-2021).
- 使用色心痛问卷进行心痛评估.
- 开发和评估了多种机器学习模型,包括逻辑回归,随机森林和线性差异分析与超参数调整和交叉验证.
主要成果:
- 线性差异分析 (LDA),随机森林 (RF) 和后勤回归 (LR) 显示出最高的预测性能 (AUCs ~0.77).
- 确定的主要预测因素包括血栓性血管疾病,充血性心力衰竭,功能衰竭和贫血.
- 这些模型平衡了预测准确性和可解释性.
结论:
- LDA,RF和LR模型对于预测老年人的胸痛是有效的,提供了性能和可解释性的平衡.
- 鉴定到的预测因素突出显示了老年人心肌痛的多因素性质.
- 用直接诊断方法进行进一步的研究可以提高模型的稳定性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Angina II: Classification
Angina III: Clinical Manifestations and Assessment
Angina V: Nursing Management
Angina I: Introduction
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Acute Coronary Syndrome III: Diagnostic Studies
