开发用于急性心肌梗塞 (STEMI) 患者的医院死亡率预测模型工具,使用Yazd心血管疾病注册表,YCDR数据

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 急性ST升高心肌梗塞 (STEMI) 是一种关键性疾病,涉及心肌缺血和潜在亡.
• 评估和预测STEMI患者的医院死亡风险对于有效的临床管理至关重要.
• 现有的模型需要评估和比较,以改善风险分层.

研究的目的:

• 开发和评估STEMI患者医院死亡率的预测模型.
• 在风险预测中比较物流回归和决策树算法的性能.
• 确定与STEMI死亡率相关的关键临床和实验室变量.

主要方法:

• 利用了来自雅兹德心血管疾病登记处 (YCDR) 的数据,其中包括1861名STEMI患者.
• 使用决策树分析 (rpart包) 和后勤回归 (glm2包) 进行模型开发.
• 使用精度指标和接收器运行特征 (ROC) 曲线比较模型效率.

主要成果:

• 开发了临床,实验室和组合模型. 诸如血糖,甘油三和低射出分数等变量增加了死亡风险.
• 物流回归实现了ROC性能为86.5%-90.2%,准确度为88.3%-93%.
• 与物流回归相比,决策树模型的准确性更高 (92.5%-95.8%),但ROC性能较低 (69.8%-81.7%).

结论:

• 决策树算法在所有开发模型中都表现出卓越的准确性.
• 后勤回归显示出更高的灵敏度和优越的接收器操作特征 (ROC) 曲线性能.
• 这两种模型都提供了有价值的见解,在预测STEMI死亡风险方面具有明显的优势.