急性冠状动脉综合征后神经认知功能预测模型. 一种机器学习方法
Inês Moreira1, Miguel Peixoto2, Dulce Sousa3
1Department of Social and Behavioral Sciences of University Institute of Health Sciences, Gandra, Portugal.
机器学习准确地预测了急性冠状动脉综合征 (ACS) 患者的神经认知功能. 关键预测因素包括HDL,抑郁症,葡萄糖和BMI,使得早期干预能够改善患者的结果.
科学领域:
- 心脏病学 心脏病学
- 神经科学是一个神经科学.
- 机器学习 机器学习
背景情况:
- 冠状动脉疾病和神经认知功能障碍之间的关系是复杂的,并未完全理解.
- 几个因素可能导致这种相互作用,需要进一步调查.
研究的目的:
- 开发一种神经认知功能在急性冠状动脉综合征 (ACS) 患者的预测模型.
- 利用机器学习方法预测ACS患者的神经认知结果.
主要方法:
- 用一个交叉验证的随机森林模型 (RF_cv) 来进行预测.
- 在心脏康复计划中的63名患者接受了神经认知评估.
主要成果:
- 该RF_cv模型表现出高精度,其r平方值为0.978.8.
- 最重要的预测因素包括HDL,抑郁症,葡萄糖,HbA1c,BNP,BMI,WHR,胆固醇,焦虑和年龄.
结论:
- 神经认知功能变异与生化标志物和身体组成有关,包括心血管风险因素和抑郁症.
- 预测模型有助于早期识别患者以进行个性化干预.
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
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
相关概念视频
Acute Coronary Syndrome III: Diagnostic Studies
Acute Coronary Syndrome I: Introduction
Acute Coronary Syndrome II: Pathophysiology and Clinical Manifestations
Acute Coronary Syndrome IV: Interprofessional Care
Acute Coronary Syndrome V: Nursing Management
