基于多个机器算法构建早期冠状动脉疾病的诊断和预后模型
Yu-Chan He1,2, Ye Li1,2, Xiu-Jin Qin1,2
1Department of Cardiology, Liuzhou People's Hospital, Affiliated of Guangxi Medical University, Liuzhou, Guangxi, China.
Frontiers in cardiovascular medicine
|December 3, 2025
概括
全免疫炎症值 (PIV) 和甘油三糖 (TyG) 指数有效诊断早发性冠状动脉疾病 (PCAD). 升高的PIV和TyG水平预测PCAD患者的预后较差,死亡率增加.
科学领域:
- 心脏病学 心脏病学
- 生物标志物 生物标志物
- 机器学习 机器学习
背景情况:
- 早发性冠状动脉疾病 (PCAD) 是一个重大的健康挑战.
- 确定PCAD可靠的诊断和预后标志物对于患者管理至关重要.
研究的目的:
- 评估PCAD中的泛免疫炎症值 (PIV) 和甘油三糖指数 (TyG) 的诊断和预后预测值.
- 评估PIV,TyG和白细胞计数 (WBC) 在预测PCAD结果中的联合实用性.
主要方法:
- 使用机器学习算法 (GBM,XGBoost,SVM,Lasso,RF,物流回归) 来分析5653名胸痛患者的数据.
- 开发一个决策树模型,整合与PCAD相关的关键变量.
- 倾向性得分匹配 (PSM) 用于队列可比性和接收器操作特征 (ROC) 分析以获得最佳截止值.
主要成果:
- 后勤回归确定PIV (OR 2.651) 和TyG (OR 1.003) 是PCAD的重要风险因素.
- 结合PIV,TyG和WBC的决策树模型实现了0.88的准确性和0.86的AUC,用于PCAD诊断.
- 生存分析表明,较低的PIV和TyG水平与降低的死亡率有关,而较高的水平与36个月的更差预后相关.
结论:
- 对PIV,TyG和WBC的综合评估为PCAD提供了强大的诊断和预后价值.
- 增加的PIV和TyG水平表明PCAD患者的预后不佳.
- PIV和TyG显示出作为PCAD管理中有价值的临床生物标志物的潜力.
