在急性非ST段升高心肌梗塞患者中进行预后评估的预测模型的开发和验证:来自中国的多中心现实研究
Chongyou Rao1, Wanling Wang1, Hebin Che1
1Medical Innovation Research Division, The Chinese PLA General Hospital, 28 Fuxing RD., Beijing, 100853, China.
BMC medical informatics and decision making
|February 17, 2026
概括
一个新的机器学习模型改善了非ST段升高心肌梗塞 (NSTEMI) 患者的预后预测. 这种先进的模型为不良临床结果提供了比现有的风险得分更好的准确性.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 对于非ST段升高心肌梗塞 (NSTEMI) 的现有预后模型具有局限性.
- 这些模型往往显示出不充分的预测性能的综合性缺血事件超出所有原因的死亡.
研究的目的:
- 为NSTEMI患者开发和验证基于机器学习的预后模型.
- 改善不良临床结果的预测,包括全因死亡和主要不良心脏和脑血管事件.
主要方法:
- 利用来自多家医院的4845名NSTEMI患者的数据进行培训,调整和外部验证.
- 开发了使用五种机器学习算法的预测模型.
- 使用接收器运行特征曲线和曲线下的面积 (AUC) 评估模型性能,与GRACE风险评分进行比较.
主要成果:
- 后勤回归模型在所有死因 (AUC 0.869) 中表现强,在主要心脏和脑血管不良事件 (AUC 0.700) 中表现中等.
- 开发的模型在歧视和增量预后值 (p <0.05) 方面显著超过了GRACE风险评分.
结论:
- 基于机器学习的预后模型显著提高了NSTEMI患者的风险评估.
- 与当前的方法相比,改进的模型可以更好地预测不良的临床结果.
更多相关视频
05:07Author Spotlight: Improved Localization and Monitoring of Coronary Flow Reserve Using Modified PLAX View in Mice
Published on: August 25, 2023
2.0K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
768
