无监督集群分析识别了风险概况驱动异质性和存活模式在大动脉动脉瘤患者
Maria Elisabeth Leinweber1, Fadi Taher1, Miriam Kliewer1
1Department of Vascular and Endovascular Surgery, Klinik Ottakring, Montleartstraße 37, 1160, Vienna, Austria.
心血管和脏并发症显著推动大动脉动脉瘤 (AAS) 的风险分层,揭示了不同的患者群. 这些心多病症是了解AA患者死亡风险的关键.
科学领域:
- 心血管医学 心血管医学
- 医疗信息学 医疗信息学
- 遗传学和基因组学 遗传学和基因组学
背景情况:
- 大动脉动脉瘤 (AAs) 呈现异质的危险因素,使准确的患者分层复杂化.
- 当前的临床分类通常依赖于形态学,可能缺少关键的数据驱动的见解.
- 现象映射提供了一种新的方法来识别使用无监督集群的同质患者子组.
研究的目的:
- 使用无监督聚类应用现象映射,以确定大动脉病理患者的新风险概况.
- 调查患者集群差异化的主要驱动因素,重点关注并发症与形态学.
- 评估已识别的集群对所有原因死亡率的影响.
主要方法:
- 在英国生物库数据上使用无监督的k-means集群,用于有大动脉病理的患者 (ICD-10组I71).
- 包括人口,临床参数和并发症作为聚类变量.
- 对腹部AA进行了主要分析,并对其他大动脉病理进行了验证,主要结果是所有原因的死亡率.
主要成果:
- 心血管并发症成为区分患者群体的主要因素,超过了形态特征.
- 存活率分析显示,由多病症定义的群体内,所有原因死亡率显著更高.
- 心血管多病症被确定为AA患者中最重要的分离因子.
结论:
- 现象映射有效地根据并发症识别出主动脉动脉瘤中不同的患者子组.
- 心血管多病症是影响AA患者死亡风险的关键因素.
- 大动脉病理负担和心脏结合疾病之间的相互作用对于准确的死亡风险估计至关重要.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
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
相关概念视频
Comparing the Survival Analysis of Two or More Groups
Aneurysm II: Clinical Manifestations and Diagnostic Studies
Cancer Survival Analysis
Survival Tree
Building a Survival Tree
Constructing a...
Aneurysm III: Interprofessional Care
Aneurysm I: Introduction
