在接受皮肤冠状动脉干预的急性心肌梗塞复杂的心脏性休克接受机械循环支持的患者中,模拟住院死亡率

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 由心脏性休克 (AMI-CS) 复杂的急性心肌梗塞带来了重大的死亡挑战.
• 对于机械循环支装置,如Impella和大动脉内气球 (IABP),存在治疗异质性.

研究的目的:

• 开发一种机器学习模型,识别患者子组,在使用Impella治疗时与IABP治疗时存在差异性死亡风险.
• 发现与接受Impella的AMI-CS患者改善结果相关的特定临床特征.

主要方法:

• 利用国家心血管数据注册表,包括来自369个站点的15796名患者访问.
• 开发了XGBoost决策树模型来预测死亡率,将Impella或IABP作为变量纳入治疗.

主要成果:

• 总的来说,与IABP相比,Impella的使用与10.4%更高的过度死亡率有关.
• 确定了一个由282名患者组成的亚组,其中使用Impella与死亡风险降低相关.
• 这一小组的特点是年龄较小,血压较高,皮肤通道冠状动脉救援干预增加,初始肌素较高,血红蛋白较低.

结论:

• 与IABP相比,Impella设备在AMI-CS中显示出较高的整体死亡风险.
• 通过机器学习识别的特定患者个人资料,经历了Impela的死亡风险降低,强调了治疗效果的异质性.