JACC：经导管主动脉瓣置换术后院内死亡率的机器学习预测模型
2019-07-22 xiangting MedSci原创
机器学习方法可以生成强大的模型来预测TAVR的院内死亡率。
这项研究旨在开发和比较一系列的机器学习方法，以预测美国经导管主动脉瓣置换术（TAVR）后的院内死亡率。
现有的使用统计建模方法预测TAVR患者院内并发症的风险预测工具存在局限性。
从全国住院样本数据库中获得2012年至2015年的患者数据。数据随机分为开发队列（n=7,615）和验证队列（n=3,268）。使用Logistic回归、人工神经网络、朴素贝叶斯和随机森林机器学习算法来获得院内死亡率的预测模型。
这项研究共分析了10,883例TAVRs。总体的院内死亡率为3.6％。总体而言，由曲线下面积衡量的预测模型性能良好（>0.80）。通过logistic回归获得了最佳模型（曲线下面积：0.92; 95％置信区间：0.89至0.95）。大多数模型在引入10个变量后达到稳定水平。急性肾损伤是院内死亡率的主要预测因子，在所有模型中的平均重要性最高。在可用的TAVR预测评分中，全国住院患者样本TAVR评分辨别力最佳。
机器学习方法可以生成强大的模型来预测TAVR的院内死亡率。对于TAVR患者的预后和共同决策，应考虑全国住院患者样本TAVR评分。
原始出处：
Dagmar F. Hernandez-Suarez. Machine Learning Prediction Models for In-Hospital Mortality After Transcatheter Aortic Valve Replacement. JACC：Cardiovascular Interventions. 22 July 2019.
本文系梅斯医学(MedSci)原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#置换#
26
#JACC#
23
#院内死亡#
35
#预测模型#
27
#ACC#
20
#主动脉瓣#
28
#主动脉瓣置换术#
26
#主动脉#
18
#经导管#
25
#经导管主动脉瓣置换#
24