加载中........
×

Eur Heart J:基于机器学习的心脏再同步治疗患者的死亡率预测

2020-1-11 作者:xiangting   来源:MedSci原创 我要评论0

这项研究目标是建立一种基于机器学习(ML)的风险分层系统,从而根据心脏再同步治疗(CRT)患者的植入前参数预测1年、2年、3年、4年和5年全因死亡率。

使用包含1510CRT植入患者的回顾性数据库对多个ML模型进行训练,以预测15年全因死亡率。选择了33个植入前临床特征来训练模型。在一个包含158例患者的独立队列中,对表现最佳的模型[SEMMELWEIS-CRT评分(对CRT植入患者进行机器学习的个体化死亡风险评估)]和既往评分(西雅图心衰模型、VALID-CRTEAARNScREENCRT评分)进行了测试。5年的随访期间,训练队列有805例死亡(53%),测试队列有80例死亡(51%)。在经过训练的分类模型中,随机森林的表现最佳。对于预测1年、2年、3年、4年和5年死亡率,SEMMELWEIS-CRT评分的受试者操作特征曲线下面积分别为0.768 (95% CI: 0.674–0.861; P<0.001)0.79395CI0.718-0.867; P<0.001)、0.78595CI0.711-0.859; P<0.001)、0.77695CI0.703-0.849; P<0.001)和0.80395CI0.733-0.872P <0.001)。该模型的判别能力优于其他评分。

SEMMELWEIS-CRT评分(可在semmelweiscrtscore.com上获得)显示出良好的判别力,可以预测CRT患者的全因死亡率,并且优于现有的风险评分。通过获取预测因子的非线性关联,使用ML方法有助于CRT植入最佳候选者的筛选和预后预测。

原始出处:

Márton Tokodi. Machine learning-based mortality prediction of patients undergoing cardiac resynchronization therapy: the SEMMELWEIS-CRT score. Eur Heart J. 10 January 2020.

本文系梅斯医学(MedSci)原创编译整理,转载需授权!



小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

所属期刊:EUR HEART J 期刊论坛:进入期刊论坛
版权声明:本文系梅斯MedSci原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击

只有APP中用户,且经认证才能发表评论!马上下载

web对话