JAHA：机器学习预测外周动脉疾病患者的住院死亡率

外周动脉疾病(PAD)在美国影响了1000万人。外周动脉疾病与不良预后相关，包括过早死亡。机器学习已越来越多地用于大数据预测临床结局。

近日，心血管疾病领域权威杂志JAHA上发表了一篇研究文章，该研究的目的是在一个国家数据库的基础上建立机器学习模型来预测因外周动脉疾病住院患者的住院死亡率。

住院患者数据来自2016年至2019年全国住院患者样本。研究人员使用《国际疾病分类第十版临床修改版》(ICD-10 CM)和《国际疾病分类第十版程序编码系统(ICD-10 PCS)代码，共确定了150921名主要诊断为PAD和PAD的住院患者。4个机器学习模型，包括Logistic回归、随机森林、光梯度增强和极端梯度增强模型，被训练来预测基于变量选择的院内死亡风险，包括患者特征、合并病、手术和医院相关因素。

1.8%的患者在医院内死亡。4种模型的性能相当，受试者工作特征曲线下面积为0.83~0.85，敏感性为77%~82%，特异性为72%~75%。这些结果为临床决策提供了充分的预测性。在所有4个模型中，诊断和手术的总数、年龄、血管内血运重建手术、充血性心力衰竭、糖尿病和糖尿病合并并发症是患者住院死亡率的关键预测因素。

由此可见，这项研究证明了机器学习在预测原发性外周动脉疾病患者住院死亡率方面的可行性。研究结果强调了机器学习模型在识别预后不良的高危患者和指导个性化干预方面的潜能。

原始出处：

Donglan Zhang.et al.Machine Learning Approach to Predict In‐Hospital Mortality in Patients Admitted for Peripheral Artery Disease in the United States.JAHA.2022.https://www.ahajournals.org/doi/10.1161/JAHA.122.026987