Hypertension：机器学习方法在预测年轻高血压患者临床结局的价值
2020-03-16 MedSci原创 MedSci原创
由此可见，ML法与Cox回归法在判断年轻高血压患者临床预后方面效果相当，而优于重新校准的Framingham风险评分模型。
年轻高血压患者的危险分层仍然具有挑战性，一般来说，机器学习(ML)被认为是一个有前景的替代传统方法的临床预测手段，因为它能够处理大量复杂的数据。近日，心血管权威杂志Hypertension上发表了一篇研究文章，研究人员探索了ML方法预测年轻高血压患者预后的可行性，并将其与目前临床常用的方法进行了比较。
研究人员评估了508名曾在三级医院接受治疗的年轻高血压患者(30.83±6.17岁)基线临床数据和包含全因死亡、急性心肌梗死、冠状动脉血管再通、新发心力衰竭、新发房颤/房扑、持续的室性心动过速或室颤、外周动脉血管再通、新发卒中和终末期肾脏疾病的复合终点。在33个月的随访评估中，研究人员构建了包含递归特征消除、极端梯度增强和10倍交叉验证的ML模型，并将该模型的性能与Cox回归和重新校准的Framingham风险评分模型进行了比较。
11个变量的组合被认为是使用ML方法预测患者结局更有价值。ML模型识别复合终点患者的C统计量为0.757 (95%CI为0.660-0.854)，而Cox回归模型和重新校准的Framingham风险评分模型的C统计量分别为0.723(95%CI为0.636-0.810)和0.529(95%CI为0.403-0.655)。
由此可见，ML法与Cox回归法在判断年轻高血压患者临床预后方面效果相当，而优于重新校准的Framingham风险评分模型。
原始出处：
Xueyi Wu.et al.Value of a Machine Learning Approach for Predicting Clinical Outcomes in Young Patients With Hypertension.Hypertension.2020.https://www.ahajournals.org/doi/10.1161/HYPERTENSIONAHA.119.13404
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
#PE#
28
#临床结局#
20
#TENS#
20
#高血压患者#
26
#Hypertension#
14
#机器#
17