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1510例CRT植入患者的回顾性数据库对多个ML模型进行训练,以预测1至5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-CRT、EAARN、ScREEN和CRT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)、0.793(95%CI:0.718-0.867; P<0.001)、0.785(95%CI:0.711-0.859; P<0.001)、0.776(95%CI:0.703-0.849; P<0.001)和0.803(95%CI:0.733-0.872;P <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!
降糖药钠- 葡萄糖共转运蛋白2SGLT2 抑制剂成心衰治疗基石之一
0 2019-12-07 点击查看
JAMA:TTR V122I基因变异增加心衰风险
0 2019-12-11 点击查看
Diabetes Obes Metab:2型糖尿病增加了房颤患者心衰和死亡的长期风险
0 2019-12-15 点击查看
JAMA Intern Med:心脏衰竭起搏器召回与患者不良事件
0 2019-12-24 点击查看
JAHA:使用丙肝阳性供体进行成人心脏移植的结局
0 2020-01-10 点击查看
Eur J Heart Fail:左心房功能在射血分数保留的心衰中的作用
0 2020-01-11 点击查看