Eur J Heart Fail：利用机器学习预测肥厚性心肌病患者新发房颤情况
2024-12-21 MedSci原创 MedSci原创 发表于上海
与传统的肥厚性心肌病-房颤评分相比，该研究的机器学习模型在预测肥厚性心肌病患者新发房颤方面表现出更好的性能。
肥厚性心肌病是最常见的遗传性心脏病，在美国每200-500人中就有1人罹患此病。心房颤动影响了总人群中1-2%的人中，在肥厚性心肌病患者中更为常见，患病率为20-30%。在肥厚性心肌病患者中，房颤与发病率和死亡率增加相关。肥厚性心肌病患者通常具有左心室充盈压力升高和由于舒张功能障碍导致的心力衰竭，在许多情况下，左心室流出道梗阻。心房颤动是肥厚性心肌病患者中最常见的持续性心律失常，导致症状负担增加和血栓栓塞的风险。肥厚性心肌病-房颤评分用于预测肥厚性心肌病患者的新发房颤，尽管这种传统工具的敏感性和特异性有限。因此，需要更准确的工具来预测肥厚性心肌病患者的新发房颤。
近日，心血管领域权威杂志European Journal of Heart Failure上发表了一篇研究文章，该研究的目的是利用机器学习开发一种更好的模型来预测肥厚性心肌病患者新发房颤。
在这项前瞻性的多中心队列研究中，研究人员招募了1069名没有房颤病史的肥厚性心肌病患者。研究人员使用临床变量建立了机器学习模型（Lasso正则化逻辑回归）。研究人员使用来自一个机构（训练集）的队列开发机器学习模型，并将其应用于来自一个单独机构（测试集）的独立队列。研究人员使用肥厚性心肌病-房颤评分作为参考模型。此外，研究人员使用DeLong’s检验比较了机器学习模型和参考模型的受试者工作特征曲线（AUC）下面积。
中位随访时间为2.1年，128例（12%）患者发展为新发房颤。使用训练集中建立的机器学习模型预测新发房颤，测试集中的AUC为0.84（95%可信区间[CI]为0.77-0.91）。机器学习模型优于参考模型(AUC为0.64；95%CI为0.54-0.73；DeLong’s的p<0.001)。机器学习模型灵敏度较高(0.82；95%CI为0.65-0.93)，相比于比参考模型(0.67；95%CI为0.52-0.88)。机器学习模型也具有更高的特异性(0.76；95%CI为0.71-0.81)，相比于参考模型(0.57；95%CI为0.41-0.70)。在以机器学习为基础的模型中，最重要的临床变量包括左心房容积和内径、运动应激和静止时的左心室流出道梯度、心脏磁共振成像晚期钆增强、运动应激时的心率峰值、诊断年龄、阳性基因型、糖尿病和终末期肾病。
由此可见，与传统的肥厚性心肌病-房颤评分相比，该研究的机器学习模型在预测肥厚性心肌病患者新发房颤方面表现出更好的性能。
原始出处：
Ree Lu,et al.Prediction of new‐onset atrial fibrillation in patients with hypertrophic cardiomyopathy using machine learning.European journal of heart failure.2024.https://onlinelibrary.wiley.com/doi/full/10.1002/ejhf.3546
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
#Med#肥厚性心肌病是最常见的遗传性心脏病，在美国每200-500人中就有1人罹患此病。
9
#房颤# #肥厚性心肌病# #机器学习#
11