Loading...
机构名称:
¥ 1.0

抽象的物镜三尖瓣反流(TR)是一种与显着发病率和死亡率相关的普遍瓣膜疾病。我们的目的是应用机器学习(ML)来评估≥1menterTR的患者的风险分层。在2005年1月至2016年12月之间的超声心动图中≥部位TR的方法是回顾性的。我们使用70%的数据来培训基于ML的生存模型,包括27个临床和超声心动图特征,以在独立测试集(30%)的3年内预测死亡率。为了说明基线合并症的差异,通过增加Charlson合并症指数(CCI)分层进行了预测。置换特征的重要性是在这些组中分别使用表现最佳模型计算得出的。13例312例患者的结果,平均年龄为72±13岁,女性为7406(55%),7409(56%)的结果中度为中度,2646(20%)患有中度 - 重度和3257(24%)(24%)患有严重的TR。通过3毫升模型的1年死亡率的总体绩效很好,C统计0.74–0.75。有趣的是,CCI组之间的​​性能各不相同,(最低CCI组的C-Statistic = 0.774,最高CCI组的0.661)。在3年的随访中,性能下降(平均C指数0.78)。此外,有助于这些预测的前10个特征随CCI组略有不同,最高特征包括心率,右心室收缩压,血压,利尿剂使用和年龄。结论常见的临床和超声心动图特征的机器学习可以评估TR患者的死亡风险。在纳入临床实践之前,需要进一步完善模型和前瞻性研究中的验证。

三尖替氏症患者的术语死亡率

三尖替氏症患者的术语死亡率PDF文件第1页

三尖替氏症患者的术语死亡率PDF文件第2页

三尖替氏症患者的术语死亡率PDF文件第3页

三尖替氏症患者的术语死亡率PDF文件第4页

三尖替氏症患者的术语死亡率PDF文件第5页