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
主要关键词
相关文件推荐
