机构名称：
¥ 1.0
抽象目标心血管疾病（CVD）是印度最普遍的疾病之一，占总死亡的近30％。对印度人口中CVD风险评分的研究匮乏，常规风险评分的有限表现以及无法重现随机临床试验中的初始准确性的研究，这导致了有关大规模患者数据的这项研究。目的是在未来10年内开发基于人工智能的风险评分（AICVD），以预测CVD事件（例如，急性心肌梗塞/急性冠状动脉综合征），并将模型与Framingham Heart风险评分（FHRS）和QRISK3进行比较。方法我们的研究包括31599名从2009年至2018年的18-91岁的参与者在印度的六家阿波罗医院。使用Spearman相关系数和倾向分数匹配的多步风险因素选择过程产生了21个风险因素。使用多层神经网络预测事件发生（分类）和事件的时间（危害模型）的风险因素建立了一个深度学习危害模型。此外，该模型通过来自印度和荷兰的独立回顾人群进行了验证，并与FHRS和QRISK3进行了比较。结果深度学习危害模型的性能良好（曲线下的区域（AUC）0.853）。验证和比较结果显示，AUC在0.84至0.92之间，阳性似然比（AICVD -6.16至FHRS -FHRS -2.24和QRISK3 -1.16）和准确性（AICVD -80.15％至FHRS至FHRS 59.71％和Qrisk3 51.51.51.51.51.51.51.51.51.57％）。在荷兰队列中，AICVD还优于Framingham心风险模型（AUC -0.737 vs 0.707）。结论本研究得出的结论是，新型基于AI的CVD风险评分对心脏事件的预测性能高于印度人群的常规风险评分。试用注册号CTRI/2019/07/020471。
基于心血管风险评分（AICVD）
主要关键词
相关文件推荐
